【摘要】
火象征著人類文明，推動著人類文明的進步。對人來說，火是利弊同時存在的，當我們控制不住時會釀成火災，會對我們造成巨大損失。傳統感煙式傳感器探測時間長，不能及時的將火災信息傳遞給我們，并且檢測精度低。因此，為了彌補傳統的火災檢測系統的不足，降低火災對我們的危害，要把對火災的安全預防以及新型火災檢測系統的研究當做我們不懈追求的目標，成為我們前進的動力。
本文研究了火焰本身存在的物理特點，結合數字圖像處理技術，完成了基于圖像識別的火災檢測方法。詳細考察了火焰產生的過程機理，并具體分析了火焰rgb的顏色特性。在此基礎上，利用matlab進行了仿真，系統地驗證了這些數學模型和辨識算法的有效性和準確性。本系統對火焰和煙霧進行了檢測，檢測系統的核心是數字圖像處理單元軟件，它可準確識別火焰和煙霧圖像基本特征。其中需要對圖像進行灰度化處理、圖像二值化、直方圖均衡化，還需進行圖像分割操作，將圖像中的背景與目標分離，并查找要處理的圖像部分，在提取圖像中的目標后，對目標進行分析，以確定該目標是早期火災還是其他干擾。

關鍵詞：火災檢測；圖像處理；matlab；rgb顏色特征。

1.緒論
1.1研究背景
火是人類文明的象征。它可以危害人類，但同時也可以給人帶來幸福。對人類來說，火是利弊共存的，它點亮了人類文明的進程；但同時火不在我的控制之下，它帶給我們災難。隨著社會的不斷進步和發展，煤氣、天然氣走進了千家萬戶，家庭火災的發生率逐漸升高，造成的重大事故層出不窮，給我們生命的安全帶來威脅，危害公眾的財產安全，這不得不讓我們警惕火災的危害，因此，我們需要加強對火災的研究，開發設計新型的火災檢測系統，應用于社會，降低火災對我們造成的危害和損失。

1.2研究現狀
火災現場一般都會產生煙霧、火焰和有毒氣體，環境溫度也明顯升高。在我們長期的火災監測研究工作中，傳統的火災監測工具和方法主要是對火災的副產品進行檢測，經過長期的探索，在先輩們的努力下研究出了多種監測方法。根據火災產生的煙霧研究出煙霧型火災探測器，根據火災產生的氣體研究出氣體型火災探測器，根據火災產生的溫度變化研究出溫度敏感型火災探測器，以及根據其他類型的火災探測器。近年來，出現了一種基于圖像處理技術的火災探測器，這些新型探測器的發明對人類預防火災、減少火災危害具有重要作用。

1.3研究的目的和意義
近年來，高新技術產業安全的快速發展和未來消防安全要求的日益嚴格，國內和國外發展了一種新的基于圖像處理的方法。隨著計算機和信息技術的飛速發展，國內外各從事軟件研究和火災報警設施的研究機構及其主要公司都在不斷地研究火災探測技術。為了解決實際情況，設計了一種圖像型火災探測器。圖像檢測速度快，圖像信息更豐富直觀，能夠彌補傳統的火災檢測系統的缺點。同時基于圖像處理火災檢測技術的敏感元件與火災現場間接接觸，在相對惡劣的條件下可以使用。據了解，基于圖像處理技術的火災探測方法得到社會科研人員的重視，逐漸成為研究的主流。

2.方案及系統設計
2.1需求分析
1.準確性需求。保證系統能夠通過一系列的圖像處理成功識別出火災區域，盡量減少對火情的誤判，同時與火焰相似顏色的事物應避免被識別成火焰，減少其他干擾事物對活在判斷的影響，能夠準確地識別出火災，提高系統的檢測準確性。
2.實時性需求。要求系統能夠在第一時間發現火災，不能等到火災擴大到一定程度才檢測出來，因此我們可以對火災初期可能產生的煙霧加入檢測范圍。在火災發生初期及時發現火情是火災檢測系統的一個重要功能指標，越早發現，我們才能更加有效采取措施，降低火災造成的影響。
3.可靠性需求。

