防大气污染城周山坡火焰识别监报系统研究

摘要：近年来，中国大气污染问题已经成为了社会的一大焦点。目前，关于城市大气污染来源还处于讨论研究之中，其中，城市周围山林地带的焚烧成为一个不可忽视的因素。本文就城周山坡地带火焰提出一种基于图像处理的监测办法，以达到减少大气污染的目的。通过使用OpenCV，本文实现了该系统功能。通过实验，火焰能被识别和报警。

关键词：火焰识别 图像处理 OpenCV

中图分类号：TP312 文献标识码：A 文章编号：1007-9416（2015）09-0000-00

1 引言

目前火焰图像的采集一般使用红外火焰探测器和红外热成像仪[1-3]。红外火焰探测器安装方便，成本低廉，然而却不能对火焰进行准确的定位。红外探测器虽然能准确识别火焰区域，但其高昂的成本又限制了其在城市周边的广泛使用[4]。本系统使用网络摄像机，图像传输通过综合布线网络传输，可靠性好，同时也降低了费用，具有较高的性价比，为大规模监报提供了可能。

对于采集到的火焰图像，国内外的许多学者也提出了很多有意义的实用研究方法，例如基于离散余弦变化的红外目标特征描述方法[5]，Yamagishi等人使用的HSV颜色空间模型[6]，吴龙标等人提出的通过尖角判断识别火焰的方法[7]。本文在总结前人的研究成果上，使用OpenCV，通过对视频图像帧图像的读取、分析，将火焰从周围环境中识别出来，从而达到监报的目的。

2 火焰识别方法

2.1系统基本设计思路

主要含下列几个步骤：

①利用网络摄像机收集视频；

②将收集到的视频网络传送到后台；

③后台分离视频中每帧图像并分析；

④如果检测到火焰，则发出预警，若没有，则继续进行监测。

2.2火焰识别方法

2.2.1识别疑似火焰

火焰色彩与其温度具有相关关系，其由内部到表面的色彩一次为暗红色、红色、橙色、黄色、蓝白色和白色[8]，这里使用RGB三颜色RGB通道进行分解，为了方便后期的处理，这里使用最容易分析、利用的红色。

火焰的色彩特征主要有以下两条：

①颜色各分量的关系[9]：R>=G>=B.

②火焰颜色分量的取值范围[10]：255>R>117，255>G>88，255>B>44.

识别时首先利用红色通道对采集到的图像进行二值化处理，当某一部分的阀值处于上述火焰分量取值范围时，就将这一部分的阀值设置为1，反之，则将这一部分的阀值设置为0，这样可以基本识别出类似火焰的图像元素。具体效果图在此省略。然而此种方法也存在缺陷，在区分高亮物体和静态类似火焰物体时（红色枫叶、晚霞），往往出现较大的误识率。为此，需要进一步处理，提高识别准确率。

2.2.2火焰动态分析

火焰燃烧是会产生抖动的，表面上看这种抖动似乎杂乱无章，然而通过一定的分析，可以发现每种燃烧的物体都有特定的抖动频率[11]。于是，可以通过对各个帧图像的对比来对火焰的抖动进行分析。

图1 采用的火烟识别过程

火焰闪烁频率的计算公式为：

其中，i和i-1分别表示当前帧和之前帧，t表示从第一帧到第n帧的时间，f为火焰抖动频率。这种方法能较好区分干扰源[12]。整个过程如图1所示。

3 实验结果与分析

实验环境：计算机、网络摄像机、蜡烛、打火机、白炽灯，利用Visual Studio 2012作为分析工具，算法使用（Open Source Computer Vision，OpenCV）和C++语言编程实现。测试环境为室内。

首先对网络摄像机采集的视频进行帧图像分离，对分离出的图像进行阀值分析。对于符合要求的图片进行火焰抖动分析。

为检测算法的可用性，此处使用网络视频进行测试，测试结果图在此省略。火焰能被成功地识别出来。

4 结语

本文重点对火焰识别方法进行了探讨。根据RGB分析、阀值处理、火焰抖动频率分析来将火焰从背景中准确的识别出来。基于OpenCV和C++的使用，使得分析效率得到提高，分析难度也大为降低。下一步可以将火焰能力增长趋势考虑进来，以判断火焰处于何种状态，达到更好、更早的对城周山坡火焰进行监报的目的。

参考文献

[l]卢瑞祥，牟轩，纪震.火灾的图像识别方法与应用 [J].计算机应用研究，1998，l5（1）：106.1O8.

[2]卢瑞祥，牟轩，纪震.一种基于红外图像识别的自动消防监控系统[J].电子技术应用，1998，24（2）： 7-8.

[3]李树涛，唐艳，王耀南. 基于色彩通道融合的火焰图像分割[J].湖南大学学报，2001，14（4）：67-71

[4]薛博.一种基于网络摄像机的火焰识别方法[J].电子科技大学学报，200（03）.

[5]冯春环，涂建平，郭健.基于离散余弦变换的红外目标识别算法[J].系统仿真学报，2005， 7（6）：1363-1365，1369.

[6]Yamagishi H， Yamaguchi J. Fire flame detection algorithm using a color camera.Proc. of 1999 Int. Symposium on Micromechanics and Human Science， 1999：255-259.

[7]吴龙标，宋卫国，卢结成.图像火灾监控中一个新颖的火灾判据[J].火灾科学，1997，6（2）：60-66.

[8]程鑫，王大川，尹东良.图像型火灾火焰探测原理[J].火灾科学，2005，14（4）：239―244.

[9]鹿书恩.基于火焰识别的火灾识别判据研究[D].重庆： 重庆大学，2009.

[10]杨俊，王润生.基于计算机视觉的的视频火焰检测技术[J].中国图像图形学报，2008， 13（7）：1222-1234.

[11]安志伟，袁宏永，屈玉贵.火焰闪烁频率的测量研究[J].计算机应用，2005，20（5）：66-68.

[12]熊国良，苏兆熙，刘举平，谢正侠.火焰特性识别的Matlab实现方法[J].计算机工程与科学，2013（7）.

收稿日期：2015-08-14

项目基金：本文受国家自然科学基金（NFS 61100116） 和江苏科技大学大学生创新计划资助

作者简介：吴陈（1962―），男，汉族，湖北天门人，博士，教授，研究方向：智能信息处理、模式识别；薛晓伟（1994―），男，汉族，江苏无锡人，本科生，研究方向：图像处理和程序设计。