УДК 621

УДК 621.397

Dr. Ph.D, доцент Смагулова К.К., магистрант Омаров Е.К., магистрант Рысмагамбетов Д.И.

Карагандинский государственный технический университет,

Республика Казахстан

РАЗРАБОТКА СИСТЕМЫ

В статье представлен комбинированный метод для быстрого распознавания дыма в видеопоследовательностях с использованием методов предварительной обработки кадров. Дым характеризуется различными свойствами, такими как цвет, специфическим способом распространения, сглаживанием объектов, находящихся за дымом и т. п. Достаточно сложно описать их, используя простейшие особенности изображений. Обычно алгоритмы для распознавания дыма в видеопотоке используют различные особенности распространения области дыма и цветовые характеристики для описания задымления. Экспериментально было доказано, что применение данных подходов недостаточно, поскольку при их использовании возможно продуцирование большого количества ложных тревог. В данной работе будет показана целесообразность использования такого свойства дыма при распознавании, как прозрачность.

Ключевые слова: распознавание дыма в видеопотоке, методы распознавания образов, способы описания дыма.

Первым этапом в обработке видеопотока будет балансировка цветовой схемы изображений, составляющих видео поток. Для этого вычисляется среднее значение каждой R, G, B цветовой компоненты изображения с целью получения реального уровня серого цвета. Это значение затем используется для решкалирования каждой компоненты (рисунок 1).

$D:\VIX\Магистратура\Смагулова Каршыга Канатовна\media\image1.jpeg$ $D:\VIX\Магистратура\Смагулова Каршыга Канатовна\media\image2.jpeg$

а) б)

Рисунок 1 - Один кадр видеопотока до (а) и после (б) балансировки цвета

На рисунке 2 представлен результат восстановления цветовой компоненты дыма.

а) б)

Рисунок 2 - Исходный кадр видеопотока (а) и результат восстановления

цветовой компоненты дыма (б)

Следующим этапом обработки станет выделение на кадрах областей дыма, для чего используются цветовые характеристики областей задымления. Известно, что дым имеет цвет от светло - до темно-серого. Это свойство используется для выделения на изображениях потенциальных областей дыма, в которых интенсивности цветовых компонент находятся в следующем соотношении:

где T - порог, настраиваемый по обучающему набору видеофайлов.

Естественно, использование цветовой характеристики для локализации областей задымления недостаточно. Известно, что области задымления не находятся в неподвижном состоянии, а постоянно перемещаются и меняют свои очертания. Поэтому следующим этапом обнаружения областей задымления станет обнаружение на кадрах видеопотока движущихся объектов.

Процедура обнаружения движущихся областей осуществляется с помощью рекуррентного пересчета фонового изображения в последовательности видеокадров. Движущиеся объекты на изображении затем определяются с помощью вычитания каждой цветовой компоненты из фонового и отсечения по порогу. Величина порога подбирается по обучающей последовательности видеороликов. На рисунке 3 представлен результат восстановления на изображении областей, соответствующих движущимся объектам.

а) б)

Рисунок 3 - Исходный кадр видеопотока (а) и результат поиска на изображении движущихся объектов (б)

Области дыма затем оцениваются на основании совмещения движущихся областей изображения и областей, цветовые компоненты которых соответствуют серому цвету.

Характерная черта дыма - сглаживание граней объектов, находящихся за областью задымления, что сильно влияет на изменение энергии спектра кадра по сравнению с фоном.

Возьмем пиксель P_i_,_j. Применим к i-й строке фильтр Гаусса:

где M - математическое ожидание; σ - среднеквадратическое отклонение. СКО задается вручную, математическим ожиданием является номер пикселя в строке j.