2.2功能設計
2.2.1增強圖像的處理
灰度轉換：根據一定的目標條件，通過恒定的轉換關系，改變原始圖像各像素點灰度值的方法。該方法可以提高圖像質量，計算機處理后，能給用戶帶來更加良好的顯示效果。圖像的灰度變換處理是圖像增強處理技術中一種非常直接的空域圖像處理方法，是圖像顯示軟件和圖像數字化軟件的重要組成部分。
對獨立像素點進行灰度轉換，通過改變原始圖像數據所占的灰度范圍，讓圖像質量在視覺上發生變化。如果所選的灰度轉換函數不同，則相同的圖像轉換的結果也不同。因此，灰度轉換函數的選擇應根據圖像的性質和處理的目的來確定。選擇準則是經過灰度轉換后增加像素的動態范圍，使圖像的對比度擴大，圖像變得更清晰、細膩、易于區分。本設計采用灰度轉換來增強圖像處理效果。
直方圖均衡化：增加圖像的全局對比度。通過這種方法，亮度或者像素值可以更好地分布在直方圖上。這樣可以在不影響整體對比度的情況下增強局部對比度，并通過有效地擴展公共亮度，實現直方圖均衡化。

2.2.2對圖像的形態學處理
圖像形態學就是對圖像進行形狀上的相關操作處理，包括膨脹、腐蝕等較簡單的方式以及開閉環相對復雜的處理方式。該設計可以有效地去除多個干擾，從而在不去除圖像的情況下去除背景中的形態圖像。
原理：首先定義一種結構單元，它的作用是用來與指定操作的結構進行相關的邏輯運算處理，是進行運算的最小單位，在待運算的二值區域區域中，截取出與結構單元同樣大小的區域，不同位置的像素值執行其相應的邏輯運算，直至遍歷整個二值區域。操作結構是輸出圖像的對應像素，結構單元的大小對邏輯運算的結果有較大的影響，因此結構大小要設置得合理；邏輯操作特性也能影響操作效果。
結構單元是二維平面，由黑色和白色點陣組成，一般黑色代表1，白色代表0。結構單元的中心點代表著圖像處理像素的量級，中心點與其他二值域相應部分進行比較，如果都沒有超過結構單元像素級，則該區域保留，并確定結構元素的值為1。
腐蝕操作要求結構單元與目標區域進行完全覆蓋，保留結構單元的中心點覆蓋位置，若是灰度圖像處理時，是尋找結構元素中覆蓋目標圖像的最大值。一般經過腐蝕處理后得到的結果面積是小于原圖像的。

2.2.3軟件報警
軟件報警就是對火災檢測的結果進行響應或者警示的作用，提高系統的及時性和實用性。在生活中很多地方都會用到報警處理，能夠及時提醒我們對突發事件做出相應的對策，提高工作效率。
軟件的報警處理主要依據的是圖像的亮度或者灰度級變化，先運用亮度算法計算出原始沒有火焰產生的圖像亮度，并將其設置為亮度閾值，通過設定的亮度值與其他場景的圖像計算出的亮度值進行比較，若大于亮度閾值則可能有火情發生；若小于亮度閾值則沒有火情發生，由此判斷檢測場景中是否存在火情。例如，在監測的場景中，未發生火災時，根據圖像處理中計算平均亮度的函數，計算出原始的亮度值，這個值設定為檢測閾值。在處理煙霧圖像和火焰圖像時，這些圖像的亮度一般都是高于檢測閾值的，因此我們對采集到的圖像進行灰度化，像素值分析處理后，如果得到的平均亮度值高于檢測閾值，則可以判斷圖像中存在火情，并且彈出報警窗口用于提示；低于檢測閾值，則圖像中不存在火情。
亮度計算：

B為計算得到的亮度值，A為原始圖像。

2.3系統流程
原理：本文研究了基于圖像識別的室內火災探測系統的設計和關鍵技術。圖像火災探測系統主要在計算機上使用照相機監測現場。將采集到的視頻信號作為數字圖像采集到圖像采集卡中，輸入計算機，通過無線傳輸網絡將這些數據傳輸到遠程監控中心，利用基于火災的特征顏色分析模型，采用火災圖像檢測算法，判斷是否生成火災隱患。圖像識別型火災探測技術可以從圖像的角度解決傳統火災探測技術在火災探測過程中的損傷問題。

