图像型火灾探测中消防炮定位技术研究.docx

《图像型火灾探测中消防炮定位技术研究.docx》由会员分享，可在线阅读，更多相关《图像型火灾探测中消防炮定位技术研究.docx（39页珍藏版）》请在三一办公上搜索。

1、图像型火灾探测中消防炮定位技术研究摘要 随着大空间火灾探测技术的研究，传统的消防已经不适用于大空间的灭火，为了克服传统灭火系统的不足，在此基础上本文提出了利用高压水炮进行定点灭火的技术。 论文是在系统已经实现火灾探测的基础上提出的高压水炮空间定位技术，即在发生火灾的情况下，在对火灾各种特征进行了提取和干扰的排除后，利用计算机计算火灾的空间位置。本文提出的定位算法具有定位准确、识别性较高、计算速度快、实时性较高等特点。 论文结合计算机图形学、数字图像处理、计算机视觉等技术，将摄像头采集的火灾火源的图像经过相应的变换，转换成实际的世界坐标，并结合高压水炮和摄像机各参数，直接计算出高压水炮的定位参数

2、。关键字：火灾探测；计算机视觉；高压水炮定位Image Type Fire Detection System of Water Cannon Positioning Technology ResearchAbstractWith the large space of fire detection technology research,the traditional fire has not used for large space of fire.In order to overcome the deficiency of traditional fire-extinguishing sys

3、tems,on the basis of this proposed using water cannon fire on the dot.In system has achieved fire detection is proposed on the basis of the water cannon space positioning technologies. Also in the cases of fire,after in various characteristics of fire and elimination of interference,using the comput

4、er calculation of fire in space.In this paper the positioning algorithm has accurate positioning,identification and computing speed and high performance characteristics and so on. This paper based on computer graphics, digital image processing technology, computer vision, etc.The camera image acquis

5、ition of fire source through the corresponding transformation.Convert the actual world coordinates and combined with water cannon and camera parameters.It also can calculate water cannon positioning parameters.Key words:Fire detection;Computer vision;Water cannon position目录1.绪论51.1 引言51.2 研究背景和意义61.

6、2.1 传统火灾探测技术的不足61.2.2 图像型火灾检测技术的提出71.2.3国内外研究现状72.图像型火灾探测102.1 概述102.2 原理介绍102.3 火灾图像处理系统的硬件组成112.4 火灾图像的获取122.5 火灾图像的分割处理132.5.1 区域生长法分割图像132.5.2阈值选取算法132.6 火灾图像的仿真处152.6.1 图像预处理152.6.2 图像分割与特征提取182.6.3 灰度阈值分析193 基于计算机视觉的高压水炮定位的研究203.1 计算机视觉203.1 .1计算机视觉203.1.2 计算机视觉的方法及其应用213.1.3 计算机视觉与图像处理、图像分析的异

7、同223.2 空间定位双目成像原理223.3 双目定位算法中彩色图片中火灾位置的确定263.4 火灾空间定位的优化算法303.4.1 实用传统双目定位算法的缺陷303.4.2 改进的空间定位算法314 高压水炮的空间定位系统设计和实现344.1 高压水炮定位算法344.2 高压水炮的空间定位系统的设计34总结36致谢37参考文献381绪论1.1 引言火的应用对人类的文明和社会的进步起了巨大的推动作用。然而火一旦失控，会给人类带来巨大的灾难，形成火灾。据统计火灾危害性大，仅次于干旱和洪涝且发生频率居于各灾种之首，因此防止火灾的发生和及时灭火，就是一个值得深入研究的课题。传统的火灾探测技术是通过探

8、测器，对烟雾、温度、火焰和燃烧气体等火灾参量做出有效反应，通过敏感元件，将表征火灾参量的物理量转化为电信号，送到火灾报警控制器。传统技术在大空间、大面积、环境比较恶劣和室外坏境等场所不能很好的发挥现有火灾探测设备的作用。 而近年来 ,随着经济的飞速发展 ,各种高层的建筑群体不断涌现。对于人口密集、财产集中的高层建筑,其消防安全问题就突显出来。传统的火灾探测技术有感温、感烟、感光及复合型等模式。这些技术不仅在灵敏度和可靠性方面有待提高,而且不能对火灾最初的信号做出反应。因此 ,近年来积极研究并提出了图像型火灾探测技术 ,图像型火灾探测技术是一种以计算机为核心，结合光电技术和数字图像处理技术而研制

