新算法性能的理论分析

     1、增强型算法的理论描述

     （1）基本特征参数及概念

     文献[1]中所提出的利用视频图像探测火焰的三个基本特征参数：前景像素、前景亮度和色彩温度，主要是针对火焰所具有的发光、散热两个基本特性，采用前景图像的分析过程进行的。所谓前景图像就是指亮度快速变化的像素的集合，归属于移动物体，用ψ表示。

      A、前景像素

     前景像素是指前景图像所占像素的总和，任意一帧图像某一时刻的前景像素用St表示，定义为：

 
     （1）

 

      其中，(x,y,t)表示一帧图像中在t时刻一个像素的坐标，通过所探测到的前景像素的增量来判断火焰是否存在。对于早期火焰探测，火焰变大，S[f(x,y,t)]值就会增加，因而St大小表示火焰的强弱。

      B、前景亮度

      利用火焰发光的特性，定义某一时刻图像的前景亮度为Bt，定义为

 
（2）

 

       通过前景图像亮度的增量判别是否有着火点的存在。

       E、前景色彩温度

      利用火焰散热的特性，通过彩色CCD摄像机可获得火焰图像的色素值。由于像素中绿色（G）和红色（R）色素的比值正比于温度，因此我们可以用G/R确定前景图像的温度。前景色彩温度Pt是前景图像中所有像素中的G/R比值的总合，定义为：

 
   （3）

 

      其中，G[f(x,y,t)]表示某一时刻t图像中坐标为(x,y)的像素的绿色色素值，R[f(x,y,t)]表示时刻t同一坐标的像素的红色色素值。根据火焰图像理论，利用Pt可判断火焰的存在。

       （2）附加突变探测计算功能

       突变探测器的主要作用就是减少由突变引起虚警的几率。在图形分析中可以把突变探测器描述为尖脉冲探测器，每个探测器的功能是通过分配一个独立的计数器（可变脉冲计数器）来实现的。根据产生的脉冲类型不同，它的反应也有所不同。当任意一个性能参数值超过极限阈值时，它的功能就被激活，开始记数。

这些脉冲在各自所对应的脉冲计数器中呈现不同的数值，在最后决策阶段，每个计数器的值与其各自的可变脉冲阀值进行比对，确定报警级别。

      （3）附加前景平均色素计算功能

       图像中前景物体在时刻t红、绿、蓝色素的平均值的计算，其数学表达式为：

 

       如果在t时刻f(x,y,t)属于前景图像中的一部分，R[f(x,y,t)]，G[f(x,y,t)]和B[f(x,y,t)]表示某一坐标像素的红、绿、蓝的归一化色素值。对于红色火焰，ERt，EGt和EBt各自落在一定的范围内，即

 
   （5）

 

     根据火焰图像理论知，这时监控环境内火焰存在的可能性就会增加。

     （4）附加前景平均色素比计算功能

对于红色火焰，如果 ， 和 落在一定范围内，即：

根据火焰图像理论，监控环境内火焰存在的可能性就会增加。

（5）附加前景边界框的设定功能

边界框功能就是在前景图像中产生一个边界框，使系统在进行计算时保留必要的部分，忽略不必要的部分。前景边界框是经过自行逐个像素检测前景图像后生成的，并且确定当前前景图像的Xmin，Xmax，Ymin和Ymax值。具有前景边界框的图像如图1所示：

        图1 前景框

      （6）附加三级触发报警功能

      三级触发报警级别定义为：绿色级别报警(Ga)，无火焰；黄色级别报警 (Ya)，可能存在火焰；红色级别报警(Ra)，极有可能存在火焰。

     2、决策算法

     决策阶段是系统最重要的阶段，在这个阶段，根据前面的各种分析计算，系统可判断环境中是否存在有火焰，并给出合适的报警级别，决策阶段判别过程如图2所示。

      （1）如果CΣ（CΣ指报警级别计数器的计数值，由3个计数器的值组合而成。）大于阈值，同时物体的平均色素值和色素比都在相应的范围内，则在监控环境中就很有可能有火焰存在（红色报警）。
      （2）如果C大于阈值，同时物体的平均色素值和色素比有一个在相应的范围内，则在监控环境中仍有可能有火焰存在（黄色报警）。
     （3）如果C大于阈值，同时物体的平均色素值和色素比都不在相应的范围内，则在监控环境中可能有干扰存在，不触发报警（绿色报警）。
     （4）如果C小于阈值，同时物体的平均色素值和色素比都在相应的范围内，并有脉冲出现，则在监控环境中就很有可能有火焰存在（黄色报警）。

      三、实验分析

      1、实验环境的设定

      报警阀值为1.5；脉冲阀值：像素区为5，强度为5，色温为3；图像采样率为3幅/s；决策视窗n=5祯（每1.67s获得5祯图像后决策）；Ctotal（加权系数）：Wp为0.2，Wi为0.2，Wr为0.6。

       在系统开始时，不存在火焰。视频射像机放在固定的位置，摄像机可直接看到火焰。实验是Matlab完成，在实验中每一个像素用三个色素值（红、绿、蓝色素值）表示，为了验证所提出的的算法的性能，用4种类型的图像完成了3组实验。这3种类型实验图像分别是：夜间火焰图像、白天火焰图像、突然火焰移动图像。

      2、火焰特征值的确定

      提取500幅白天和夜间的火焰图像，测量出MR,t，MG,t，MB,t，MB,t/MG,t，MB,t/MR,t和MG,t/MR,t的范围：192.80≤MR,t≤247.61，178.05≤MG,t≤235.19，130.00≤MB,t≤220.95，0.50≤MB,t/MG,t≤1.00，0.50≤MB,t /MR,t≤0.92，0.86≤MG,t/MR,t≤0.97。

     3、试验测试分析

      对于新算法的性能我们通过以下3种环境的实验进行测试分析。

      （1）夜间火焰图像实验

      顺序在系统中加入100张夜间火焰生成的图像，测得的具体数据和曲线如表1和图3所示。

      图3中的三条曲线都表明火焰有以一定的速率增大的趋势，系统根据表1的参数值发现火焰并报警。在表中第10张图发出探测到火焰的第一个警告，红色级别警报的第一时刻是在第20张图出现时。在第30张图出现时火焰减弱，值降低，系统变为绿色报警级别。曲线中其它的一些突变，可以解释为火焰的闪烁。

      （2）白天火焰图像实验

       顺序在系统中加入100张白天火焰生成的图像，测得的具体数据和曲线如表2和图4所示。

在表2中，火焰是在第50张图开始迅速增大的，由于系统设置相当灵敏，系统首先直接触发黄色级别报警，紧接着下一个发出红色级别的报警。

      （3）被景物体突然移动实验

     顺序在系统中加入60张表示静止物体的图像，测得的具体数据和曲线如表3和图5所示。

如图5所示，从第40张图开始，三条曲线都存在有尖脉冲，这是由于物体突然从摄像机前移动的结果（在监控环境中有物体突然移动）。这时系统并未发出警报，而是给出绿色级别警报，减少了误报。