煙火檢測算法

6.2煙火檢測算法的組成模塊運(yùn)行煙火檢測算法是為了確認(rèn)在監(jiān)測森林地區(qū)的相機(jī)的視野范圍內(nèi)是否有煙火的存在。這里提出的煙火檢測算法由四個(gè)主要的子算法構(gòu)成：（1）視圖中緩慢移動(dòng)物體的檢測（2)煙色地區(qū)的檢測（3）圖像中上升物體的檢測（4)陰影檢測和消除陰影區(qū)域，在些子算法對(duì)于每一個(gè)n時(shí)刻輸入的圖像幀中x位置的像素都分別運(yùn)用決策函數(shù)D1(x,n),D2(x,n),D3(x,n),D4(x,n)，選定高速率運(yùn)算的算法是為了實(shí)現(xiàn)一個(gè)在標(biāo)準(zhǔn)個(gè)人電腦工作狀況下的實(shí)時(shí)煙火檢測系統(tǒng)。子算法中的決策函數(shù)Di，i=1,...,m,不輸出二進(jìn)制的值如1（真）或者-1（假），但是輸出代表每一個(gè)傳入樣本x的零均值實(shí)數(shù)。如果輸出正（負(fù)）數(shù)，那么獨(dú)立的算法判定出在相機(jī)觀測范圍內(nèi)有（無）森林煙火。決策函數(shù)的輸出值代表了了每個(gè)子算法的置信度。輸出值越大，算法的置信度越高。6.2.1緩慢移動(dòng)物體的檢測視圖中以相同速率運(yùn)動(dòng)的物體看起來在離相機(jī)距離遠(yuǎn)的地方比在離相機(jī)距離近的地方移動(dòng)的要慢(像素/秒）。假設(shè)在不同的背景圖像Bfast（x,n）和Bslow（x,n)下把相機(jī)對(duì)焦，他們以不同的更新速率與現(xiàn)場通信【9】【65】，這里的x代表的是在第n幀圖像中某個(gè)像素的位置。在n+1幀時(shí)刻的背景圖像B（x，n+1)是通過包含圖像幀I（x，n）和背景圖像B（x，n）的遞推公式估算來的。公式如下：X是固定的X是移動(dòng)的(6.1)X是固定的X是移動(dòng)的(6.1)此處的的I（x，n）指的是第n幀圖像I中x處像素的強(qiáng)度值，a是（0,1）之間的一個(gè)常數(shù)。初始時(shí)，Bfast（x,0）和Bslow（x,0)可以取I（x，0），固定的像素和移動(dòng)的像素的定義見【19】。背景圖像Bfast（x,n）和Bslow（x,n)以不同的更新速率更新的方式如式6.1。在我們實(shí)現(xiàn)的算法中，Bfast（x,n）取a=0.7每一幀更新一次，Bslow（x,n)取a=0,9每一秒更新一次。通過比較兩個(gè)不同的背景圖像Bfast（x,n）和Bslow（x,n)來檢測在相機(jī)觀測范圍內(nèi)的緩慢移動(dòng)的物體【83】【9】【65】。如果在某一時(shí)間段兩個(gè)圖像中有實(shí)質(zhì)的差異存在，那么就會(huì)有緩慢移動(dòng)物體存在的警報(bào)產(chǎn)生，并且那個(gè)區(qū)域也會(huì)被標(biāo)記。表明第一個(gè)子函數(shù)置信度的決策函數(shù)輸出值是由兩個(gè)不同背景圖像的差異決定的。決策函數(shù)D1（x，n）是如下定義的：|Bfast（x,n）—Bslow（x,n)||Bfast（x,n）—Bslow（x,n)|≤TlowTlow≤|Bfast（x,n）—Bslow（x,n)|≤ThighThigh≤|Bfast（x,n）—Bslow（x,n)|（6.2)這里的0<Tlow<Thigh的閾值是由實(shí)驗(yàn)確定的。在我們實(shí)現(xiàn)的算法中，Tlow（Thigh）在組成圖像的部分里亮度值分別取10（30)。如果|Bfast（x,n）—Bslow（x,n)|比Thigh（Tlow）的閾值高（低），那么置信度的值是1（—1)，如果|Bfast（x,n）—Bslow（x,n)|的值在閾值范圍內(nèi)，則決策函數(shù)取[-1,1]中的實(shí)際值。