基于圖像處理技術(shù)的火災(zāi)與人為入侵的檢測方法初探

1、基于圖像處理技術(shù)的火災(zāi)與人為入侵的檢測方法初探        【摘要】     本文以數(shù)字圖像處理為基礎(chǔ)，主要設(shè)計了監(jiān)控環(huán)境中的背景圖像提取、火災(zāi)火焰和人為入侵的綜合判斷算法，并給出算法程序流程圖和有關(guān)的實驗數(shù)據(jù)，實驗證實了此算法是簡單且有效的。     【關(guān)鍵詞】  數(shù)字圖像處理； 背景提??； 火災(zāi)火焰探測； 人入侵檢測        A pre

2、liminary exploration of detection of fire and contrived intrusion    based on image processing technologyZHANG Bohu    (The Communication Department of the Police Armed Collage, Xian 710086, China)    Abstract: This study was based upon digital image proc

3、essing, mainly designed background image extraction of being monitored environment, fire or flame and integration judgment arithmetic. The article showed the arithmetic programming flowchart and related laboratories data. The experiment approved that the arithmetic is simple and effective. 

4、0;  Key words: digital image processing; background extraction; fire and flame detection; contrived intrusion detection    引言    伴隨著網(wǎng)絡(luò)技術(shù)和數(shù)字視頻技術(shù)的飛速發(fā)展，監(jiān)控技術(shù)正向著智能化、網(wǎng)絡(luò)化的方向發(fā)展。監(jiān)控系統(tǒng)功能日益強(qiáng)大，計算機(jī)視覺和應(yīng)用研究學(xué)者提出了新一代監(jiān)控概念視覺監(jiān)控（Visual Surveillance）的概念。視覺監(jiān)控在不需要人為干預(yù)的情況下，利用計算機(jī)視覺和視頻分析的方法對攝

5、像機(jī)拍錄的圖像進(jìn)行自動分析，實現(xiàn)對動態(tài)場景中目標(biāo)的定位、識別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，從而做到了既能完成日常管理又能在異常情況發(fā)生時及時做出反應(yīng)。視覺監(jiān)控的概念逐漸為人們所關(guān)注，成為視頻監(jiān)控未來的發(fā)展方向。    基于圖像處理技術(shù)的安全監(jiān)控系統(tǒng)得到越來越多的應(yīng)用，基于圖像處理技術(shù)的火災(zāi)探測技術(shù)也引起廣泛的研究，本文主要就如何將人為入侵和火災(zāi)發(fā)生時產(chǎn)生的火焰兩者的判斷加以結(jié)合，進(jìn)行分析研究，經(jīng)實驗找到入侵和火焰的初步判定條件，并給出判定的流程圖，是監(jiān)控系統(tǒng)綜合智能應(yīng)用的一種新的嘗試。    1  火災(zāi)與人為入侵

6、的綜合判斷算法*2  1.1  背景圖像的更新    在視頻圖像監(jiān)控過程中，由于環(huán)境（如光強(qiáng)度）的變化，系統(tǒng)每隔一段時間必須進(jìn)行背景的更新和存儲，在監(jiān)控環(huán)境沒有變化，或者變化很微小，且在允許的范圍之內(nèi)，可以把該段時間內(nèi)其中的任一幅圖像設(shè)置為背景圖像，達(dá)到自動更新的目的。    常用的自適應(yīng)背景圖像更新有三種方法：統(tǒng)計平均法、IIR濾波法、區(qū)分像素類別法。    （1） 統(tǒng)計平均法     統(tǒng)計平均方法：在設(shè)定的時間段內(nèi)，對多幅背景圖像取平均值，適

7、應(yīng)于場景內(nèi)的目標(biāo)滯留時間較短、目標(biāo)出現(xiàn)不頻繁的情況，其修正算法如式（11）所示：Bk=1N(fk+fk-1+fk-N+1)    =Bk-1+1N(fk-fk-N).（11）    由式（11）可知，適當(dāng)?shù)倪x擇關(guān)鍵參數(shù)N可以獲得一個較為真實的背景圖像。    （2） IIR濾波器方法    IIR濾波器方法是采用類似于IIR濾波器自適應(yīng)背景圖像修正方法，其修正算法如式（12）所示：Bk=(1-)·Bk-1+fk.（12）    當(dāng)較小時