獲取圖像：對圖像進行采集一般使用的是攝像頭。在檢測場景中安裝攝像探頭，可實現對圖像的實時采集，把數據傳輸給軟件處理系統進行后續的分析處理，這樣可以保證對周圍場景中產生的火情實時把控，避免出現漏報的情況。

圖像預處理：圖像特征提取前的關鍵是圖像預處理。由于環境和圖像采集設備的影響，輸入計算機的圖像一般存在各種誤差，噪聲較大，對比度和亮度不足。為了提高系統后期算法的運算效率，圖像預處理需要對原始數字圖像進行各種變換。首先，處理噪聲，通常包括各種濾波、中值濾波和均值濾波（也稱為線性濾波），均值濾波其中圖像的每個像素被視為周圍幾個像素的平均結果。對圖像中包含的噪聲進行平均，其主要原理是利用圖像的灰度連續性。中間濾波是基于統計理論得到的一種濾波方式。在去除噪聲后，將輸入圖像轉換成可以反算的數字化圖像，進行圖像分割處理。圖像分割的目的是將原始圖像的鑒別部分和非鑒別部分分開，在許多場景中，識別對象只是整個圖像的一部分，在識別之前對鑒別區域進行分割。

圖像特征：每幅圖像都有其對應的特征，是圖像識別中最重要的信息。不同類別的特征對應不同的圖像，特征可以分為不同的等級，分為高等級特征和低等級特征，其中高等級特征又稱為全局特征或結構特征，它們是相互關聯的復雜特征，而且圖像中的物體可以有效地辨別。低級特征也稱為淺層特征，通常是圖像中一些的比較簡單大小信息或邊緣的像素特征。低層特征包括顏色、紋理、形狀、大小等，但這些特征的復雜度很低，且互不連通，可以用來直接識別圖像。在特征提取過程中，需要使用特定的算法對特征進行過濾，在保留實際特征的同時消除不必要的特征。

圖像識別：通過特征提取，將圖像的所有信息轉化為一系列特征向量，即識別圖像的特征向量的過程。使用圖像處理計算機視覺系統時，需要快速識別圖像。必須將一個未知的圖像與成千上萬個數據庫的圖像進行匹配。當圖像信息包含復雜的特征向量時，計算機對識別速度要求很高，整個過程對計算機硬件和軟件都提出了很高的要求。目前，圖像識別的一般方法有bines算法、神經網絡方法、強化學習方法、模板匹配方法等。

2.4.2核心算法分析

一幅圖像包含很多信息，既有無關的背景，也有感興趣的對象，因此有必要對圖像進行分割，并將與待識別對象密切相關的部分分離。后續處理與對象相關的部分，減少了計算量，同時也提高了檢測速度。閾值化是最簡單的圖像分割處理，具有計算量小，計算速度快等優點。閾值包括全局閾值、中間閾值和局部閾值。

基于閾值的火災圖像分割算法:閾值分割法是區域分解算法中最簡單的方法，其基本思想是將高于某一灰度級的像素劃分成一個區域，低于某一灰度級的像素劃分成另一個區域。分割效果的好壞直接取決于灰度的閾值選擇，閾值的選擇方法多種多樣，直方圖的閾值方法通過使用灰度直方圖獲得雙峰或多峰，并選擇峰之間的底端作為閾值來作為閾值。首先，搜索直方圖的最大局部值和兩者之間的最低點，并測試直方圖的平坦度。實驗表明，基于閾值的火災圖像算法適用于背景場景相對簡單的情況，但火災產生的環境一般比較復雜，且不發生在單一背景的情況下。因此，單獨使用閾值分割算法時，檢測精度有偏差，降低了檢測精度。因此，可以根據其他方法對閾值法進行劃分，更準確地劃分火焰區域。