Применяя разложение в спектр Фурье к фильтрованному сигналу, можно определить его энергию, которая равна сумме коэффициентов при разных частотах гармоник спектра. Взяв соотношение энергий текущего кадра и фона, получим коэффициент отличия энергий спектров. Если на сцене имеется область дыма, грани объектов сглаживаются несильно и данный коэффициент принимает не слишком большие значения. Если присутствует серый непрозрачный движущийся объект, грани объектов за ним перекрываются и коэффициент отличия энергий принимает большие значения. Диапазон допустимых значений подбирается по обучающей последовательности видеороликов (рисунок 4).

$D:\VIX\Магистратура\Смагулова Каршыга Канатовна\media\image3.jpeg$ $D:\VIX\Магистратура\Смагулова Каршыга Канатовна\media\image4.jpeg$

а) б)

Рисунок 4 - Фильтр Гаусса (а) и его наложение на сигнал

строки изображения (б)

На рисунке 5 представлен результат восстановления на изображении областей, удовлетворяющих требованиям сглаживания граней.

а) б)

Рисунок 5 – Исходный кадр видеопотока (а) и результат поиска на изображении объектов, сглаживающих грани (б)

Другая характерная черта областей задымления в том, что дым распространяется в основном вверх со вполне определенной скоростью. Кроме того, особенность областей дыма - наличие завихрений, мгновенной мерой оценки которых будет функция турбулентности:

где P(t) - периметр области дыма; A(t) - ее площадь.

Для определения P(t) на каждом кадре видеопотока проводится оценка контуров областей задымления с помощью процедуры медианной фильтрации изображений, составляющих видеопоток после локализации на них областей дыма (рисунок 6).

а) б)

Рисунок 6 - Движущаяся область, соответствующая дыму (а),

и ее оцененный контур (б)

Для видеосистем детектирования дыма основное требование - как можно более раннее обнаружение его появления. Для этого определяется производная функции турбулентности характеризующая степень изменения турбулентности. Достаточно большие значения производной данной функции будут соответствовать моменту возникновения и началу распространения дымовой завесы.

На рисунке 7 показана функция кумулятивной суммы, а на рисунке 8 кадр видеофрагмента, соответствующий превышению кумулятивной суммой заданного порога.

$D:\VIX\Магистратура\Смагулова Каршыга Канатовна\media\image13.jpeg$

Рисунок 7 - Кумулятивная сумма изменений функции турбулентности области задымления

Рисунок 8 - Кадр видеофрагмента, соответствующий моменту

появления дыма в помещении

Момент возникновения дыма определяется как превышение некоторого порога кумулятивной суммой значений функции. Порог настраивается по обучающей последовательности видео файлов. Информация об обнаружении дыма должна передаваться в модуль экспертизы.

Выводы: основное отличие работы от подобных исследований - использование свойства прозрачности дымовой завесы. Показано, что с помощью преобразования Фурье можно достаточно простым способом найти сглаживания граней объектов, находящихся за областью дыма.

Список использованной литературы

1.[Buchsbaum, 1980] Buchsbaum G. A spatial processor model for object color perception // J. Franklin Inst. 1980. V. 310. Iss. 1. P. 1-26.

2.[Catrakis, Dimotakis, 1998] Catrakis H. J., Dimotakis P.E. Shape Complexity in Turbulence // J.

3.Physical Review Letters. 1998. V. 80. N. 5. P. 968-971.

4.[Celik et al., 2007] Celik T., Ozkaramanly H., Demirel H. Fire and Smoke Detection Without Sensors: Image Processing Approach // Proc. 15^th European Signal Processing Conf. EUSIPCO. 2007. P. 1794-1798.

5.[Chunyu et al., 2010] Chunyu Y., Jun F., Jinjun W., Yongming Z. Video Fire Smoke Detection Using Motion and Color Features // J. Fire Technology. 2010. V. 46. N. 3. P. 651-663.

6.[Kopilovic et al., 2000] Kopilovic I., Vagvolgyi B., Sziranyi T. Application of panoramic annular lens for motion analysis tasks: surveillance and smoke detection // Proc. 15^th Intern. Conf. Pattern Recognition. 2000. V. 4. P. 714-717.