8、，是緩慢修正背景圖像的過程；當(dāng) 較大時，則是較快更新背景圖像的過程。當(dāng)場景中有目標(biāo)出現(xiàn)，且 較大時，則會將目標(biāo)圖像一定程度上疊加到背景圖像上，這顯然是不利于目標(biāo)檢測的。    （3） 區(qū)分像素類別方法    區(qū)分像素類別的背景圖像更新方法是一種改進(jìn)的方法，首先對第k幀圖像中的像素類型進(jìn)行判斷，看其是否屬于被檢測目標(biāo)的像素，其判別的算法是利用當(dāng)前相鄰兩幀圖像的差值進(jìn)行區(qū)分，如式（13）所示：If |fk(x,y)-fk-1(x,y)|>Thresholding，    Then (x,y)目標(biāo)像素；&

9、#160;    Else (x,y)非目標(biāo)像素；（13）    其次，當(dāng)某像素被判定為目標(biāo)像素時，則不用該像素的值對背景圖像進(jìn)行修正，否則利用該像素的值對背景圖像進(jìn)行修正。其修正算法如式（14）所示：Bk(x,y)=Bk-1(x,y)-(1-)fk-1，    (x,y)非目標(biāo)像素，    Bk-1(x,y)，  (x,y)目標(biāo)像素，（14）式中 為一常數(shù)?？紤]本試驗在室內(nèi)情況下進(jìn)行，故采用區(qū)分像素類別的背景圖像更新算法能夠滿足要求。  

10、60; 1.2  目標(biāo)檢測判據(jù)    數(shù)字監(jiān)控系統(tǒng)有三類數(shù)字圖像：背景圖像B(x,y)、含有人體運(yùn)動圖像和火災(zāi)火焰圖像f(x,y)；對背景圖像、含有人體運(yùn)動圖像和火災(zāi)火焰圖像的灰度直方圖進(jìn)行分析，由于火災(zāi)圖像具有比較高的灰度值范圍，且與背景圖像的灰度差值達(dá)到較大的值，根據(jù)這一特性可以確定閾值進(jìn)行判斷，為進(jìn)一步處理、識別創(chuàng)造了條件。其算法流程圖如圖1所示。    運(yùn)用灰度差閾值可以初步區(qū)分火災(zāi)情況還是人為入侵情況。其判斷方法如式(21)所示：    f1(x,y)-B0(x,y) 

11、60;  =f(x,y)f(x,y)<T1，      可能無異常情況發(fā)生，    T1<f(x,y)<T2，  可能是入侵行為發(fā)生，    f(x,y)>T2，      可能為火災(zāi)火焰發(fā)生，(21)    式中f1(x,y)為當(dāng)前圖像灰度值，B0(x,y)為當(dāng)前背景圖像的灰度值。其算法流程圖如圖1所示：圖1  目標(biāo)檢測算法流程  

12、  該算法流程判斷監(jiān)控目標(biāo)屬性所采用的三個規(guī)則：    (1) 當(dāng)前圖像與背景圖像的最大灰度差值小于閾值T1，則可能無目標(biāo)。因為當(dāng)前圖像有可能僅僅是由于環(huán)境光亮度的影響在背景圖像的基礎(chǔ)上所發(fā)生的微小變化，比如，當(dāng)天氣有變化時，當(dāng)前圖像的灰度值就有變化，這時就需要把最大灰度差值過小的監(jiān)控目標(biāo)視為干擾源。    (2) 當(dāng)前圖像與背景圖像的最大灰度差值大于閾值T2，則可能為火焰，火焰的灰度值一般在150到255左右，其差值也能達(dá)到較大的數(shù)值。    (3) 當(dāng)前圖像與背景圖像的最大灰度差值小于T2且

