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。
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:
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。