基于码书模型的森林火情自动检测_李国良.pdf

理论算法2022.24600 引言森林火灾被公认为世界八大自然灾害之一1，具有突发性强、破坏性大、救助困难等特点，给地球环境和人类生产生活带来的巨大危害及损失直接影响社会安定。预防工作是防止森林火灾发生的先决条件，越来越受到世界各国重视，因此开展森林火情自动检测研究对预防森林火灾具有重要意义。当森林火灾发生时，森林图像中作为火情特征的浓烟和火焰相对于正常森林场景呈现出非常明显的运动状态，因此可以将正常的森林场景视为背景信息，将火情特征视为运动目标前景信息，将计算机码书模型应用于森林火情检测，满足检测的实时性和精确性2。1 码书模型实现森林火情自动检测传统码书模型3通过对每个像素点建立一个码书来记录背景信息实现前景分割4，具有很好的前景分割性能，本文基于该思想通过优化传统码书模型实现森林火情自动检测。1.1 码书与码字的结构定义为森林图像数据中的每一个像素建立一个基于时间序列地码书,当前像素的码书为12,LCodeBookc cc=，其中有 L 个码字。码字的颜色向量信息为(,)iiiiwR G B=。码字元素为,iiiiiiiauwI Ifp q=?。码字元素中保存着能反应火情是否发生的亮度值特征，其中iI?和iI在码字为空时分别表示码字对应像素的最小亮度值和最大亮度值，码字不为空时分别表示码字的最小亮度值和最大亮度值，可根据二者计算出码字的亮度变化范围,lowhighII，即像素点属于背景的最小与最大亮度范围。if为码字的匹配次数，用于得到背景模型对应的背景图像。i为码字最大消极步长，即该码字出现的最大时间间隔。ip和iq表示码字第一次出现和最后一次出现的次数，用于计算匹配次数。1.2 码书模型的背景构造与更新定义码书和码字的结构后，选取 300 帧大小统一为1024*720 的无人机传回数据作为码书模型的训练序列，训练构造码书背景模型，将像素的亮度值设为121024*720,Ii ii=，总共 1024*720 个像素，(1,1024 720)jij=代表第 t 个像素的亮度值。为每个像素建立的码书为12,LCodeBookc cc=，码书中的若干个码字数目与场景的变化幅度有关，剧烈变化的码书中码字数目较多。由于森林场景中的背景变化复杂，所以本文将标准码书模型简化，降低计算复杂度。具体的背景码书模型构造与更新过程：（1）初始化码书。为码书申请空间，码书和码字都置为空。（2）计算每个像素的亮度值。训练序列中图像的像素连基于码书模型的森林火情自动检测李国良（中国林业科学研究院高原林业研究所,云南昆明，650233）摘要：本文提出一种新的方法实现森林火情自动检测。首先采用优化的码书模型模拟森林场景，实现森林火情发生区域的自动检测。然后对检测出的二值火情区域进行中值滤波去噪，消除背景干扰。最后根据列像素和的统计情况，设定阈值自动判断是否发生火情。实验结果表明本文方法具有很高的准确率，对于森林火情的自动检测十分可行。关键词：森林火情；码书模型；中值滤波；阈值检测 中图分类号：TP391 文献标识码：AAutomaticDetectionofForestFireBasedonCodebookModelLi Guoliang（Institute of Highland Forest Science,Chinese Academy of Forestry,Kunming Yunnan,650233）Absrtact:This paper presents a new method to realize automatic detection of forest fire.First,the optimized codebook model is used to simulate the forest scene to realize the automatic detection of forest fire occurrence area.Then median filter is used to denoise the detected binary fire area to eliminate background interference.Finally,according to the statistics of column pixel sum,the threshold value is set to automatically determine whether fire occurs.The experimental results show that this method has high accuracy and is very feasible for automatic detection of forest fire.Keywords:forest fire;Codebook model;Median filtering;Threshold detectionDOI:10.16520/ki.1000-8519.2022.24.040理论算法2022.2461续采样值为12300,Vv vv=，即同一个像素在不同时间的连续采样值。其中第 t 帧图像的采样像素点(1,300)tv t=根据当前像素亮度值公式计算亮度值为222ttttIvRGB=+。判据定义与码书模型简化。根据颜色扭曲度公式22(,)titcolordist v cvp=定义本文码书寻找匹配码字的颜色判据为：(,)ticolordist v c。为了简化码书模型，提高计算速度。本文将亮度阈值的计算公式(1)lowiII=和min,(1,1)highiiII I=?中的两个参数(1,1)简化为一个参数，即颜色扭曲度阈值。设定该先验参数的取值范围为01，亮度判断阈值lowI和highI的计算公式简化为如下：(1)lowiiIII=min,min(1),(1-)highiiiiII II I=+?