遠(yuǎn)距離（>5km）地方的森林煙火產(chǎn)生的煙在相機(jī)里移動(dòng)的更慢。所以，在這些遠(yuǎn)距離的煙色區(qū)域在背景圖像Bfast（x,n）和Bslow（x,n)中都不出現(xiàn)。這個(gè)原因使Bfast（x,n）和Bslow（x,n)之間的差別值變得更小。為了能檢測到相機(jī)5km外的煙霧和擁有可觀的差別值，在式6.2中提到的Bfast（x,n）都用實(shí)時(shí)的圖像I代替。6.2.2煙色區(qū)域的檢測一旦一個(gè)慢速移動(dòng)的區(qū)域被檢測到了，它的煙霧的顏色成份立刻就會(huì)被分析。森林煙火的主要成分是二氧化碳，水蒸氣，一氧化碳，尤其重要的是碳?xì)浠衔锖推渌挠袡C(jī)化學(xué)物，氮的氧化物，微量礦物質(zhì)以及一些其他的化合物[2].上升的煙呈現(xiàn)灰灰的顏色主要是由于釋放出的火焰的成分中含有的水蒸氣和碳的小顆粒。這些區(qū)域可以通過在YUV色彩空間中設(shè)定的閾值鑒定出來。而且，特別是在火剛產(chǎn)生的初級(jí)階段，有煙地區(qū)的亮度值應(yīng)該很高，就像在圖6.1所示的那樣。在另一方面，有煙地區(qū)的色度值應(yīng)該是非常低的。對(duì)應(yīng)的子算法的置信值應(yīng)該說明以上的這些特征。決策函數(shù)D2（n，x）在（-1,1）中取值，它的取值是由Y（x，n），U（x，n）和V（x，n）的通道值決定的。決策函數(shù)D2（n，x）的定義如下：Y(x,n)<T1其他值Y(x,n)<T1其他值(6.3)這里的Y（x，n），U（x，n）和V（x，n）分別指的是第n幀圖像I中x處像素的色度和亮度值。一個(gè)圖像中亮度分量Y在[0,255]中取實(shí)數(shù)，為了他能取到[0,255]中的值色度通道的平均值U和V上升到了128。T1的閾值是由實(shí)驗(yàn)測定的，此項(xiàng)工作中在亮度為Y的組成部分中取100.如果Y（x，n）的值小于T1，那么D2（n，x）的置信度為-1.設(shè)定T1的閾值是為了排除同樣具有低色度值的暗色區(qū)域。因?yàn)闊熁鸬貐^(qū)的顏色大多都不鮮明，所以對(duì)于那些亮度值高于T1的像素，當(dāng)U（x，n）和V（x，n）的色度值在均值128左右時(shí)，決策函數(shù)的輸出值接近為1。當(dāng)像素有很高的亮度值時(shí)，置信值變成-1.6.2.3有煙霧上升區(qū)域的檢測在火產(chǎn)生的初級(jí)階段煙霧區(qū)域會(huì)擴(kuò)散到天空中。煙縷的這個(gè)特征可以仿照這一節(jié)中三態(tài)的隱式馬爾可夫模型。在緩慢移動(dòng)的區(qū)域中隨時(shí)間連續(xù)變換的最上面的像素就相當(dāng)于一個(gè)一維的特征信號(hào)，記作F=f（n），這個(gè)信號(hào)適用于如圖6.2所示的馬爾可夫模型。其中的一個(gè)模型（λ1）對(duì)應(yīng)真正產(chǎn)生煙火的區(qū)域，另一個(gè)模型（λ2）對(duì)應(yīng)有云或者云影的區(qū)域。這些模型的轉(zhuǎn)化概率是通過分別采用真正的煙火，實(shí)驗(yàn)的煙火和云估測而來的。如果當(dāng)前的圖像幀中最上面的像素的行值比前一幀的小，那么對(duì)應(yīng)S1狀態(tài)（區(qū)域上升）。如果當(dāng)前的圖像幀中最上面的像素的行值比前一幀的大，那么對(duì)應(yīng)S2狀態(tài)，這個(gè)意味著區(qū)域下降了。如果兩幀圖像中行值沒有變化則對(duì)應(yīng)S3狀態(tài)。圖6.2中左圖對(duì)應(yīng)λ1模型，右圖對(duì)應(yīng)λ2模型，aij和bij代表狀態(tài)的轉(zhuǎn)移概率當(dāng)在λ1模型下獲得觀測到的目標(biāo)函數(shù)F=f（n）的概率高于當(dāng)在λ2模型下獲得觀測到的目標(biāo)函數(shù)F=f（n）的概率時(shí)，緩慢移動(dòng)的區(qū)域判定為有煙霧上升的區(qū)域。