《基于OpenCV的火灾视频识别方法研究.doc》由会员分享，可在线阅读，更多相关《基于OpenCV的火灾视频识别方法研究.doc（2页珍藏版）》请在三一办公上搜索。
1、基于OpenCV的火灾视频识别方法研究王振鹏 ，程乃伟沈阳航空航天大学安全工程学院 ，辽宁沈阳110136要 为了提高火灾自动报警系统的及时性和准确性 ，以促进灭火效率减少火灾事故损失 ，提出了一种基于开摘源跨平台计算机视觉库 OpenCV 的火灾视频识别方法 ，并阐述了 OpenCV 的特点及结构。对火焰的图像特征进行了分析 ，介绍了基于 OpenCV 的火焰图像简单检测性能。采用 OpenCV 对火焰图像进行了灰度处理、二值化处理、边缘检 测 ，验证了采用 OpenCV 对火焰图像基础处理的可靠性。关 键 词 火焰 ；视频识别 ；OpenCV ；自动报警中图分类号 X959文献标识码 A文
2、章编号 1674-6708（2012）79-0206-020 引言火灾是人类不容忽视的最严重灾难之一。通常情况下 ，火 灾探测技术如感烟探测器、感温探测器等主要是基于传感器检 测技术设计的。但在大空间场所受其跨度大、空间高的特点影 响 ，对火灾初期产生的热量和烟雾触发报警器造成很大难度。 随着安防监控科技的不断发展 ，火灾的视频探测成为可能 ，并 且该技术能有效克服传统探测技术在高大空间等场合灵敏度下 降的缺点 ，具有响应快 ，探测及时 ，信息丰富直观的优点。1 火灾视频探测技术火灾视频识别即通过计算机硬件或数码感光元器件对火灾 发生前期的火焰等视频进行图像采集和预处理 ，并由计算机终 端通过
3、模式识别的方法判断监控画面中是否存在火焰或者烟气 等与火灾相关的事物。基于图像处理的火灾监控方法利用了火 灾刚刚发生的短时间内火焰或烟气的图像在颜色、形状、位置、 面积等随时间变化的特性 ，从含有背景噪音的图像序列中正确 识别相关信息 ，达到火灾监测的目的。用的图像处理及计算机视觉算法。采用 OpenCV 实现火灾视频识别可以很好的体现 OpenCV 运行速度快、稳定、跨平台、接 口灵活、交互性强、易于产品化等特点。针对火灾的图像处理 的如图像分割、特征提取、图像滤波、图像识别等技术及其相 应算法目前也较成熟。3 基于 OpenCV 的火灾视频识别系统如图 2 为基于 OpenCV 的火灾视频
4、识别系统框图 ，分为火 焰图像获取系统、图像识别系统、火灾报警联动系统。火焰图 像获取系统主要通过摄像机的光敏器件 CCD，将外界影像的光 信号转变为数字图像信号。然后 ，进入主要由计算机软件组成的图像识别系统进行图像采集、预处理、特征提取及图像识别。图像预处理即过程采用中值滤波方法抑制或消除噪声而改善图像质量的平滑过程。图 1 火灾视频识别系统示意图图 1 中描述了火灾视频识别系统的硬件组成 ，首先通过图 像收录设备摄像机 B 对监控现场 A 进行图像采集 ，然后通过 图像采集卡 C 获取视频图像信息并将其进行存储 ，将图像信 息传输给计算机 D，计算机系统主要通过计算机软件对图像信 息进行
5、处理、识别 ，判断图像信息是否属于火灾 ，如果属于火 灾 ，报警器 E 则会进行报警提示。2 VC+ 6.0 和 OpenCV 简介VC+ 6.0 即 Visual C+ Microsoft 公司开发的一种具有高度 综合性能的软件开发工具。用它开发出的程序具有运行速度 快、可移值能力强等优点 ，在对数字图象进行处理时经常是采 用 Visua C+ 进行编程。开放源代码的计算机视觉类库 OpenCV (Intel Open Source Computer Vision Library ) 由英特尔公司开发 ，它是一套可免费 获得的由一些 C 函数和 C + 类所组成的库 ，用来实现一些常图 2
6、基于 OpenCV 的火灾视频识别系统框图4 火灾火焰的图像特征分析在火灾发生发展阶段 ，对火灾现场的视频识别主要是基于火焰图像的基本特性来实现的。火灾是一种失去控制的燃烧 ，初期火灾的火焰是从无到有是非固定的 ，不同发展阶段火焰的面积、形状、尖角、颜色、频闪等都存在一些视觉特征。1）面积变化 ：早期火灾是着火后火灾不断发展的过程。在这个阶段 ，火灾火焰的面积呈现连续的、扩展性的增加趋势。在图像处理中 ，面积是通过取阈值后统计图像的亮点 ( 灰度值大于阈值 ) 数实现的。当其它高温物体向着摄像头移动或者从 视野外移入时 ，探测到的目标面积也会逐渐增大 ，容易造成干 扰。因此 ，面积判据需要配合