9、的火灾自动监测报警系统。它利用摄像头对现场进行监视，对摄取的视频信号由图像采集卡捕捉为数字图像并输入计算机，根据火灾的图像特征进行处理和分析，从而达到探测火灾是否发生的目的。基于图像处理的火灾检测方法能有效的弥补上述传统火灾检测方法的不足。该技术既可在多粉尘、高湿度的室内环境中使用 ,也可在室外环境中使用 ,对火灾初始信号有更高的灵敏度 ,具有很好的应用前景。而图像型火灾探测系统中的高压水炮定位更是解决了消防的问题，可以在火灾开始发生时探测到火灾，并驱动高压水炮进行灭火，阻止火灾进一步扩大，避免不必要的人员和财产损失。高压水炮定位系统在消防安全中具有重要的地位和作用，它能够在发生火灾时，保护火

10、灾区域内的人身安全和建筑物建筑结构的安全。实现水炮定位的的先决条件在于对火灾发生的空间位置的确定。本课题用计算机视觉知识作为基础，对火灾空间定位算法进行了研究。这样，就可以把消防喷水系统和火灾探测集成在一起，具有自动扫描定位功能，在PLC的控制下对准火源，进行灭火。还将大大缩减联动系统，简化消防设备的布置，降低了成本。此外，还有灭火及时，将火灾损失减到最低的优点。1.2 研究背景和意义在现有的各种火灾报警和消防监控设备中，大多数场所的火灾检测中，都采用常规的火灾探测的方法，如感烟、感温、感光探测器，它们分别利用火焰的烟雾、温度、光的特性来对火灾进行探测。对于室外仓库和大型室内仓库等大空间场合中

11、，上述传感器信号由于空间的巨大而变得十分微弱。即使是高精度的传感器也会由于种种干扰噪声而无法工作。随着计算机及图像处理技术的发展，国内外为解决此类场合的火灾报警问题，开始提出运用图像处理技术来进行火焰探测。而基于图像型火灾探测的消防炮定位技术的研究也应运而生。1.2.1 传统火灾探测技术的不足传统型火焰探测器主要包括感烟、感温、感光及混合型探测器，这些探测器都具有一定的不足，只适用于特定场合的使用。如下分析所述：（1）感烟型探测器是探测由火灾产生的烟气发出报警信号。火灾发生后，温度较高的火灾烟气向上运动，安装于顶棚上的感烟探测器探测到烟气浓度大于某一极限浓度，就会发出报警信号。但是在大空间中，

12、火灾烟气上升到十几米或几十米高处时，受到空气的稀释，其温度和浓度都大大降低，到达顶棚的烟气浓度达不到报警极限，感烟探头就不会产生报警信号。另外，若环境中的粉尘浓度过大，会引起感烟型探测器误报警，并且长期的粉尘环境和过大的湿度也会使感烟型探测器失效，产生误报警或不报警。（2）感温型探测器是探测由火灾而产生的温度变化来发出报警信号。在大空间中，空间高度太高或空气的气流速度大于5 米/秒时，都会影响感温探测器的感应，难以实现早期火灾报警。（3）感光型探测器是探测火焰发出的红外或紫外光发出报警信号。这种探测器由于判据单一，容易对高功率热源或强光(如电弧等)产生误报警。（4）复合型探测器没有完全消除以上

13、的缺点，仅仅增加判据的数目，使探头的整体性能有改善，但在环境状况比较恶劣、存在众多干扰的情况下(灰尘、电磁干扰、水蒸气、空调、光干扰、震动等)，仍无法应用于大空间火灾的探测报警。（5）传统的探测器大都应用于在较小的空间中，如感温探测器的安装间距不超过10米，感烟探测器的安装间距不超过15米，探测器周围0.5米内不可以有遮挡物，不适合在大空间中使用。由此我们可以看出，传统型火灾探测技术，由于受到各种因素（空间高度、空气流速、粉尘、温度、湿度等）的影响，或被保护场所的特殊要求，都会遇到各种困难，从而失去效用。1.2.2 图像型火灾检测技术的提出对于传统火灾探测技术都把火灾过程中的某个特征物理量作为

