基于改進(jìn)Surendra背景更新算法的視頻火災(zāi)檢測(cè)

陳亞林,于蓮芝

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海　200082)

?

基于改進(jìn)Surendra背景更新算法的視頻火災(zāi)檢測(cè)

陳亞林,于蓮芝

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海200082)

摘要針對(duì)目前視頻火災(zāi)檢測(cè)誤檢率高以及計(jì)算量大而需要高性能硬件支持的工程應(yīng)用需求,提出了采用改進(jìn)的Surendra背景更新算法實(shí)時(shí)提取視頻背景。采用迭代法實(shí)時(shí)求取當(dāng)前的最佳閥值,以及Surendra背景更新算法獲取背景,依據(jù)背景求得圖像中的運(yùn)動(dòng)區(qū)域,形態(tài)學(xué)處理后通過(guò)火焰顏色統(tǒng)計(jì)模型判別是否是火災(zāi)。實(shí)驗(yàn)表明,文中采取的檢測(cè)算法快速高效,具有良好的市場(chǎng)應(yīng)用前景。

關(guān)鍵詞改進(jìn)的Surendra背景更新算法;最佳閥值;顏色統(tǒng)計(jì)模型

視頻火災(zāi)探測(cè)器在傳統(tǒng)的火災(zāi)傳感器無(wú)法使用的場(chǎng)合非常有效。粒子和溫度采樣、空氣透明度檢測(cè)是較為簡(jiǎn)單且應(yīng)用廣泛的火災(zāi)識(shí)別方法[1-2]。這些方法要求傳感器離火災(zāi)發(fā)生點(diǎn)很近,而且不一定可靠,因其并不檢測(cè)火焰本身而是檢測(cè)煙霧,但煙霧有可能是其他原因產(chǎn)生的。

T.Celik等人較早開始了針對(duì)火焰顏色的研究。徐小軍等采用空間灰度共生矩陣分析法綜合分析圖像在能量、熵、慣性矩和局部平穩(wěn)性4個(gè)方面的紋理特征[3]。周軍瑩等以面積的連續(xù)增長(zhǎng)為依據(jù)[4]識(shí)別火災(zāi)。此外還有從煙霧的動(dòng)、靜態(tài)特征建模的[5]。本文采用改進(jìn)的Surendra背景更新算法[6-7]從視頻中獲取靜態(tài)背景信息,通過(guò)背景減法偵測(cè)移動(dòng)目標(biāo),通過(guò)形態(tài)學(xué)濾波處理過(guò)后基于顏色統(tǒng)計(jì)模型判別是否為火災(zāi)。對(duì)于閥值的選取,采用迭代法實(shí)時(shí)更新當(dāng)前的最優(yōu)閥值。

1運(yùn)動(dòng)目標(biāo)檢測(cè)

本文的應(yīng)用場(chǎng)合是攝像頭固定且焦距不變的,一般運(yùn)動(dòng)檢測(cè)過(guò)程是通過(guò)視頻獲取靜態(tài)背景區(qū)域,再和當(dāng)前幀比較獲取運(yùn)動(dòng)區(qū)域。

1.1背景提取與更新算法

Surendra背景更新算法[6-7]是一種能自適應(yīng)的獲取背景圖像的算法,其思想是對(duì)差值圖像的亮度進(jìn)行判斷,步驟如下:

(1)選取第一幀圖像P0為背景b0;

(2)選取閥值t,迭代次數(shù)M=1,最大迭代次數(shù)max_step;

(3)針對(duì)當(dāng)前幀,求差分圖像DI

(1)

(4)根據(jù)差分圖像更新背景圖像Bi

(2)

式中,Bi(x,y),Di(x,y)為背景圖像、差分圖像在(x,y)處的灰度值,Pi為第i幀圖像,α為更新速度;

(5)迭代次數(shù)m++,重復(fù)步驟(3)和步驟(4),m=max_step時(shí)Bi為提取到的背景。

1.2背景減法檢測(cè)運(yùn)動(dòng)目標(biāo)

背景減法相對(duì)于幀間差分法的優(yōu)點(diǎn)是目標(biāo)分割比較準(zhǔn)確,但要求要實(shí)時(shí)更新背景。通過(guò)前面的仿真證明Surendra背景更新算法能達(dá)到其要求,則本文將基于Surendra背景更新算法再運(yùn)用背景減法來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。背景減法的數(shù)學(xué)描述為

(3)

式中,Ii表示當(dāng)前幀的灰度圖像;Bi為背景的灰度圖像;Mi為差值二值化的結(jié)果;TB為Mi二值化過(guò)程的閥值,選取T=20,仿真結(jié)果如圖1所示。

圖1　運(yùn)動(dòng)區(qū)域檢測(cè)

圖中方框表示識(shí)別到的變化區(qū)域,除了主體運(yùn)動(dòng)目標(biāo)車子,還檢測(cè)到移動(dòng)的云的一些移動(dòng)點(diǎn)。實(shí)驗(yàn)結(jié)果表明,背景減法可有效檢測(cè)運(yùn)動(dòng)目標(biāo),由于采用了Surendra算法對(duì)背景建模,使得背景對(duì)噪聲有抑制作用,能有效減少噪點(diǎn),且檢測(cè)出的運(yùn)動(dòng)目標(biāo)的大體輪廓。

