CC BY-NC
44
DOI: 10.2493 7/2542-2324-2019-2-S-I-277-281 УДК 621.383:629.5.067.8
К.А. Хмельницкая1,2
^ПбГУТ им. проф. М.А. Бонч-Бруевича, Санкт-Петербург, Россия 2АО «НИИ телевидения», Санкт-Петербург, Россия
РАСПОЗНАВАНИЕ ПЛАМЕНИ С ПОМОЩЬЮ ОПТОЭЛЕКТРОННЫХ СИСТЕМ В СУДОСТРОЕНИИ
Рассматривается актуальная проблема совершенствования систем обеспечения пожарной безопасности на объектах повышенной пожароопасности. Отмечено, что важность применения оптоэлектронных систем возросла благодаря достижениям в развитии вычислительной техники. Отмечена актуальность применения оптоэлектронных систем видимого диапазона в судостроении. Описывается алгоритм анализа видеоизображения, предложенный с целью повышения эффективности распознавания пламени. Предложен метод использования улучшенной цветовой модели пламени, которая включает значения пространства RGB и HSV. Обосновывается, что эта модель более эффективна для определения всех потенциальных огненных регионов в различных окружениях и условиях освещенности. Алгоритм распознавания пламени по цветовым характеристикам с применением улучшенной цветовой модели смоделирован в среде MATLAB и проверен на фрагменте видео с присутствием пламени.
Ключевые слова: оптоэлектронные системы, анализ изображения, обработка изображения, цветовая модель RGB, цветовая модель HSV.
Автор заявляет об отсутствии возможных конфликтов интересов.
DOI: 10.2493 7/2542-2324-2019-2-S-I-277-281 UDC 621.383:629.5.067.8
К. Khmelnitskaya1,2
^onch-Bruevich State University of Telecommunications, St. Petersburg, Russia 2JSC Television Scientific Research Institute, St. Petersburg, Russia
OPTOELECTRONIC SYSTEMS FOR FLAME RECOGNITION IN SHIPBUILDING
This paper discusses a relevant task of improving fire safety systems for the facilities with strong fire hazard. It points out that modern advances in computer technology made optoelectronic systems more capable and highlights the importance of visual-range optoelectronic systems in shipbuilding applications. The paper describes the algorithm of video data analysis suggested for more efficient flame recognition, based on a refined color model of flame with application of RGB and HSV spaces. The authors argue that this model is more efficient for determination of all potential flame areas in various environments and lighting conditions. Color-based algorithm of flame recognition with application of enhanced colour model was simulated in MATLAB and validated on a fragment of flame video footage. Keywords: optoelectronic systems, image analysis and processing, RGB, HSV. Author declares lack of the possible conflicts of interest.
Современный мир, в который прочно вошли индустриализация и научно-технический прогресс, испытывает острую необходимость в постоянном совершенствовании систем обеспечения безопасности, в частности систем пожарной безопасности.
Нет необходимости говорить об угрозе пожара для человека. Особенно проблема обеспечения пожарной безопасности актуальна для таких объектов, как подводные лодки, корабли, нефтегазовые платформы, объекты машиностроения и др., где
Для цитирования: Хмельницкая К.А. Распознавание пламени с помощью оптоэлектронных систем в судостроении. Труды Крыловского государственного научного центра. 2019; Специальный выпуск 2: 277-281.
For citations'. Khmelnitskaya К. Flame recognition with optoelectronic systems in shipbuilding. Transactions of the Krylov State Research Center. 2019; Special Edition 2: 277-281 {in Russian).
риски для человеческих жизней, а также финансовые риски значительно выше, чем в быту. Как правило, в таких местах сосредоточены опасные объекты (боеприпасы, узлы двигательных и энергетических установок), обладающие повышенной пожароопасностью и требующие дополнительного контроля.
Разновидность средств обеспечения пожарной безопасности достигает впечатляющих масштабов. Но основную часть рынка занимают системы на основе датчиков огня, дыма, влажности, температуры и т.д., а также оптоэлектронные системы распознавания.
Основными блоками, осуществляющими преобразование информации оптической природы в электронную, являются видеокамеры - телевизионные, тепловизионные и инфракрасные. Актуальность применения камер в системах безопасности значительно возросла благодаря достижениям в развитии вычислительной техники и математических методов анализа изображений. Оптоэлектронные системы распознавания могут выдавать значительно больше информации о типе возгорания, его месторасположении и динамике процесса.
Тепловизионные камеры в больших помещениях не всегда является эффективными, поскольку для срабатывания детектора требуется близкое его расположение к источнику возгорания. В свою очередь, телевизионные камеры используются повсеместно и имеют хороший радиус действия. Они могут размещаться в единичном количестве, обнаруживать и принимать решения о присутствии пламени в момент его зарождения и предпринимать превентивные меры. Также нужно отметить, что телевизионные камеры гораздо дешевле, чем инфракрасные и тепловизионные камеры.
