基于視覺顯著性和小波分析的煙霧檢測方法

秦文政，馬莉

(杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，浙江杭州310018)

0 引言

火災(zāi)給人類社會生產(chǎn)生活帶來了巨大損失，是嚴(yán)重威脅社會安全的自然災(zāi)害之一。為了提高煙霧檢測的實時性、可靠性，目前國內(nèi)外學(xué)者在基于圖像處理的煙霧檢測方面取得了許多研究成果。(1)在煙霧紋理分析方面有基于灰度共生矩陣所派生特征的神經(jīng)網(wǎng)絡(luò)識別法［1］，以及基于ROI區(qū)域特征的模板匹配法［2］，(2)在基于小波分析的煙霧檢測方面，文獻(xiàn)3利用所提取的ROI區(qū)域中小波高頻能與背景區(qū)域的相對比值表示煙霧模糊性。本文通過時空視覺顯著性ROI區(qū)域提取得到圖像感興趣區(qū)域后，對感興趣區(qū)域作小波分析和顏色動態(tài)分析，并利用貝葉斯分類器最終實現(xiàn)煙霧識別。

1 基于時空視覺顯著性的ROI區(qū)域提取

本文提出的煙霧檢測方法包括基于視覺注意模型的ROI區(qū)域提取和基于小波分析的煙霧動態(tài)特征識別兩個部分。首先，在基于初級視覺特征(顏色對比度、亮度對比度、運動)的視覺注意模型中，對靜態(tài)和動態(tài)顯著性圖動態(tài)加權(quán)融合，產(chǎn)生最終顯著性圖。其中，靜態(tài)顯著性圖由當(dāng)前幀生成的顏色對比度、亮度對比度圖融合構(gòu)成，而運動顯著性圖采用文獻(xiàn)4中幀差、背景差相結(jié)合的方法。

1.1 亮度顯著性圖

煙霧區(qū)域內(nèi)部亮度相對均勻，與周邊場景區(qū)域亮度變化相對明顯。計算視頻幀的亮度顯著性［5］:

式中，F(xiàn)i(p)表示象素點p的亮度顯著性值，w是以p為中心的3×3子區(qū)域，p'為鄰點。

1.2 顏色顯著性圖

本文采取一種顏色直方圖統(tǒng)計法計算圖像中的顏色對比度。其基本思想是在直方圖中發(fā)生頻次較高的灰度值具有較低的顯著度。對圖像I中的象素點p，其顏色顯著性定義為:

式中，fn是當(dāng)前圖像中某顏色通道{R，G，B}灰度值an(an∈［0，255］)出現(xiàn)的頻率，ap是象素點p所對應(yīng)的象素值。本文采用R通道計算顏色對比度的顯著性圖。

1.3 時空顯著性圖融合——運動優(yōu)先

神經(jīng)心理學(xué)研究表明，人眼對運動物體的關(guān)注程度要大于其他特征信號［6］，即當(dāng)運動劇烈時，由幀差和背景差合成的運動顯著性圖優(yōu)先于靜態(tài)顯著性圖。象素點(i，j)處的最終顯著性值為:

式中，F(xiàn)m和Fs分別表示運動顯著性圖和靜態(tài)顯著性圖:對最終融合顯著性圖，通過閾值法進(jìn)行二值化、然后進(jìn)行形態(tài)學(xué)濾波器操作獲得提取的感興趣區(qū)域。

2 煙霧動態(tài)特征檢測

經(jīng)過ROI區(qū)域提取所獲取的ROI區(qū)域中可能包含有類似煙霧顏色的運動物體(如穿著類似煙顏色衣服走動的人)，為了去除這些物體引起的誤判，該文引入煙霧的動態(tài)特征檢測:通過提取ROI區(qū)域的小波高頻能和顏色分析，通過貝葉斯分類器進(jìn)一步確認(rèn)ROI區(qū)域是否是煙霧。

2.1 煙霧區(qū)域的小波能分析

煙霧具有半透明性。煙霧遮擋的場景區(qū)域，其邊緣變得模糊且高頻信息緩慢減少;而剛性物體遮擋場景時，場景的高頻信息會有比較明顯的陡變。根據(jù)這一特性，利用小波分析，能有效去除與煙霧顏色類似的運動的人及車的干擾。對當(dāng)前幀感興趣區(qū)域做二維小波變換，計算其高頻能量:

式中，E(It)表示第t幀視頻圖像ROI區(qū)域的小波高頻能，Eb為該ROI區(qū)域所對應(yīng)的背景區(qū)域的小波高頻能。則當(dāng)前視頻幀ROI區(qū)域小波高頻能的相對下降率α為:

開放環(huán)境下，煙霧濃度變化緩慢，α也隨時間緩慢變化，如圖1(a)所示，而與煙霧顏色類似的其他運動物體，其小波高頻能的下降率α變化是劇烈的，如圖1(b)所示。

圖1 ROI區(qū)域小波高頻能下降率曲線

2.2 煙霧顏色動態(tài)分析

煙霧顏色受燃燒物、燃燒是否充分、光照等外界因素的影響會呈現(xiàn)灰、深灰、黑等不同情況。煙霧顏色的這種多樣性很難以一種特定的顏色來表征。采用歸一化rgb顏色空間，可以抑制光照對R、G、B顏色分量的影響。經(jīng)試驗發(fā)現(xiàn):一般運動物體顏色曲線的高頻信息比較多，而煙霧表面的模糊性使得其3通道顏色曲線的細(xì)節(jié)信息較少。針對這一特征，可以通過感興趣區(qū)域在rgb顏色空間中3通道顏色信號的小波變換細(xì)節(jié)信息β作為煙霧識別的一個特征:

式中，Dr［n］，Dg(n)，Db(n)分別代表ROI區(qū)域中所有象素在rgb通道的小波細(xì)節(jié)信息的均值。

取感興趣區(qū)域的小波高頻能下降率α和rgb顏色空間顏色曲線細(xì)節(jié)信息β組成特征向量Χ，利用貝葉斯分類器進(jìn)行最終的煙霧識別。

3 試驗結(jié)果

3.1 光照變化對提取的ROI區(qū)域的影響

為了驗證開放環(huán)境下光照變化對基于視覺注意模型所提取的ROI區(qū)域的影響，本文對不同天氣，不同時段的不同煙霧樣本進(jìn)行了檢測。對晴天和陰天兩種情況下的煙霧樣本進(jìn)行分析，從試驗結(jié)果，如圖2、3所示，可以看出雖然受天氣影響原始圖像幀的亮度有較大的變化，但是本文構(gòu)建的視覺注意模型能有效的提取出圖像中煙霧的ROI區(qū)域，表明該算法的具有抗光照變化的優(yōu)勢。

圖2 基于顯著性圖的ROI區(qū)域提取(晴天)

圖3 基于顯著性圖的ROI區(qū)域提取(陰天)

3.2 煙霧檢測的準(zhǔn)確性

為了檢測算法的分類性能，本文將25組視頻(共360多幀)中的60%作為訓(xùn)練集，40%作為測試集(包括穿著類似煙顏色衣服的行人、與煙霧顏色類似的車、晴天環(huán)境下煙霧、陰天環(huán)境下煙霧等)。經(jīng)本文訓(xùn)練的分類器分類后，準(zhǔn)確率如表1所示:

表1 煙霧檢測結(jié)果統(tǒng)計

4 結(jié)束語

本文提出一種基于時空域信息處理的煙霧檢測算法，通過視覺注意模型提取場景中的感興趣區(qū)域，跟蹤ROI區(qū)域，提取小波高頻能曲線細(xì)節(jié)信息和rgb顏色空間顏色曲線的細(xì)節(jié)信息兩個特征，經(jīng)貝葉斯分類器實現(xiàn)煙霧的最終檢測。試驗表明:本文模擬的視覺注意模型對環(huán)境具有較強魯棒性，對感興趣區(qū)域的提取具有較高的準(zhǔn)確率。

［1］Yu Chunyu，Zhang Yongming.Texture analysis of smoke for real-time fire detection［C］.Qingdao:Second Computer Science and Engineering，2009 2:511－515.

［2］Maruta H.，Kato Y，Nakamura A，etal.Smoke detection in open areas using its texture features and time series properties［C］.Kuala Lumpur:IEEE International Symposium on Industrial Electronics and Applications，2009:1 904－1 908.

［3］帥師，周平，汪亞明.基于小波的實時煙霧檢測［J］.計算機應(yīng)用研究，2006，24(3):309－312.

［4］Fujiwara N，Terada K.Extraction of a Smoke Region Using Fractal Cording［C］.Beijing:IEEE International Symposium on Communications and information Technologies，2004 2:659－662.

［5］Wen-Huang Cheng，Wei-Ta Chu，Jin-Hau Kuo，Ja-Ling Wu.Automatic video region-of-interest determination based on user attention model［C］.Kobe:IEEE International Symposium on Circuits and Systems，2005 4:3 219－3 222.