1.3閥值的選取

在Surendra背景更新算法和背景減法的仿真過(guò)程中,閥值是依據(jù)經(jīng)驗(yàn)和視頻特征選取的固定值20。閥值的選取對(duì)結(jié)果有較大影響,而不同應(yīng)用場(chǎng)景之下的最優(yōu)閥值是不固定的,因此閥值的選取也應(yīng)能根據(jù)視頻目標(biāo)自適應(yīng)地調(diào)整。

閥值法包含局部閥值和全局閥值[8],局部閥值是當(dāng)圖像中敏感度不均勻時(shí),將圖像分割成多個(gè)子塊,每個(gè)子塊采用不同的閥值。相比全局閥值法采用統(tǒng)一閥值,局部閥值法更為準(zhǔn)確,但計(jì)算量大?？紤]到實(shí)時(shí)監(jiān)測(cè)火災(zāi)時(shí)數(shù)據(jù)處理量大,犧牲較少的準(zhǔn)確率而大幅減少運(yùn)算量可以接受,所以本文采用全局閥值法,方法如下:

(1)設(shè)置t的初始值;

(2)用t分割圖像,g1是灰度值>t的像素集合,g2是灰度值≤t的像素集合;

(3)對(duì)g1、g2計(jì)算所有像素的平均灰度值μ1和μ2;

(4)重置t的值為t=(μ1+μ2)/2;

(5)重復(fù)(2)～(4),直至得到的新閥值t的變化量小于預(yù)定義值。

關(guān)于t的初始值,若運(yùn)動(dòng)對(duì)象和背景所占面積相近,則灰度圖像的平均值是較好的選擇。若面積相差較大,則應(yīng)選擇灰度值的中間值之類的初值。此外計(jì)算過(guò)程還應(yīng)注意迭代次數(shù)和精度的矛盾[9]。

1.4形態(tài)學(xué)濾波

由于攝像頭自帶的噪聲、背景中部分物體的小幅晃動(dòng)、光線變化等不確定因素的存在,得到的背景差分圖像中會(huì)存在大量噪聲,二值化也會(huì)存在諸多無(wú)用的噪點(diǎn)。因此,需運(yùn)用形態(tài)學(xué)的方法進(jìn)行濾波處理。采用先開后閉運(yùn)算來(lái)去除單獨(dú)噪點(diǎn),且平滑物物體的輪廓邊界,效果如圖2所示。對(duì)比圖1可發(fā)現(xiàn)單獨(dú)微小變化的噪點(diǎn)已被濾除,車子的整體部分被連接起來(lái),輪廓清晰。

圖2　形態(tài)學(xué)濾波效果

2火災(zāi)的判別

火災(zāi)的判別方法已有多種,如有基于靜態(tài)的顏色[10-11]、紋理特征[3],有基于動(dòng)態(tài)的面積[12]、火焰頻譜[13]等,也有基于各種方法的融合應(yīng)用[14],但均存在計(jì)算量較大,需要定制用于計(jì)算的硬件平臺(tái)等。如何平衡計(jì)算量和識(shí)別準(zhǔn)確度、識(shí)別效率是將火災(zāi)識(shí)別理論應(yīng)用于實(shí)踐的一個(gè)難題。本文針對(duì)民用火災(zāi)探測(cè)器,基于常規(guī)的嵌入式平臺(tái)設(shè)計(jì)簡(jiǎn)單實(shí)用、操作性強(qiáng)的識(shí)別算法。

2.1火焰顏色統(tǒng)計(jì)模型

火焰具有比較明顯的顏色特征規(guī)律,且識(shí)別所需的計(jì)算量比較合理,可用來(lái)初步判斷和濾除大部分非火焰目標(biāo)。

文獻(xiàn)[10]較早對(duì)火焰顏色進(jìn)行了RGB色彩空間的建模,作者之后又在YCbcR空間對(duì)火焰建模,均取得了較好的實(shí)驗(yàn)效果。其在RGB空間下通過(guò)大量實(shí)驗(yàn)統(tǒng)計(jì),得到了經(jīng)驗(yàn)判據(jù)如下

(4)式中,R,G,B是像素點(diǎn)在RGB空間中的紅綠藍(lán)各自分量。

另外,也有眾多學(xué)者在HSV空間建模[15]。在前人的研究基礎(chǔ)上,綜合3種色彩空間,可用以下判據(jù)識(shí)別火焰

(5)

其中,R,G,B是圖像RGB空間中像素點(diǎn)的紅綠藍(lán)各自分量;S是HSV空間的色彩飽和度分量;Y是YCrCb空間的亮度分量;Cr和Cb是色度分量;Rmean和Smean代表R和S的均值。

2.2實(shí)驗(yàn)仿真

在PC平臺(tái)上基于以上統(tǒng)計(jì)模型在Matlab下仿真,通過(guò)讀取火災(zāi)視頻,分別讀取視頻中的每幀圖像,并對(duì)其中的每個(gè)像素點(diǎn)依次判別,然后顯示出所有滿足公式的像素點(diǎn),其中第400幀識(shí)別效果如圖3所示。