然 后，结 合 亮 度 扭 曲 度 公 式,(,),lowthightitrue IvIbrightness v cfalse otherwise=,lowthightitrue IvIbrightness v cfalse otherwise=,定义本文码书寻找匹配码字的亮度判据：222(,),(1)min(1),(1-),lowhighitttiiBrightness IIITureIRGBI IFalse otherwise=+?。根据以上对码书模型的简化，只需设置一个参数而不像标准码书模型设置三个参数，能够降低计算复杂度，在保证准确性的前提下提高计算速度。（3）码书背景模型构造与更新。根据本文判据每输入一帧图像都会进行码字匹配，如果未匹配成功，就新建一个码字lc，新码字的颜色向量为(,)ltttwR G B=，新码字元素为,1,1,lauwI Itt t=。如果匹配成功，则将码字融入背景模型，依据码字更新公式(,)111mmtmmtmmtmmmmf RRf GGf BBwfff+=+(,)111mmtmmtmmtmmmmf RRf GGf BBwfff+=+和min(,),max(,),1,max(,),mmmmmmmauwI II Iftqpt=+?min(,),max(,),1,max(,),mmmmmmmauwI II Iftqpt=+?min(,),max(,),1,max(,),mmmmmmmauwI II Iftqpt=+将匹配的码字的码字颜色向量和码字元素分别更新。（4）由于采用的训练序列中存在噪声干扰，也可能包含火情。所以在训练的过程中利用i过滤掉表示噪声和火情的码字，得到较纯净的背景码书：3002mmmcc=丨。反复进行过程 4 和 5 的步骤，直至完成码书背景模型的训练，我们就可以得到准确反映森林场景变化的背景模型。1.3 森林火情目标检测 在码书背景模型训练完成后，对原始图像进行火情目标检测，遍历图像的所有像素，根据已经生成的背景模型逐像素与对应码字进行匹配，判断是否属于背景码书。匹配成功的判定为属于背景像素，不成功地为火情像素，以此实现森林火情目标检测。目标检测步骤：（1）逐帧读取待检测的原始图像。（2）计算原始图像中每一个像素的亮度值：222ttttIvRGB=+（3）根据本文判据到已训练完成的码书背景模型中进行码字匹配，如果匹配则判定该像素为背景像素，不包含火情信息。不匹配则判定该像素为火情像素，继续检测下一像素直至所有像素被遍历。（4）完成每一帧中所有像素的检测后得到若干火情区域，将判定为背景的像素点的像素值置为 0，判定为火情的像素点的像素值置为 1，得到火情区域二值图像。（5）输出火情区域二值图像，得到基于码书模型的检测结果，检测结束。通过码书模型对不同程度的火情进行目标检测，得到了图 1 所示实验结果，检测结果中的白色部分即为本文方法判定的火情发生区域，由于背景区域中存在点状和线状的噪声，会对后续实验造成干扰，所以需要进一步去除背景噪声。2 中值滤波去噪中值滤波算法5是去除固定值脉冲噪声的经典方法，森林火情接近于恒定信号，中值滤波可以使输出信号呈一（a）原始图像（b）检测结果图 1 森林火情目标检测理论算法2022.2462致性，较完整保留图像内的火情信息。本文设置滤波窗口为55，实现背景噪声完全去除。3 设定阈值自动检测火情中值滤波完全消除背景噪声，完整确定火情区域。由于二值化图像的像素值为 0 和 1 两种离散值，因此将列像素和6作为是否发生火情的判据。求出每列像素值之和存入数组A(i)，从图像通道序列号 i=1 开始遍历 A(i),当满足 A(i)T 这一判据时，判定当前数据中存在森林火情。图 3 为以图像通道为横轴，列像素和为纵轴绘制的统计直方图，三个图分别对应图 2。图中出现的大尖峰说明发生了森林火情，此起彼伏的小尖峰则为零散的小火情，结合原始图像中的火情发生情况，将阈值 T 设置为 5000 实现自动检测。4 总结与展望本文的码书模型计算量、占用内存均很小，在较强大的计算机硬件设备支撑下，接近于实时检测。每个像素的码书模型可以在一定时长后重新更新，能适应较长时段后森林火情的发展变化，检测准确率高。本文方法可对白天森林图像中的所有火情获得很好的检测效果。但对于夜间森林图像，仅能保证火焰火情检测的准确率，烟雾火情的准确率不高，未来将在本文基础上开展提高夜间烟雾火情检测准确率的研究。参考文献1 高文.森林防火存在的问题及建议 J.现代农业科技,2018(21):142-143.2 禹素萍,顾晓雯,吴赟.基于图像分割的森林火灾早期烟检测算法研究J.计算机工程与应用,2017,53(16):166-171.3K.Kim,T.H.Chalidabhongse,D.Harwood and L.Davis.Real-time foreground-background segmentation using codebook modelJ.Real-time imaging,2005,11(3):172-185.4 秦志远.基于码本学习的背景建模方法研究 D.电子科技大学,2015.5 朱志恩.中值滤波技术在图像处理中的应用研究 D.东北大学,2008.6M.L.Jin,G.W.Yuan,G.N.Gao,L.Dong,H.Zhou,Y.Gao,S.J.Guo,M.Wang.An Automatic Detection Method of Solar Radio Burst based on Otsu BinarizationC.Guangzhou:The Proceeding of 11th International Conference on Digital Image Processing,2019.图 2 中值滤波去噪后图像图 3 列像素和统计直方图图 9 实物图4 系统调试与结果分析系统电路板通过检测和调试，确认所设计的基于单片机的计步器健康系统可以实现计步、心率、温度检测功能。通过几个独立按键可