Достоинствами применения телевизионных камер в подходе распознавания пламени являются:
■ распространенность таких камер;
■ возможность использования совместно с ними других устройств;
■ возможность наблюдения за ситуацией на открытых пространствах и в больших проветриваемых помещениях, где использование других датчиков затруднено или невозможно. Целью настоящей работы является реализация алгоритма раннего распознавания пламени с помощью оптоэлектронных систем. Процесс обработки и анализа сосредоточен в небольшом блоке, который размещается под камерой. Этот
вычислитель не требует больших затрат, дополнительной разводки проводов, не нарушает существующей конфигурации системы обеспечения безопасности.
Существует ряд методов распознавания пламени с помощью телевизионных камер. Наибольший интерес представляют методы, основанные на обнаружении пламени путем анализа статической, динамической, яркостной и цветовой составляющих отдельных элементов изображения. Эти методы наиболее устойчивы к мешающим факторам, таким как условия освещения, перемещение людей или предметов.
Обоснование визуальных информативных признаков пламени
Justificaton of visual informative signs of flame
К визуальным признакам пламени, которые можно идентифицировать на видеоизображении, относятся цвет и пульсации контура пламени. Как показано в 111, явление пульсаций контура пламени заключается в возникновении периодичного возмущения контура пламени. Согласно исследованиям [2], частота пульсаций находится, как правило, в диапазоне 1-10 Гц. Следовательно, по теореме Котельникова, существует возможность фиксирования пульсаций контура пламени камерой с кадровой частотой (разверткой) 20 кадр/с.
В данной работе будут детально рассмотрены только цветовые информативные характеристики пламени.
Кроме цветовой модели RGB, представленной на рис. 1 (Red. Green, Blue: красный, зеленый, синий), имеются другие цветовые пространства, использование которых может оказаться более предпочтительным или удобным. Цветовая система HSV (Hue, Saturation, Value: цветовой тон, насыщенность, интенсивность) намного ближе к описанию и восприятию цвета человеком, чем формат RGB [3]. Ее можно визуализировать как конус, где оттенок изменяется по окружности, насыщенность возрастает с отдалением от оси конуса, а яркость -с приближением к его основанию (рис. 2).
Большинство проанализированных алгоритмов распознавания пламени [4] используют исключительно значения в пространстве RGB либо значения яркости для определения потенциальных огненных регионов. Однако уровень насыщенности и значение интенсивности в простран-
Рис. 1. Цветовая
модель RGB
Fig. 1. RGB color model
Рис. 2. Цветовая
модель HSV
Fig. 2. HSV color model
(a) 250-
Ö 150
100
50
0
R G В
50
200
250
100 150 Green
Рис. 3. Распределение пикселей пламени в цветовом пространстве RGB относительно компоненты G
Fig. 3. Distribution of flame pixels in RGB space with respect to G component
стве HSV цтакже играют важную роль в определении наличия пламени на видеоизображении. Практический интерес представляет алгоритм [5], который использует улучшенную цветовую модель пламени, включающую цветовые значения пространства RGB, а также насыщенность и интенсивность в пространстве HSV.
Таким образом, на основании анализа информативных признаков пламени установлено:
■ В пространстве RGB для огненного пиксела значение красной компоненты информативнее значения зеленой компоненты, которая, в свою очередь, информативнее синей. Также красная компонента должна превосходить порог, который определяется экспериментально в зависимости от вида пламени (рис. 3).
■ Целесообразно использование значения насыщенности потенциальных огненных регионов, выделенных на первом этапе, для принятия решения о принадлежности к пламени, основанного на среднем значении насыщенности потенциального огня.
■ Пламя является источником излучения в широком диапазоне; чем сильнее излучение в видимом свете, тем сильнее оно воздействует на элементы матрицы камеры и тем выше значения яркости в местах открытого огня. Одним из решений обнаружения возгорания является критерий его интенсивности.
■ Дополнительное перемножение принадлежностей к пламени в компонентах насыщенности и интенсивности позволяет эффективно опознать все регионы, окрашенные в цвет пламени, при различных условиях освещения и окружения.
Обоснование возможного алгоритма распознавания пламени по цвету
Justification of possible colour-based flame recognition algorithm
Для каждого кадра в видеоклипе следует выполнить следующие операции:
1 Преобразовать каждый кадр видео из пространства RGB в пространство HSV, где N -общее число кадров в видео клипе. Rj(x, у), Gj (х, у), Вг (х, у), Si (х, у) и Vi (х, у) представляют собой красную, зеленую и синюю компоненты в пространстве RGB, насыщенность и интенсивность в пространстве HSV пиксела с координатами (х, у). 2. Для каждого пиксела (х, у) в кадре Ff (2 < i < N) выполнить следующие операции: 2.1. Создать маску огненного цвета FCMj (х, у):
FCMt (x, у) =
1, если Rj (х, у) > 180 и Ri (х, у) > G} (х, у) = < и Gt{x,y)> Bt{x, у) 0, иначе
.а)
где порог г| = 180 получен на основе экспериментальных измерений. 2.2. Создать новую матрицу насыщенности:
s;{x,y) =
S, (х, у), если FCMj (х,у) = 1 О, иначе
(2)
2.3. Вычислить средний уровень SLevel ненулевых элементов S,.
