基于烟火智能识别的森林火灾实时监测方法 【技术领域】
本发明通过烟火的智能识别对森林火灾进行监测并报警，适用于林业防火指挥决策。
背景技术
在林区监控点的瞭望塔上架设红外低照度全天候长焦距摄像机，不间断地旋转拍摄，把周围的森林图像经过无线网络传至网络视频服务中心；监控指挥中心通过Intranet可以登录视频服务中心实时监视各监控点森林火灾情况，由智能图像处理、林火识别报警软件进行烟火自动识别，同时接收云台的状态信息，根据获得的摄像机位置及其它相关信息计算火警目标位置，当监测到火灾并由操作员进一步确认后，指挥中心向消防中心发出报警信息，并进行相应地扑救指挥工作。烟火智能识别报警模块在系统中起着重要的作用
【发明内容】
本发明要解决的问题是在通过与前方监控摄像头进行数据传输，实时获取监控图像，通过由网络摄像机传过来的视频帧进行实时图像分析，取定视域内是否存在火情以及火情发生的位置及区域。这些算法由最新的数字图像处理、数字图像模式识别技术组成，基于火焰烟雾的行为特征，如：颜色、颜色分布、形状、轮廓、纹理等，进行并行处理，最后将结果传输给模糊神经网络，根据各个算法的权重，得出是否有烟火发生的最终评估，步骤如下：
(1)数字视频解码，采集来自监测前端传来的视频信息，通过视频采集驱动将视频信息转换成指定的图像，以便进行烟火图像的识别；
(2)云台码流采集，云台码流是通过主控室PC机的串口设备管理器接入端(RS-232)传入的，云台码流采集模块依据事先约定的码流编码规则，对云台当前的动作信息进行解析，判断云台当前的水平旋转方向、垂直旋转方向以及预制位的信息；
(3)烟火智能图像识别，烟火图像识别模块是林火识别报警系统实现火灾探测的关键，根据火焰烟雾的行为特征，如：颜色、颜色分布、形状、轮廓、纹理等，利用森林背景图像与火灾、烟雾图像在光谱特征、空间几何特征上的差异，运用图像处理方法和复杂的识别算法，对林区图像进行分析，判断林区图像上是否有疑似火点；
(4)云台控制，用户可以通过对云台的控制来实现镜头的景深、焦距以及光圈的调节，还可以通过云台的上下左右调节来获取不同角度的图像。火灾发生时，林火报警模块发出报警信息，同时云台控制模块向林火监测于系统发送锁定云台的动作指令，从而控制云台固定范围(或定点)扫描；
(5)林火定位，当监测到烟火后，系统锁定云台，由当前瞭望塔的高度、云台的方位、摄像机的焦距等相关信息，依据公式算出发生森林火灾的位置。
【具体实施方式】
A、基于颜色的预判算法
通常森林大部分时间处于无火源的状态，故可对从视频流截取的并转换为BMP格式的图像先进行简单的判断。本系统采用基于颜色的算法检测图像的状态：不论在什么情况下，由于火焰的外焰高温部分是绝对高温，并且火焰本身的亮度大多集中在红色，火的颜色总是表现为红色的，故在火的算法中，我们首先对图像进行了的一次预判：即判断该图像是否有红色的信息，若没有红色的区域，就根本不用执行其它火的算法，这样就大大加快了识别效率。其算法为：
Pi(x，y)∈[R1，R2]
其中，Pi(x，y)为待处理的图像像素的RGB值，[R1，R2]为实验确定后的表现为火的红色阀值。当Pi(x，y)∈[R1，R2]时，则判定有疑似火源，取用红色通道，舍弃其他两个通道的颜色，而单独对红色通道进行识别处理，并将该区域从背景中分离出来[]。接着进入下面对各种林火行为特征的算法判断。当Pi(x,y)∉[R1,R2]]]>时，则判定无火，于是判断该图像是否出现烟。
B、基于烟火颜色分布的算法
火焰一般从焰心到外焰其颜色应从白色向红色移动，根据这一特点，提出了如下识别算法。从火焰颜色物体的左上像素开始，依次取连通像素点，连通方向为右下，如右下无连通像素则取下连通，直至取完。每三个像素点取红色比重的平均值，组成数列，然后做一阶差分。最后得到的差分数列输入给判别算法，从起始像素为起点当红色比重的减少趋势持续一定步数时，说明有从红向白移动趋势，同理从截止像素为起点当红色比重持续增及一定步数时，说明有从红向白移动趋势。任一种情况出现都说明颜色分布就有火焰特点。
计算红色比重。公式如下：
redratio(x,y)=Σx,y∈mR(Pi(x,y))R(Pi(x,y))+G(Pi(x,y))+B(Pi(x,y))]]>
其中，R(Pi(x，y))为第P帧(x，y)点的RGB中的R(Pi(x，y))，G(Pi(x，y))，G(Pi(x，y))。
C、基于烟火形状识别地算法：
圆形度表征物体形状的复杂程度，其计算公式为：
μ＝L2/S
其中，μ为圆形度，L为周长，S为面积。
周长为物体的边界长度，可遍历边界链码，即可算出边界长度。通过统计图元的亮点数可获得面积。圆形度对圆形物体取最小值4π，物体形状越复杂其值越大。本系统将圆形度值除以4π，使圆形度的最小值为1，以便观测。
圆形度作为表征火灾火焰特性的判据是十分有效的，可以做早期的判断，排除规则发亮物体(如太阳等)的干扰，从而减少计算量。
D、融合算法
本系统以三层反向传播(Back2propagation，BP)神经网络作为火灾烟雾识别神经网络模型，利用模糊神经网络，将以上对火焰物体行为特性的评估汇总分析。因为以上每一特征都不能单独给出严格准确的判断，而如果将几种评估有机结合起来将大大提高判断准确程度；同时，几种评估进行融合时，判决参数是很难确定的，所以考虑利用模糊神经网络来实现数据融合。整个网络中，用前面每一种算法的结果作为烟雾识别神经网络的输入，利用神经网络来确定输入、输出数据的隶属度函数，烟雾识别神经网络对输入数据进行分析判断，识别出“林火特征”或“非林火特征”，得到系统最终输出。当确认为火灾可能性大于某个阀值(例如60％)时发出报警信号，否则不报警，而转入下一阶段的烟的图像识别过程。
E、烟火智能识别算法
1、算法入口：为CFireWarning类的InputPicture(CStringArray&picArray)函数，只需要传入图像文件名(三幅图像)即可进行林火识别；
2、算法主要流程在CFireWarning类的int InputPicture(CStringArray&pic)函数中：
a、首先通过COpenCVDetect类完成图像的基本处理——包括静态检测和动态检测；
b、再利用CFireRecDetect类完成图像的特征提取；
c、利用神经网络进行静态林火图像的识别；
d、结合动态和静态的识别结果进行分等级报警。
【附图说明】
附图为烟火智能识别算法基本流程图