基于差分法的火災圖像分割:該方法常用于檢測運動目標和圖像變化區域。差分方法中包含兩個概念，一個是前景運動圖像，另一個是運動之外的圖像也即是背景圖像，我們需要對這兩個部分分開進行檢測，得到背景不會特別復雜的火災圖像。使用差分法進行分割，經過相關的實驗研究，其得到的效果比起閾值分割要好一些，并且所得到的圖像是簡單的差分圖像。在實際應用中，如果出現攝像機未捕捉到運動的事物，對兩幀連續的圖像要進行差分分割，用鄰域差分能得到比較好的效果。其原理是在連續的圖像序列中，對于不是相同時刻的兩幀或多幀圖像，它們在進行相同的坐標區分時，所展現出的像素灰度值是不相同的，色度值也會有些許變化，并通過閾值處理提取包含圖像中運動信息的像素區域。由此我們可以通過圖像的亮度或者色度來推斷場景中是否存在運動事物，如果得到的監測結果顯示亮度差別不大，則可以推斷圖像中不存在運動物體或目標；如果得到的檢測結果顯示像素的亮度值差別較大，則可以推斷在監控場景中就存在著一個移動的對象，它是二進制處理的對象。

3.軟件設計
3.1 方法和步驟
matlab提供了強大的數據處理功能。為了對火焰識別算法進行檢驗，根據火焰的視覺特性和火焰識別算法的原理，設計了檢測方案，并通過對火焰識別算法的系統處理分析，對系統進行了獨立處理。我們創建了一個m函數文件，用于驗證實用性和可靠性。
檢測方案為：
為了模擬火焰的算法，需要采集大量的圖像文件。通過對這些真實火災環境和干涉環境圖像文件的仿真分析，提高了算法的“學習”能力，提高了算法模型的魯棒性和可靠性。
其次，利用強大的matlab編程語言，建立了火焰顏色、濾波算法、形狀分割、圖像閾值、圖像灰度、直方圖均衡化等m函數文件。
第三，執行上述m個函數來分析執行結果。
第四，將所有模擬的m函數結合起來，生成一個火焰視頻識別算法m.函數文件。

上圖：首先打開matlab軟件，找到相對應的文件夾，在命令行窗口中輸入guide(注意必須小寫)并點擊回車；2.在上方菜單欄中點擊guide按鈕。選擇新建gui選項，彈出的對話框中選擇新建空白文件blank gui（default），點擊OK則成功生成了一個gui文件。在上方點擊保存按鈕保存，注意保存的文件名必須以字母為開頭，并且不能使用中文。

繪制用戶需要的圖形界面：用戶可根據自己需要，在操作界面上添加自己想要的工具或者文字。
（matlab界面設計詳細就不在詳述了）

4.試驗結果
4.1背景較暗的火焰圖像

火焰圖像進行灰度處理

圖像進行直方圖均衡化，增強圖像的對比度

最終結果

4.2背景較亮的火焰圖像

4.3背景較亮的煙霧場景

5.總結
首先探討了傳統的火災檢測系統，分析了國內外對圖像型火災檢測系統的研究，然后介紹了圖像處理火災檢測系統的原理。本設計系統通過圖像采集設備，將采集到的圖像傳輸到matlab軟件系統中，經過圖像灰度化、直方圖均衡化、圖像二值化、圖像閾值分割以及圖像的形態學處理等技術處理后，得到的就是檢測結果的圖像。
本系統具有以下幾個特點：
圖像處理火災檢測系統能夠對煙霧和火焰都進行檢測。在火災產生的初期，明火還未出現，此時煙霧是會出現的，它也是火災早期的特征之一，因此加入對煙霧的分析識別，有利于提高系統的準確性，進一步增強系統的實時性功能，更好地實現對初期火災的識別。
圖像識別的軟件系統采用的是matlab。做圖像處理的語言多種多樣，但與matlab相比較還是稍遜一籌，例如c++工具，雖然也能完成對圖像的處理，但是其需要的代碼量龐大，過程較復雜，涉及到相當多的專業技能，對初學者很不友好。而matlab本生就是為了處理數據更加效率便捷，并且語法結構較簡單，代碼量較小，過程方便易懂。
結合圖像的形態學處理進行檢測。該技術對圖像進行形狀上的相關處理，在不去除圖像的情況下，可以有效地去除多個干擾。
?

總結

以上是生活随笔為你收集整理的基于图像识别的火灾检测系统设计思路流程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。