0 引言
随着社会经济的不断发展，大空间建筑（如大型商场、电影院、会议中心、博物馆、展览馆以及物流仓库等） 越来越多，并且在人们生活中起着十分重要的作用。大空间建筑具有单层举架高、跨度大、结构复杂等特点，一旦发生火灾时，由于建筑内空间较大，火灾发生时产生的烟雾，在该空间上传播的速度和范围往往容易受到多种因素的影响，很难到达建筑顶部，只有当火灾发生一定的时间和达到一定的程度时，安装在其顶部的感温、感烟探测器才可以探测到，因此传统的火灾探测技术难以实现对大空间建筑火灾的早期监控、预警。
图像型火灾探测技术，结合了图像处理技术、模式识别技术、计算机技术等若干领域的先进技术于一体，具有非接触式探测、响应速度快、灵敏度高、监测范围广等特征，不受空间高度、气流速度、热障、易爆、有毒等环境条件的限制，能对早期火灾及时准确地做出判断，从而实现早期预警、监控的目的。基于图像的火灾探测技术已成为大空间及户外火灾探测的有效手段[1].
1 图像型火灾探测技术基本原理
图 1 是基于图像处理的火灾探测系统框图。系统通过带有红外滤光片的摄像镜头实时采集现场图像，在进行滤波等预处理操作后，采用背景差分法提取目标图像，即把当前采集的图像与存储的背景图像进行差分运算，比较差分结果与预先给定阈值的大小，如果差分结果比阈值小，则说明无异常情况出现，反之，则需进一步判断，通过继续采集 5 帧现场图像并分别与背景进行差分运算，求取差分结果的平均值，再次与阈值进行比较，如果比阈值小，就停止检测并进行背景图像的更新，否则初步判断有火灾出现。发现火灾后，对图像进行分割处理获取目标区域，并通过面积滤波的方式，把区域面积较小的目标作为噪声滤除，以确定真正的目标图像，然后通过边界跟踪获取目标轮廓及边界链码，在此基础之上提取目标的面积变化率、尖角数（边缘抖动特征）和圆形度等特征实现火灾的自动识别[2].
2 早期火灾的图像识别
基于图像处理的火灾探测技术，主要是利用火灾的一些视觉特征进行判断。由于在火灾发生初期，火焰从产生到发展需要经历一个过程，这就使火焰在这个阶段呈现的特征就更加明显，如随着时间的变化，火焰的大小、形状以及火焰的尖角数等特征都是在变化的，因此，只要设计出算法能够合理的表征出这些特征，就能够实现早期火灾的探测[3].
2. 1 边界跟踪与链码提取
边界链码通过采用特定方向和特定长度的直线段相连实现对边界点编码，直线段的方向固定并且数目有限，在边界链码中要确定起始点的坐标，而其他各点由搜索方向代表的偏移量表示，由于每个点只需一个方向数表示，即可代替这个点的两个坐标，因此，用链码表示边界点可大大减少数据量。图 2为 8 邻域链码方向图。为了方便提取火焰特征值，在对二值图像进行分割后，进一步对所述不同区域的目标进行边界跟踪，提取目标的轮廓。轮廓的跟踪可依链码的方向进行，下一跟踪点的取得依赖于上一轮廓点，从而避免了对所有像素点的扫描，增加了轮廓跟踪的效率。
程序中，为了获得相邻边界点的像素值，首先需要知道相邻点的坐标，这可根据边界链码值，由中心点的坐标加上相应的偏移量得到。如果假设图像坐标原点在其左上角，X 轴方向向右，Y 轴方向向下时中心点与相邻点的偏移量如表 1 所示。
链码存储于一维数组中，由于链码需要存储边界起始点的位置坐标，因此，数组中开始的两个单元存储起点坐标，再用一个单元存储链码数，然后存储链码序列，链码的存储结构如表 2 所示。
获取边界链码的过程主要是： （1） 按照从左到右，从上到下的顺序依次扫描分割后的目标区域图像，通过灰度值判断是否是边界点，如果是，把它标记为起始点同时记录该点坐标，并寻找与其相邻的下一个边界点； 如果不是，则继续按扫描顺序寻找边界起始点。（2） 把当前的边界点作为中心，并根据前一个链码值确定下一个边界点的检测方向，如果链码值为奇数，将链码值加 2 作为当前边界点的检测的初始方向； 如果为偶数，则链码值加 1.按照确定检测方向的规则，以顺时针的方式检测与中心点相邻的 8 个区域，如果在 8 个区域中找到新的边界点，则把链码值保存到数组中； 如果没有找到相邻的边界点，就说明当前中心点为孤立的点，无需存储。（3） 经过跟踪回到边界起始点，形成一个闭合的边界线，跟踪结束。
2. 2 火灾图像探测依据
这里用到的主要参数有： 圆形度、面积变化率和尖角数[4 -5].特征值提取流程如图 3 所示。
2. 2. 1 形状特征
由于火焰的形状并不规整，而大部分干扰源的形状规整程度较高，本系统将形状特征作为第一个判断依据，如式（1） 所示，由于圆形度在一定程度上可以体现出目标形状繁复程度，因此，将其作为形状特征的量化标准。
式中，ρ 为圆形度； C 为周长，即边界长度，可从边界链码中得到。在编程过程中，由于奇数和偶数方向链码代表的线段长度不一样，因此，需要分别计算，把奇数方向链码个数乘以槡2再与偶数方向链码个数相加，即可以得到目标区域的周长； S 为面积，通过统计图元的亮点数获得。当目标边界为圆形时，其圆形度为最小值 1,目标边界的复杂程度越高，其圆形度的值越大。