這里的F是觀測到的特征信號(hào)，λ1和λ2分別代表馬爾可夫模型中對(duì)應(yīng)煙火和云的情況。當(dāng)概率p1（p2）的值大于p2（p1），這個(gè)子算法的置信度增高(下降）。因此，零均值的決策函數(shù)D3（x，n）由這些概率的歸一化差值表示(6.5)當(dāng)一個(gè)緩慢移動(dòng)的區(qū)域被判定為有煙霧上升的區(qū)域，如例，p1》p2，D3（x，n）接近于1，反之，D3（x，n）接近于-1。.6.2.2陰影檢測和去除對(duì)于以影像為基礎(chǔ)的森林火災(zāi)煙霧監(jiān)測系統(tǒng)，緩慢移動(dòng)的烏云形成的陰影是形成錯(cuò)誤警報(bào)的主要原因。令人遺憾的是，與發(fā)生森林火災(zāi)的地區(qū)相似，烏云形成的陰影具有很低的U和V值。判斷一個(gè)地區(qū)是否有陰影的決策函數(shù)要根據(jù)[41]中的陰影檢測方法來定義。計(jì)算有云緩慢移動(dòng)的地區(qū)的RGB平均值時(shí)，要同時(shí)參考實(shí)時(shí)畫面和背景影像。S(n)表示的是在第n幀圖像I中緩慢移動(dòng)的區(qū)域。以cI~;S(n)表示的第N幀的I圖像中地區(qū)的平均色彩矢量的計(jì)算方法如下：在上式中，AS(n)代表緩慢移動(dòng)區(qū)域S(n)。rI(x;n),gI(x;n)和bI(x;n)表示在第N個(gè)圖像幀I中X位置上的紅、綠、藍(lán)像素渠道值。相似地，以cB~;S表示在背景圖像中相同的區(qū)域的平均色彩矢量。B的計(jì)算方法如下：這里rB(x;n),gB(x;n),和bB(x;n)表示在第n幀背景圖像幀B中X位置上的紅、綠、藍(lán)像素渠道值。我們將背景圖像Bslow用作為檢測中的背景圖像。在有陰影的地區(qū)，兩平均色彩矢量cI~;S和cB~;S之間的角度μ(x)應(yīng)該比較小，并且實(shí)時(shí)圖像中的向量角度值應(yīng)該比背景圖像中的向量角度值偏小，即jcI~;S(n)j<jcB~;S(n)j[41]。這是因?yàn)橛嘘幱暗牡貐^(qū)在一定程度上更容易保留色彩和不明顯的的紋理。這個(gè)子算法的置信度是根據(jù)平均色彩矢量cI~;S(n)和cB~;S(n)之間的角度和幅度來定義的。這個(gè)子算法相對(duì)應(yīng)決策函數(shù)D4(x;n)可以得出第N幀圖像以及背景圖像中的像素，D4(x;n)的計(jì)算方法如下：在此式中，μ(x)是兩色彩向兩所夾的角度值。當(dāng)量色彩矢量間的夾角相近時(shí)，陰影地區(qū)的函數(shù)D4(x;n)的值接近-1。類似的用于陰影檢測的決策函數(shù)可以通過其他的色彩空間，包括YUV空間來定義。文獻(xiàn)[66].中介紹了其他幾種陰影檢測算法。然而，我們選擇了在這一部分中闡述的算法，因?yàn)檫@種算法具有其計(jì)算的簡潔性，而我們的目標(biāo)正是實(shí)現(xiàn)煙火的實(shí)時(shí)監(jiān)測。在這部分闡述的函數(shù)中，我們通過使這些函數(shù)對(duì)所有的火災(zāi)影像都產(chǎn)生積極作用而得出了他們的閾值。然而，我們可以定義具有其他閾值的其他決策函數(shù)代表不同的威脅/安全程度。在標(biāo)準(zhǔn)監(jiān)測模式下，當(dāng)相機(jī)的視野內(nèi)沒有火情時(shí)，安全級(jí)別可能會(huì)保持在“低”的狀態(tài)。一旦檢測到火情，系統(tǒng)會(huì)自動(dòng)將安全等級(jí)轉(zhuǎn)換到“高”，并且通過減小決策函數(shù)的閾值來提高對(duì)其他地區(qū)發(fā)生后繼火災(zāi)的敏感性。無