火灾检测方法总结

本文链接： https://blog.csdn.net/zhou4411781/article/details/100095274

最近在研究火灾检测算法，网上看了一些论文和代码，暂总结如下：

初级版检测：

主要就是通过颜色（一般是在RGB空间处理）提取检测火灾，对于火焰而言，红色分量(R )和绿色分量(G)会很大，并且绿色分量(G)会大于蓝色分量(B)。其中，Rt是红色分量阈值，St是饱和度阈值,火焰像素主要取决于红色分量(R )的色度和饱和度。
在这里插入图片描述
其中，Rt是红色分量阈值，St是饱和度阈值，具体值是自己设置的。此外还增加了一些饱和度条件。最基础的是所述条件得到关键区域，也有一些对RGB条件进一步加强的论文，例如下面的参考3论文，效果比只使用上述条件效果好写，我进行了测试，提取的区域更加饱和，代码在下面参考1的基础上改写：

import cv2 as cv
import numpy as np

def contrast_brightness_demo(image, c, b):  #其中c为对比度，b为每个像素加上的值（调节亮度）
    blank = np.zeros(image.shape, image.dtype)   #创建一张与原图像大小及通道数都相同的黑色图像
    dst = cv.addWeighted(image, c, blank, 1-c, b) #c为加权值，b为每个像素所加的像素值
    ret, dst = cv.threshold(dst, 25, 255, cv.THRESH_BINARY)
    return dst


capture = cv.VideoCapture("/home/yasin/house5.mp4")

while(True):
    ret, frame = capture.read()
    cv.imshow("frame", frame)
    B = frame[:, :, 0]
    G = frame[:, :, 1]
    R = frame[:, :, 2]
    R_mean = np.mean(R)
    val1 = G /(R + 1)
    val2 = B /(R + 1)
    val3 = B /(G + 1) 
    fireImg = np.array(np.where(R > R_mean, np.where(R >= G, np.where(G >= B, np.where(val1 >= 0.25, np.where(val1 <=0.65, np.where(val2 >= 0.05,np.where(val2 <=0.45,np.where(val3 >=0.2 ,np.where(val3 <= 0.6, 255, 0), 0), 0), 0), 0), 0), 0), 0), 0))
    
    gray_fireImg = np.zeros([fireImg.shape[0], fireImg.shape[1], 1], np.uint8)
    gray_fireImg[:, :, 0] = fireImg
    gray_fireImg = cv.GaussianBlur(gray_fireImg, (7, 7), 0)
    gray_fireImg = contrast_brightness_demo(gray_fireImg, 5.0, 25)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
    gray_fireImg = cv.morphologyEx(gray_fireImg, cv.MORPH_CLOSE, kernel)
    dst = cv.bitwise_and(frame, frame, mask=gray_fireImg)
    cv.namedWindow("fire",0)
    cv.imshow("fire", dst)
    cv.namedWindow("gray_fireImg",0)
    cv.imshow("gray_fireImg", gray_fireImg)
    c = cv.waitKey(40)
    if c == 27:
        break

原始图：
在这里插入图片描述
上述代码提取火灾图：

利用颜色检测的python版的火灾检测：https://blog.csdn.net/weixin_41987641/article/details/81812823
利用颜色检测的C++版的火灾检测：https://blog.csdn.net/coldplayplay/article/details/70212483
利用颜色检测论文：https://www.sciencedirect.com/science/article/pii/S1047320306000927

进阶版检测：

只利用颜色进行火灾检测会有很多误检测，特别是颜色与火焰颜色相近时，所以有论文提出了根据形状，运动变化等检测，因为火灾形状不规则，可根据检测到角点拟合多边形，通过顶点数判断；实际情况下，火灾形状是在不断变化的，通过前后两帧变化程度判断是否是火灾。

颜色滤波方法参见我的博客：https://blog.csdn.net/zhou4411781/article/details/95455455
帧差法代码参加我的博客：https://blog.csdn.net/zhou4411781/article/details/99413894

利用颜色+形状+运动的火灾检测：https://ieeexplore.ieee.org/document/7014233

高级版检测：

利用机器学习训练模型进行检测，Toby Breckon在github上给出了三种不同的网络模型进行火灾检测，不过暂没有给出训练模型代码，包括firenet、inceptionV1、superpixel-inceptionV1，检测效果我都做过测试，效果还可以，superpixel-inceptionV1效果最好，但最耗时。

利用机器学习的火灾检测：https://github.com/tobybreckon/fire-detection-cnn