基于运动轨迹特征的火焰检测方法

耿庆田，张 晶，赵宏伟，王 闯

(1.长春师范大学计算机科学与技术学院，吉林长春 130032；2.吉林大学计算机科学与技术学院，吉林长春 130012；3.长春市宽城区综合实践教育基地校，吉林长春 130052)

火焰目标检测是现代火灾预警系统中的关键技术，也是计算机视觉研究领域的重要内容。与依靠烟雾、热量等传感器来检测火灾的传统火灾预警系统相比较，采用计算机视觉技术的火灾检测系统有着很大的优势。其方法最大的特点是适合于大空间的区域，并且发现时间短。对火灾预警系统监控视频中的火焰目标进行检测时，主要是把视频图像中运动状态的火焰区域从复杂的固定背景中剥离出来，作为火焰检测识别的重要数据。

目前，国内外研究人员对火焰的检测方法提出了很多算法，并取得了一些成功。杨楠[1]采用隐马尔可夫模型模拟火焰闪烁特征,并通过图像的亮度来判断疑似火焰区域；Chen[2]通过高斯混合模型，用颜色特征提取火焰疑似区域；Lei[3]通过提取纹理及范围变化特征，利用Bayes分类器来检测识别火焰区域；Zhang等[4]使用傅里叶算法提取轮廓特征来检测火焰区域；王莹[5]提出基于颜色空间的火焰颜色检测模型；Habiboglu[6]提出了基于时空协方差的区域火焰检测算法。

由于燃烧的火焰在视频图像中最直观的形式是运动，它以火焰运动轨迹的变化表现出来。本文根据火焰运动轨迹曲线的变化部分，提取相应曲率的极值点，为了使该极值点具有旋转、缩放、平移等不变性，需要把极值点在变化曲线中的相对位置表示出来作为提取火焰运动的特征向量，从而得到运动火焰轨迹的几何特征。这样在进行火焰相似性比对查询时，降低了维度，提高了火焰的检测效果。

1 火焰运动轨迹曲率特征提取

基于火焰运动区域特征的检测技术关键在于运动特征的提取。优质的特征要具备以下几个关键点：(1)差异性，即不同物质对象有不同的特征；(2)稳定性，同类物质对象的特征值比较相近；(3)独特性，选取的各特征之间相互独立；(4)少数性，描述物质对象的特征提取尽量少。

1.1 轨迹曲率极值点

本文在进行轨迹特征提取时首先要解决的是轨迹曲率极值点的获取。

图1 点到直线的距离

如图1所示，在欧拉平面内，设pi=(xi,yi),i∈[1,n]为火焰运动区域轨迹上的点，p1为起点，pn为终点，pj是从pi+2为起点的界点，直线L为连接点pj和pi+2的直线，d(i,j,k)为轨迹点pk到直线L的欧几里得度量，设火焰运动轨迹曲线方程为y=f(x)，则曲率如式(1)所示。

(1)

设d(i,j)为阈值，其表达式为：

(2)

若d(i,j,k)>d(i,j)，则点pk作为轨迹曲线的特征点。由于d(i,j)的值恒定，因此该方法不能完全满足轨迹曲线的不变性的需求。

为满足轨迹曲线缩放不变性的要求，阈值的设定根据曲线大小的百分比：

T=(dwidth+dheight)percentage.

其中，dwidth，dheight分别表示火焰运动轨迹曲线最小边界矩形的宽和高，正则化特征值，则曲率极值点如式(3)所示。

(3)

其中，n表示轨迹曲线的曲率极值点数量，经(4)式变换可满足需要。

(4)

其中，leni是点pi到极值点的距离，特征值变为(li,θi)，如图2所示。

图2 特征示意图

在图2中，p1是轨迹曲线起点，p4是曲线终点，p2,p3为曲率极值点，通过这四点可以计算出相对位置，并能够较好地描述火焰轨迹曲线的几何特性。

1.2 特征比对

本文通过下述算法来进行特征比对，设α是n维特征空间中的特征向量，可表示为(α1,α2,…,αn)，H(α)代表第一个分量α1，R(α)代表(α2,…,αn)，对于特征空间中的向量α和β，相似度比对定义如下：

(5)

则

(6)

图3 轨迹曲线比对图

如图3所示，通过仿真实验对比样本轨迹曲线特征点和轨迹曲线集中A、B、C、D曲线特征点的相似度,可以发现，轨迹曲线B和样本曲线最相符，与人类肉眼观察结果一致，验证了此算法的可行性。

2 实验结果

本文使用Matlab从比尔肯大学火灾视频库中选取了3段火焰视频进行仿真实验测试，实验结果如图4所示，a，b两列分别是原始图像和使用本文方法的检测结果。通过对图4的观察，可以看到，本文所采用的算法能够较为有效地识别出图像中的火焰移动目标。值得注意的是，该算法经验证可以应用在实时的检测环境中。尽管该方法还检测到了人手部的轮廓，但这部分结果可在与颜色特征检测算法的结合中加以排除。

图4 火焰运动区域特征检测效果图

3 结论

本文提出了一种针对火焰燃烧过程中所表现出的动态曲线轨迹特征的检测方法，是对基于颜色特征火焰检测方法的补充，实验结果表明，对于室外燃烧火焰形态变化较明显的特征提取效果会更好。若将颜色特征和本文算法相结合并应用到火焰检测中，则更能在实时环境中实现火焰检测，并可以应用到早期火灾报警中。本文算法使用基于火焰运动特性轨迹曲线检测模型，并利用该模型进行实验与结果分析。可以更好地满足火焰检测的特殊情况，提高火焰检测的准确率和抗干扰性，获得了较为理想的检测效果。

[1]洪义,王兆其,朱登明,等.基于Level-Set的火焰动画生成方法研究[J].计算机研究与发展,2010,47(11):1849-1856.

[2]王莹,李文辉.基于多特征融合的高精度视频火焰检测算法[J].吉林大学学报:工学版,2010,40(3):769-775.

[3]Liu J,Liu S,Zhou W,et al.Flame detection on swirl burner using ECT with dynamic reconstruction algorithm based on the split Bregman iteration[J].IEEE Sensors Journal,2017,17(22)：7290-7297.

[4]Jean-Yves D S L,Sabine L,Emeline T,et al.Prediction of response factors for gas chromatography with flame ionization detection:Algorithm improvement,extension to silylated compounds,and application to the quantification of metabolites[J].Journal of Separation Science,2015,38(18):3209-3217.

[5]陈垂雄,严云洋,刘以安,等.运动区域提取和闪频分析并行的火焰检测算法[J].数据采集与处理,2017,32(2):424-430.

[6]段锁林,毛丹.关于火灾火焰图像检测算法研究[J].计算机仿真,2016,33(2):393-398.

[7]王全,赵涓涓.海计算模式下的森林火焰识别算法[J].计算机工程与设计,2015(11):3019-3024.

[8]Liu Z G,Zhang X Y,Yang-Yang,et al.A flame detection algorithm based on Bag-of-Features in the YUV color space[C].International Conference on Intelligent Computing and Internet of Things.IEEE,2015:64-67.