13、大于T1，則可能為非法入侵對象。    由于火焰的亮度比人體要高很多，所以可以用T2來判別目標(biāo)的可能屬性，閾值T1與T2分別由實驗獲得。為了防止噪音等干擾的影響，在進(jìn)行差值之前，當(dāng)前圖像和背景圖像都要進(jìn)行中值濾波，差值后進(jìn)行去離散點處理。    2  實驗及分析    圖像的灰度值的統(tǒng)計分布用直方圖來表示。直方圖的橫坐標(biāo)從黑色（灰度值為0）到白色（灰度值為255）表示灰度值的分布情況，縱坐標(biāo)則表示相應(yīng)灰度值像素點統(tǒng)計數(shù)量分布，直方圖的色階值顯示的是該直方圖中灰度值最大的數(shù)值。實驗攝取了一幅背景圖

14、像、一幅含有人體運(yùn)動的圖像和一幅火災(zāi)火焰的圖像，并把當(dāng)前圖像中所對應(yīng)的背景圖像的像素灰度值變化較大的區(qū)域提取出來，進(jìn)行灰度直方圖的比較和分析，繪制當(dāng)前圖像和背景圖像的灰度差值統(tǒng)計圖，確定閾值，初步判斷火災(zāi)和人為入侵情況，整個實驗圖如圖2、圖3所示： 圖2  背景和含有人體運(yùn)動圖的灰度直方圖    圖3  背景和火災(zāi)火焰圖像的灰度直方圖    由圖2和圖3可知背景圖像的灰度最大值為116，其灰度值主要集中在60100之間，當(dāng)人體進(jìn)入此背景圖后(見圖2(e)，其灰度最大值沒有變化，甚至其灰度值比較大的區(qū)域也沒有變化，只

15、在灰度值較低的區(qū)域（灰度值大約在20左右的區(qū)域）有變化，這說明人體區(qū)域的灰度值較低，人體區(qū)域的灰度值見圖2(f)。而在同樣的背景圖像中，一旦有火災(zāi)發(fā)生，其灰度圖的分布發(fā)生了較大變化（見圖3(e)）,由于火焰本身的亮度較大，其灰度的最大值達(dá)到255(見圖3(f)，并且由于火焰的照亮，對周圍的灰度值都或多或少產(chǎn)生了一定的影響，使得整體灰度值變大，其值主要集中在100150之間。 經(jīng)過分析得到了當(dāng)前圖像和背景圖像的灰度差值統(tǒng)計圖，該統(tǒng)計圖僅反映變化區(qū)域的灰度差值，具體表示如圖4所示：    圖4  當(dāng)前圖像和背景圖像像素變化區(qū)域灰度差值統(tǒng)計圖 

16、60;  從差值統(tǒng)計圖4中可以看出含有人體運(yùn)動圖像和背景圖像的灰度差值一般集中在4080之間，最大差值小于120。這是因為背景圖像的灰度值集中在60100之間，而人體的灰度值大約在20左右?；馂?zāi)圖像和背景圖像的灰度差值的數(shù)值范圍比較大，這是因為整幅圖像的像素受到火焰照耀的影響不同，距離火焰越近的像素越亮，灰度值變化也就越大，相反距離越遠(yuǎn)，灰度值變化就越小。從灰度差值圖上也可以看出，其灰度差值主要集中在100到200之間，最大差值超過200。    實驗得到灰度差值閾值T1的最大值可以定為10，對應(yīng)像素灰度差值在10以下可以判定為背景圖像沒有發(fā)生變化；T2可以定為200，對應(yīng)像素的灰度差值最大值大于200，可以初步判定為火災(zāi)情況；對應(yīng)像素灰度差值在10到200之間的可以初步判定為人為入侵情況。經(jīng)過實驗發(fā)現(xiàn)室內(nèi)的亮度灰度值一般在170以下，上述判定閾值在室內(nèi)環(huán)境都適用。    3  結(jié)束語    該檢