甄丽平 司绍伟

1石家庄经济学院信息工程系，石家庄，050031

2武警石家庄指挥学院通信基础教研室，石家庄，050006

基于模糊控制的图像火灾报警系统设计

甄丽平1司绍伟2

1石家庄经济学院信息工程系，石家庄，050031

2武警石家庄指挥学院通信基础教研室，石家庄，050006

本文旨在实现火灾图像的目标识别。先通过阈值分割和sobel算子对图像进行分割和边缘检测，并提取出火焰图像的面积特征和尖角特征，然后再根据基于模糊逻辑的图像识别对火灾进行判别，从而实现火灾预警。

火灾预警；图像识别；模糊逻辑

引言

火灾，作为一种自然和社会现象，给人类带来极大的威胁。现代社会，由于人口密度较大，高层建筑普及等因素，一旦发生火灾，后果极其严重。

本系统将模糊控制理论应用到图像火灾报警系统，其结构如图1所示。主要分为3部分：图像处理、特征提取、灾情判别。

对于获取的图像，首先要对其进行图像处理，将火灾火焰的图像从背景中分离出来，并对其进行边缘检测，勾画出火焰的轮廓；然后进行特征提取，将“面积增量”和“尖角变化量”作为判别火灾发生的特征；最后通过模糊智能算法将两个特征最有效的结合起来，对火灾进行判别。

图1 图像火灾报警系统基本结构

1 图像处理

图像处理目的是为了能在下一步有效的提取出所需的特征量。本文主要用到图像分割、二值化、边缘检测等处理。

图像分割和二值化可以将火焰图像从背景中分离出来。本文利用直方图阈值分割法，选取阈值为180，当像素的颜色灰度值大于该阈值时，该像素点属于火焰图像，其灰度取最大值255；否则，灰度取最小值0。

边缘检测处理将火焰图像的边缘轮廓提取出来。本文采用Sobel算子对图像进行边缘提取，勾画出火焰图像的轮廓，为后续尖角特征的提取做准备。经上述图像处理后的图像如图2所示。

图2 图像处理情况

2 特征提取

火灾初期火焰的变化如图2所示，根据火焰“面积连续增大”和“边缘抖动”的特性，选取“面积增量”和“尖角变化量”（绝对变化量）作为特征量。

图2 早期火焰图像（连续三幅）

面积是描述区域大小的最基本特征，可以通过统计分割后目标物体的像素点数来实现的，即统计像素灰度值大于阈值的个数。火灾图像的“面积增量”是两幅相邻图像面积的差。

对火焰尖角来说，特征点首先是它的顶点，顶点是局部的极值点，尖角的顶点可以是多个点。尖角的一个特征就是“尖”，给人的视觉效果是狭而长，这要求尖角的体态要符合一定的标准，尖角左右两边的夹角满足一定的条件。尖角是由一个个的点组成的，令尖角中某一行的亮点数为f(n)，上一行的亮点数记为f(n-1)，尖角狭长可以通过f(n)/f(n-1)的值来判断。

3 火灾判别

本文的火灾识别系统中，将模糊逻辑应用到判别过程，利用模糊智能算法将“面积增量”和“尖角变化量”两个判据有效地结合起来进行判断。

提取出的特征量“面积增量”和“尖角变化量”作为输入，经过模糊化、模糊推理、逆模糊化后，对输出量进行判别。

3.1 模糊化

在模糊控制系统中，我们得到的观测数据往往是精确值，而模糊控制中的控制规则所用到的都是模糊的语言量，所以必须要进行输入的模糊化。

“面积增量”（△s）、“尖角变化量”（△n）作为火灾判据的输入参数分成三个区间：S——基本无变化；M——有变化；B——变化非常大。输出量火灾发生概率p分为3个区间：S——非火灾，M——警惕，B——火警。

本系统中输入、输出均采用等腰直角三角形的隶属函数，如图3所示。

图3 各模糊集隶属函数

相对应离散域上模糊集的隶属函数如表1。

表1 离散域上模糊隶属函数

3.2 模糊推理和逆模糊化

模糊推理是由一批模糊推理规则决定，它的形式为语言变量表示的模糊条件语句。推理的前件为（面积增量）和（尖角数目绝对变化量），后件为（火灾发生），典型的第i条推理规则表示为：

Ri : if △s= S ，△n= S then P= S

表2为模糊推理规则表。

表2 火灾报警模糊推理规则表

模糊推理的方法很多，本文查表法。控制表是根据控制规则和推理方法所形成的输入量化值与输出量化值的关系表格。在控制表中，给出的是输入领域与输出论域元素的关系。制造控制表的步骤如下：

⑴求模糊关系R。设模糊控制器有k条规则：

则每条规则的关系为：

由此可得出控制器的关系R:

⑵求输入量量化后的模糊量。

设Ai（i=1，2，…，m）的论域为|-p,-p+1,…,0,…,p-1,p|；

设Bj的（j=1，2，…，m）论域为|-p,-p+1,…,0,…,p-1,p|；

设Cj的论域为|-p,-p+1,…,0,…,p-1,p|。

对于精确量a，在经量化后必定为对应论域中的某个元素，故a在量化之后，可能为下列任一模糊量Ai:

⑶求输出论域量并形成控制表。

根据模糊关系可求出模糊量Cij：

并采用最大隶属度法进行反模糊化，则可得到控制量u：

u = {C | max μcij(C)}

只要把Ai和Bj的所有可能一一对应作为输入，全部求出相应的输出精确时，就可以得到一组组的数据：

其中：{C | max μcij(C)}是表示模糊量Cij求隶属度最大的元素。

在得出以上（2p+1）×（2p+1）组数据之后，就可以得到模糊控制总表。

3.3 判别

由于本系统中输出量也是模糊概念，不需要精确值，所以在可以直接对输出离散论域值进行判别即可，不必求出实际的输出量（火灾发生概率）。火灾输出模式有3种：

模式 离散论域值

非火灾 n < 3

警惕 3≦n<6

报警 n≥6

4 总结

采用模糊逻辑判断火灾，可以体现火灾发生、发展的具体过程，提高报警准确性。首先，火灾本身就是一个模糊集合，每次燃烧最终是否都能发展成为火灾，是一个模糊概念。且每次火灾发展过程也是不确定的，所以火灾发展的规模也是一个模糊集合。其次，燃烧过程中，各种火灾参数之间的关系是模糊逻辑关系。可见，用模糊逻辑判断火灾更能体现火灾发生、发展的全过程，提高火灾报警的准确性。

[1]Kenneth.R.Castleman；朱志刚，石定机等译.数字图像处理.北京：电子工业出版社.1998：374-471

[2]阮秋琦,等.数字图像处理学.北京:电子工业出版社.2001：481-528

[3]沈庭芝.数字图像处理与图像识别.北京:北京理工大学出版社.1998：85-192

[4]余永权.模糊控制技术与模糊家用电器.北京:北京航空航天大学出版社.2000：57-111

[5]吴龙标，宋卫国，卢结成.图像火灾监控中一个新颖的火灾判据.火灾科学.1997，02：60-66

10.3969/j.issn.1001-8972.2011.08.066

甄丽平，讲师，硕士学位，研究方向：电子信息技术。