1 C°
Комплексные системы безопасности

Видеодетекторы дыма и огня: раннее обнаружение

188
ИП 212-79 «Аврора ДА»
Производитель:
Аругс-Спект
Страна:
Россия
716

Программные детекторы дыма и огня находят широкое применение на разных
типах объектов. В отличие от аппаратных датчиков, они способны распознавать
дым или огонь по изображению, что позволяет обнаружить возгорание раньше,
контролировать бόльшие площади, использовать их для обнаружения огня в
помещении и на протяженных территориях (например, в парках или лесных
массивах).

Данная статья посвящена рассмотрению наиболее популярных алгоритмов
детектирования дыма и огня в кадре.

Детектирование дыма

Первый рассматриваемый алгоритм детектирует движущийся дым, вычисляя
для этого характерные показатели. Прежде всего, алгоритму необходимо
выделить фон – все неподвижные пиксели сцены. Поступающий с камеры кадр
делится на блоки, для каждого блока алгоритм вычисляет 3 характерные
величины: α, β, γ.

Параметр α отвечает за «текстурированность» картинки. Это отношение
пространственной энергии в блоке текущей картинки к пространственной
энергии соответствующего блока фонового изображения. Под
пространственной энергией разработчики понимают количество информации,
заложенной в блоке, она зависит от яркости, интенсивности, количества
цветов в блоке и других характерных параметров. При появлении в кадре
дыма пространственная энергия блоков уменьшается, так как теряется
интенсивность , меняются цвета. Чем меньше значение α, тем более
тусклой становится блок в текущем кадре, что характерно при появлении
задымленности. Алгоритм фиксирует уменьшение энергии в сравнении с
фоновым изображением и предполагает, что в кадре появился дым.

Параметр β – пространственно-временная величина, фиксирует изменение
пространственной энергии с течением времени. Если энергия изменилась в
блоке скачком – быстро и сильно, то, скорее всего, в кадре появился
объект переднего плана (человек, автомобиль и т.п.), если же изменение
происходит медленно и плавно, высока вероятность, что в кадре появился
дым.

Параметр γ – цвето-временная компонента, фиксирует изменение цветов в
блоке с течением времени. Определяется максимальной разницей цветовых
значений в блоке (например, для граничного случая, когда в блоке
присутствуют пиксели белых и черных цветов, разница составит 255).
Алгоритм оценивает скорость изменения этой разницы во времени: если
скорость высокая, то, скорее всего, в кадре появился объект переднего
плана, если же изменения происходят медленно, скорее всего в кадре
появился дым.

После обработки каждого блока алгоритм получает 3 числа. Для того чтобы
сделать вывод, присутствует в блоке задымленность или нет, системе
необходимо сравнить эти числа с пороговыми значениями. Для того чтобы
получить порог, алгоритм предварительно обучают на выборке: он
вычисляет α, β, γ для ряда кадров, на которых присутствует дым, а также
для ряда кадров, на которых дыма нет. Алгоритм запоминает эти значения
и на их основании задает порог.

Расчет параметров производится для всех блоков каждого кадра, но
сравнение с пороговым значением проводится только для блоков, в которых
присутствует движение (детектируется только движущийся дым). На
основании сравнения программа делает предположение, есть ли в кадре
дым. Проводится ряд проверок.

1. Во-первых, ведется анализ расположения блоков для исключения ложных
срабатываний на объекты переднего плана. Программа объединяет блоки, в
которых есть движение в связанные области, далее рассматривается каждая
из них. В область движения попадают блоки, в которых детектирован дым и
блоки, в которых дыма нет (алгоритм уже провел их проверку). Далее
вычисляется процент содержания в каждой связной области блоков, в
которых есть дым. Если процент содержания блоков с дымом выше
порогового значения, вся область признается задымленной, если ниже –
алгоритм классифицирует область как объект переднего плана. Таким
образом, происходит переход от блоков в связным классифицированным
областям в кадре.

2. Во-вторых, ведется анализ последовательности кадров. Программа
считает процент кадров с содержанием дыма на последовательности, и если
он выше порогового значения, подтверждается теория о наличии
задымленности. С поступлением новых кадров последовательность
обновляется: первый ее кадр исключается, остальные сдвигаются, и новый
кадр становится на место последнего. Такое обновление приведет к тому,
что в случае появления в кадре дыма, вся последовательность через
некоторое время будет состоять только из задымленных кадров, и
программа получит 100%-подтверждение.

В среднем алгоритму требуется 10 секунд для обнаружения дыма (при
частоте съемки выше 5 кадр/сек).

Наиболее точная детекция достигается для метода, принимающего решение о
наличии дыма на основании сравнения трех описанных параметров, но
существуют алгоритмы, которые работают только с одним параметром α.

Существует еще один метод, основой которого служит анализ преобладающих
в кадре цветов. Для дыма характерны белый, черный цвет, а также оттенки
серого. Алгоритм делит кадр, в котором зафиксировано движение, на блоки
и выделяет преобладающие в них цвета. Затем анализирует, меняются ли
цвета блоков и если да, то на какие, а также с какой скоростью. Если
цвета меняются на характерные для дыма и с характерной скоростью
(порядок ее величины известен заранее), программа выдает сообщение о
появлении в кадре дыма. В качестве проверки также используется анализ
последовательности кадров.

Еще раз отмечу, что описанные методы детектируют только движущийся дым.

Детектирование огня

В основе методов детектирования огня лежит сравнение характеристик
движущихся областей кадра с характерными для огня параметрами.

Поступающие кадры подвергаются цветовой кластеризации – выделяются
области определенного цвета. Затем работа ведется с областями
характерных для огня цветов (красными, желтыми, оранжевыми, белыми), из
дальнейшего рассмотрения исключаются области отличных цветов (зеленые,
черные, синие и т.д.). Затем ведется анализ формы и границ оставшихся
областей, анализируются колебания этих границ на последовательности
кадров, проводится сравнение этих данных с характерными формами пламени
и параметрами колебания. На этом этапе отбрасываются ложные области,
которые имеют характерный для пламени цвет, но обладают нехарактерной
формой или нехарактерно изменяются. И на финальном этапе вычисляется
степень интенсивности пламени через площадь его области относительно
площади всего кадра, эта степень сравнивается с пороговым значением
(его может задать администратор системы, чтобы исключить срабатывания в
ситуациях, потенциально не представляющих интереса). После проведенных
проверок и сравнений система принимает решение о выводе тревожного
сообщения.

В связи с тем, что дым и огонь нестатичны, рассмотренные алгоритмы
детектирования ведут анализ только движущихся областей кадра, оценивая
характерные параметры. Наиболее точные результаты в детектировании дыма
показывает алгоритм, основанный на вычислении трех характерных величин
и сравнении их с пороговым значением, а также выполняющий пост-проверки
на последовательности кадров. Высокую точность обнаружения огня
показывает метод комплексного анализа движущихся частей кадра: их
цветов, формы, скорости изменения. А для повышения точности
детектирования разработчики проводят обучение детекторов на выборке
видеозаписей с различными видами пожаров.

Александр Коробков, главный архитектор компании Macroscop

Опубликовано в «Системы безопасности»№5, 2014