7、其它图像特性使用 ；2）边缘变化 ：早期火灾火焰的边缘变化有一定的规律 ，同其它的高温物体及稳定火焰的边缘变化不同。精确的方法是作者简介 ：王振鹏 ，在读研究生 ，研究方向 ：火灾视频监控技术程乃伟 ，教授 ，研究方向 ：火灾条件下公共建筑中人员疏散预测评价计算机模型研究用边缘检测和边缘搜索算法将边缘提取出来，根据边缘的形状、曲率等特性对边缘进行编码 ，再根据编码提取边缘的特征量。 利用这些特征量在早期火灾阶段的变化规律进行火灾判别 ；3）形体变化 ：早期火灾火焰的形体变化反映了火焰在空 间分布的变化。在早期火灾阶段 ，火焰的形状变化、空间取向 变化、火焰的抖动以及火焰的分合等 ，具有自己独特
8、的变化规 律 ；4）闪动规律 ：火焰的闪动规律 ，即亮度在空间的分布随 时间变化的规律 ，火焰在燃烧过程中会按某种频率闪烁。在数 字图像中就是灰度级直方图随时间的变化规律。5 视频序列的运动检测视频监控场景中多数物体在固定摄像机下所采集的视频序列是静止的 ，但火焰呈现的则是运动特性。 视频监控中的运动检测就是在视频序列中不断发现并提取运动目标 ，实时跟踪它们并计算出其轨迹 ，为下一步特征分析 等提供数据。目前 ，目标检测和提取算法分为帧间差法、背景差法、高 斯模型法及光流法等。运 用 OpencCV 函 数 对 火 焰 图 像 进 行 灰 度 化 处 理 ，主 要 函 数 ：gray=cvCr
9、eateImag(cvGetSize(m_image)，8，1）； cvCvColor(m_image，gray，CV_BGR2GRAY）效果如图 3。进行二值化处理 ，加快处理速度并能将火焰与背景分开 ， 主 要 函 数 ：cvThreshold(gray，gray，0，255，CV_THRESH_ OTSU) 效果如图 4。运用 canny 算法进行边缘检测 ，突出纹理信息 ，主要函数 ： cvCanny(gray，edge，(float)edge_thresh，(float)edge_thresh*3，3) 效果如图 5。6 结论通过对实验火焰视频图像的采集 ，运用 OpenCV 库函数
10、对 图像进行灰度化处理、二值化处理以及火焰的边缘检测 ，验证 了 OpenCV 库函数在火焰图像预处理、特征提取及边缘检测上 的可行性和准确性 ，为后期判定火焰的存在打下良好基础。图 3 灰度化后火焰图参考文献1刘瑞祯，于仕琪.OpenCV教程基础篇M.北京：北京 航空航天大学出版社，2007.2宋卫国，范维澄，吴龙标.基于人工神经网络的火灾图 像探测方法J.火灾科学，1999，8(3)：61-67.3吴标龙，方俊，谢启源.火灾探测与信息处理M.北 京：化学工业出版社，2006.图 4 二值化之后火焰图像图 5 边缘检测之后火焰图像（上接第209页）驳回（生成新复本）表 3 收文办理业务相关状
11、态及操作4 结论本 文 中 的 系 统 设 计 利 用 Notes/Lotusdomino 产 品 为 开 发 平 台 ，结合“推”、“拉”技术 ，系统采用 B/S 结构 ，通过高速线 路向 Internet 发布 ，高校可利用学校自有 Web 应用模式进行系 统建设 ，实现所有的移动办公用户或异地分支机构直接通过 Internet 与系统进行连接完成业务操作的功能。此项系统的研 究对实现高校办公自动化意义重大。表 2 发文审批业务相关状态及操作参考文献1杜威.工作流技术在高校OA系统中的应用研究D.山 东：中山大学，2005.2姬风波，云红艳，高岭，朱海阳.工作流技术在高 校OA系统中的应用
12、J.西北大学学报(自然科学版)，2001，31(4)：281-284.状态操作新收文登记登记后的收文清除审批人设置、提交审批待审批同意办理结果、签署办理意见、驳回给上一办理人办理中签署办理意见、设置后续办理人、办理完成当前办理人办理完成提交下一办理人、办理结果反馈、被驳回的办理结果签署结果办理意见已办理的收文注销、归档状态操作新公文填写公文相关内容、设置审批人准备提交清除审批人设置、提交审批、填写公文内容被驳回的公文（起草人）修改公文内容、修改审批人设置、修改完成待审批拒绝、驳回给起草人、签署意见、驳回给上一审批人审批中签署意见、设置后续审批人、审批完成当前审批人审批完成提交下一审批人、发回给起草人、拒绝、驳回 ( 生成新复本 )被驳回的公文（审批人）签署意见被拒绝的公文无已批准的公文编号、登记、归档、分发