圖3　基于色彩統(tǒng)計(jì)模型的火焰識(shí)別效果

由以上實(shí)驗(yàn)可看出,該方法能有效識(shí)別到具有火焰顏色特征的像素,且效果良好,沒有誤檢測(cè)的情況出現(xiàn)。

對(duì)于整個(gè)視頻,一共3 250幀,其中2 175幀有火情,算法共識(shí)別出2 155幀,識(shí)別率超過(guò)99%,達(dá)到了較好的效果。用時(shí)約為110 s,平均速度為29幀/s,達(dá)到了實(shí)時(shí)檢測(cè)的要求。加之火焰像素的檢測(cè)是在第一步提取到的運(yùn)動(dòng)區(qū)域的基礎(chǔ)上操作的,減少了需要檢測(cè)的像素點(diǎn),更能提高識(shí)別效率。

3結(jié)束語(yǔ)

文中提出的方法達(dá)到了預(yù)期的效果,在減少運(yùn)算量的同時(shí)達(dá)到了較高的檢測(cè)率,檢測(cè)效率也較高,其應(yīng)用于一般的嵌入式平臺(tái)是可行的,期望能將其應(yīng)用于民用市場(chǎng),如智能攝像頭一類的產(chǎn)品。

參考文獻(xiàn)

[1]Cleary T,Grosshandler W.Survey of fire detection technologies and system evaluation/certification methodologies and their suitability for aircraft cargo compartments[R].USA:US Department of Commerce,Technology Administration,National Institute of Standards and Technology,1999.

[2]Davis W,Notarianni K.NASA fire detection study[R].USA:US Department of Commerce,Technology Administration,National Institute of Standards and Technology,1999.

[3]徐小軍,邵英,郭尚芬.基于灰度共生矩陣的火焰圖像紋理特征分析[J].計(jì)算技術(shù)與自動(dòng)化,2007(4):64-67.

[4]周軍盈,杜嘯曉.圖像識(shí)別技術(shù)在火災(zāi)探測(cè)中的應(yīng)用[J].消防科學(xué)與技術(shù),2007(4):417-420.

[5]盧勝男,馮建利,段沛沛.視頻火災(zāi)識(shí)別方法研究綜述[J].電視技術(shù),2013,37(3):179-184.

[6]彭小波,邢曉正,胡紅專.Matlab與VC++混合編程在光斑位置測(cè)量中的應(yīng)用[J].儀器儀表學(xué)報(bào),2003,28(4):222-223.

[7]徐方明,盧官明.基于改進(jìn)Surendra背景更新算法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].山西電子技術(shù),2009(5):38-40.

[8]谷口慶治.數(shù)字圖像處理:基礎(chǔ)篇[M].朱虹,譯.北京:科學(xué)出版社,2001.

[9]玉世香.精通Matlab接口與編程[M].北京:電子工業(yè)出版社,2007.

[10]Celik T,Demirel H,Ozkaramanli H,et al.Fire detection in video sequences using statistical color model[J].Journal of Visual Communication and Image Representation,2007,18(2):176-185.

[11]Celik T,Ozkaramanli H,Demirel H.Fire pixel classification using fuzzy logic and statistical color model[C].Honolu-lu,Hawaii:International Conference on Acoustics,Speech and Signal Processin,2007.

[12]Chen T H,Wu P H,Chiou Y C.An early fire detection method based on image processing[C].Singapore:IEEE Conference on Image Processing,2004.

[13]安志偉,袁宏永,屈玉貴.數(shù)據(jù)采集在火焰閃爍頻率的測(cè)量研究及分析中的應(yīng)用[J].火災(zāi)科學(xué),2000,9(2):43-47.

[14]練秋生,李黨.融合多種特征的煙霧圖像檢測(cè)算法[J].光學(xué)技術(shù),2009,35(4):523-528.

[15]Toreyin B U,Cetin A E.Online detection of fire in video[C].HI,USA:Minneapolis IEEE Conference on Computer Vision and Pattern Recognition,2007.

Fire Detection in Video Sequences by Improved Surendra Background Update Algorithm

CHEN Yalin,YU Lianzhi

(School of Optical-electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200082,China)

AbstractThe current flame detection algorithm cannot meet the requirements of high detection rate and requires high performance hardware because of large calculation in engineering application.An improved Surendra background updating algorithm is proposed to extract video background in real time.Firstly,the best threshold is calculated in real time by the iterative method.Then update background is performed by the Surendra background updating algorithm to get the moving areas.Finally,the flame is detected by the statistical color model after morphological processing.Experiments show that the proposed detection algorithm is fast and efficient with good application prospect.

Keywordsimproved Surendra background update algorithm;best threshold;statistical color model

doi:10.16180/j.cnki.issn1007-7820.2016.05.045

收稿日期:2015-10-08

作者簡(jiǎn)介:陳亞林(1990—),男,碩士研究生。研究方向:模式識(shí)別和控制理論。

中圖分類號(hào)TP391.41

文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)1007-7820(2016)05-169-03