2.4. Вычислить принадлежность к пламени в компоненте насыщенности:
FSI(x,y) =
Sj (х, у), если SLevel > 0,5 = < 1 -Sj (х, у), если SLevel < 0,5 и Яг;(х, у) > Г| Sj (х, у), если SLevel < 0,5 и Яг-.(х, у) < Г|
• (3)
2.5. Вычислить принадлежность компоненты интенсивности Г/ к пламени с использованием среднего значения интенсивности УЬеуе1\
\У1 (х, у), если У1 (х, у) > шах(0,51, VLevel). (4) [О, иначе
2.6. Оценить принадлежность пикселя к пламени:
FCSV^x, у) = FSj (х, y)-FVl{x, у).
(5)
Результаты проверки работоспособности алгоритма распознавания пламени по цветовым характеристикам
Validation results
Описанный алгоритм распознавания пламени по цветовым характеристикам был смоделирован в среде MATLAB и проверен на фрагменте видео с присутствием пламени. На видео представлена
Рис. 4. Демонстрация работы алгоритма: кадр видео до обработки (з), кадр видео после обработки (б)
Fig. 4. Demonstration of the algorithm: video frame before processing (a), video frame after processing (b)
съемка затемненного помещения с естественными и искусственными источниками освещения.
Результатом обработки является бинарное изображение, приведенное на рис. 4.
Результаты моделирования и показали работоспособность алгоритма распознавания пламени по цвету, и выявили его недостатки. Алгоритм выделяет не только пламя, но и его отражения, искусственные источники света. Следовательно, дальнейшая доработка требует сочетания обработки по цвету с другими информативными признаками пламени, к которым относятся движение контура пламени, мерцание, пространственное и временное изменения цвета пламени. Другим подходом обеспечения надежности работы системы является совместное использование телевизионных, тепловизионных и инфракрасных камер.
Из вышеизложенного можно сделать следующие выводы:
1. Сформулированы информативные визуальные признаки пламени, которые легли в основу обработки видеоизображения.
2. Реализован алгоритм распознавания пламени по цветовым характеристикам.
3. Результат моделирования продемонстрировал не только работоспособность алгоритма, но и его недостатки.
4. Разработанный алгоритм выдает бинарное отфильтрованное изображение, готовое к последующей обработке.
Библиографический список
1. Maynard Т. Fire interactions and pulsation - theoretical and physical modeling. Riverside: UC Riverside, 2013.
2. Hamins A., Yang J.C., Kashigawi T. An experimental investigation of the pulsation frequency of flames // Twenty-Fourth Symposium (International) on Combustion. The Combustion Institute. 1992. P. 1695-1702.
3. Гонсалес P., Вудс P., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006.
4. Катковский Л.В., Воробьев С.Ю. Применение видеотехнологий для повышения пожарной безопасности объектов // Доклады БГУИР. 2011. № 1. Т. 55. С. 12-18.
5. Ebert J. A Computer Vision-Based Method for Fire Detection in Color Videos // International Journal of Imaging. 2009. Vol. 2, No. S09. P. 22-34.
References
6. T. Mciynard. Fire interactions and pulsation - theoretical and physical modeling. Riverside: UC Riverside, 2013.
7. A. Hamins, J. Yang, T. Kashigawi. An experimental investigation of the pulsation frequency of flames // Twenty-Fourth Symposium (International) on Combustion. The Combustion Institute. 1992. P. 1695-1702.
8. R, Gonzalez, R. Woods, S.Eddins. Digital Image Processing Using MATLAB (Russian translation). Moscow. Tekhnosfera, 2006 {in Russian).
9. L. Katkovskv, S. Yorobyov. The use of video technology to improve the fire safety of facilities 11 Reports of BSUIR. 2011. No 1. T. 55. P. 12-18 {in Russian).
10. Ebert I A Computer Vision-Based Method for Fire Detection in Color Videos // International Journal of Imaging. 2009. Vol. 2, No. S09. P. 22-34.
Сведения об авторе
Хмелъшщкая Ксения Андреевна, аспирант СПбГУТ им. проф. М.А. Бонч-Бруевича, инженер АО «НИИ телевидения». Адрес: 194021. Россия5 Санкт-Петербург, ул. Политехническая, 22. Тел.: 8 909 592-96-14., E-mail: hmelnickayawimail.ru.
About the author
Khmelnitskaya, Kseniya A., Post-Graduate, Bonch-Bruevich State University of Telecommunications - Engineer, JSC Television Scientific Research Institute, address: 22, Politekhnich-eskaya St., St. Petersburg, Russia, post code 194021, tel.: 8 909 592-96-14. E-mail: hmelnickayatämail.ru.
Поступила / Received: 15.07.19 Принята в печать / Accepted: 30.08.19 © Хмельницкая K.Ä., 2019
