摘要

本文设计并实现了一个视频火焰检测系统，并把其集成到现在通用的视频监控硬件系统中；同时提出了一种可以区分大空间（隧道、仓库、博物馆等建筑物）中闪烁的车灯和真实火焰的算法，从而避免了在实际的视频监控系统应用中把闪烁车灯误判为火焰的情况发生，大大降低了火灾火焰的误报率。我们所设计的算法除了检测火焰的运动和颜色特征以外，还研究并利用了火焰的频率、能量、几何形状等时空域特征。通过对这几类特征的综合判断大大减少了环境光对检测结果的影响。我们的实验结果表明我们的算法可以有效地区分闪烁车灯与真实火焰，降低了误报率，并且具有多路检测的实时性。

本文用OpenCV和Visual Studio MFC搭建实验平台进行试验，实验结果表明，本文采用的基于OpenCV火源识别算法是有效可行的，算法的准确识别率也在同类算法当中比较靠前，依据算法设计和实现的系统具有较好的稳定性和实时性。能够给日后其他研究火源识别的学者在理论和软件实现上提供一定的指引和参考价值。

关键词：火源识别，OpenCV，SVM，MFC

第二章 火源图像预处理

2.1 火源数字图像处理概述

图像采集到计算机中，是以图像文件的形式存储的，在需要使用时，由程序对这些文件进行及信息处理。

1.图片的文件结构

1）头文件，用于存放图像基本信息，包括各种特征参数、像素数据和调色版数据在文件中的位置，以及文字注释等；

2）像素数据，以位图的形式存放，每像素数据对应图像相应位置上的颜色值，具体颜色值的定义由调色板数据提供；

3）调色板数据，是指二值、16色、256色彩色图像的色调数据，真彩色图像的像素数据中已有颜色分量，故不再需要调色板信息。

应该注意的是图像的扫描方向（存储顺序），大多数图像文件采取的扫描方向为自上而下（如TIF和JPEG文件等），少数为自下而上（如BMP文件等）。

2.图像显示

图像显示过程是按照图片存储过程相反方向进行。

2.2 图像的灰度化技术

将彩色图像转化为灰度图像的灰度化。彩色图像每个像素包含R、G、B三个颜色分量，每个颜色分量有256个中值可取。而灰度图像是R、G、B三个颜色分量值相等的特殊的颜色图像。

在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0到255。一般有以下四种方法对彩色图像进行灰度化：

1.分量法

将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。

               （2-1）

其中 为转换后的灰度图像在 处的灰度值。

2.最大值法

将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

                           （2-2）

3．平均值法

将彩色图像中的三分量亮度求平均值得到一个灰度图。

           （2-3）

4．加权平均法

根据重要性及其他指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

  （2-4）

2.3 图像二值化技术

图像的二值化即把灰度图像处理成二值图像的过程。二值化的关键是要找到合适的阈值来区分对象和背景。灰度图像二值化能显著减小数据存储的容量，并能降低后续处理的复杂度。根据阈值选取方法的不同，二值化方法主要分为三类：全局阈值法、局部阈值法和动态阈值法^[8]。

1.全局阈值二值化

全局阈值二值化方法是根据图像的直方图或灰度空间分布确定一个阈值，并且据此阈值实现灰度图像到二值化图像的转化。典型的全局阈值法包括Ostu方法、最大熵方法等。全局阈值方法的优点在于算法简单，对目标和背景明显分离、直方图是双峰的图像效果良好，但对输入图像量化噪声或不均匀光照等情况抵抗力差，应用受到限制。

2.局部阈值二值化

由像素 的灰度值 和像素周围点的局部灰度特性确定阈值的方法称为局部阈值选择法。非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质。邻域的规定及邻域计算模板的选取都是决定算法效果的关键因素。局部阈值法也存在缺点和问题，如实现速度慢，不能保证字符笔画连通性，以及容易出现伪影现象等。