14、检测对象。近年来，火灾科学界逐渐将注意力转移到火灾现象本身和深层次的机理研究方面，随着对火灾过程和机理研究的不断深入，我们可以从一个新的角度考察火灾现象和火灾过程。将基于感温、感烟、感光的火灾探测模式发展成基于实时影像的火灾探测模式，将影像测量、图像处理、计算机多媒体等新兴技术应用于火灾探测中来。图像型火焰探测技术关心的是火灾中各种物理现象在图像上的表现，以及这些图像表现在多大程度上代表火灾的典型特征而明显区别于火灾以外的其他物理现象。图像型火灾探测技术针对性地克服常规火灾探测技术的一些主要弱点，基本消除复杂、恶劣环境因素对火灾探测系统的影响，作为控制面积大、适用于大空间（包括开放空间）的一种

15、可靠的火灾监控技术，在当前火灾形势日益严峻的今天，其经济效益社会效益都是十分巨大的。图像型火灾探测系统是利用 CCD 摄像机作为探头，将被监视现场的图像输入计算机，利用图像处理的算法，从图像序列中识别出有无火灾的发生。在发现火灾的情况下，可以启动各种灭火系统和疏散系统。在图像型火灾探测系统中，关于火灾探测的图像处理的算法决定系统的性能。1.2.3国内外研究现状国外对于火灾监控技术的研究有较长历史，并研发了各种类型的火灾监控系统，其技术成熟，应用广泛。例如，日本日探株式会社开发的红外线火灾探测水炮灭火系统，系统由红外线火灾探测、水炮装置、监视器和中央控制台组成。其红外线火灾探测装置利用高温二氧化

16、碳的共鸣放射能量作为探测和定位的判据，由于非火灾热源不能产生高温二氧化碳，因此即使到达火灾的同一温度，也不会导致误报，这能极大地减少误报的概率。探测装置对监控区域进行水平200m、垂直90m。的三维扫描，监视距离可达200米，火源的探测分析能力为05米，探测误差为2米，与红外线火灾探测装置联动的水炮灭火系统射程可达100米，有4种型号可供选择，rrv监视器能自动瞄准火源，用于确认火灾和喷水状况，中央控制台可进行集中监视和控制。该系统己应用于神户时装表演城、京都火车站、大阪体育馆、北九州体育馆、神户市体育馆、台北金融大厦等处。美国诺蒂菲尔公司推出的IPX751新型先进多传感器探测系统。这种新型探

17、测系统是由光电、离子及感温传感器复合组成，其装有一个具有先进算法的微处理器，可使传感器共同工作。该产品能够随时分析报警情况，在快速响应各种火灾的同时，还具有极高的免误报能力。IPX751多传感器探测系统的离子和光电探测元件灵敏度高，可在提供优异探测能力的同时，大大减少误报。此外，还增加了感温元件，能使系统探测任何类型的火灾。英国瓦哥那的Titanus3000高灵敏度吸气式感烟探测系统采用神经网络和高级处理算法鉴别被吸入的气样是否含有真实火灾产生的烟粒子，并以同样方法排除诸如灰尘和粉尘等误报现象，具有很高的防误报能力，能够可靠地分辩真假火灾现象。另外，该系统也可通过这种先进方法，实现极高感烟灵敏

18、度，并可根据应用环境，调整不同灵敏度等级。该产品主要用于使用传统感烟探测系统不可靠的场所，如回收厂、面粉厂、冷冻库和电磁兼容性较高的区域等。Bosque公司的BSDS系统采用红外和普通摄像机的双波段监控，可以对林火在短时间内进行识别并发出警报。摄像机安装在观测塔上，观测塔与指挥中心采用无线通信，系统能准确识别森林火灾，可以区别其它现象的干扰，误报率较低。系统还具有火灾行为预测软件，参照监控区域的地形数据和植被情况，根据起火地点来预测火势发展。软件还能模拟灭火过程，从而有效地控制火势。在火灾频繁发生的季节中，实时的画面能让监控人员无需到达现场，就能得到火灾情况的比较，对较严重的火灾先采取措施。F

19、ire Sentry公司的VSD-8(Visual Smoke Detection)系统基于复杂的计算机视觉技术，通过CCTV图像烟雾边缘检测技术可以在火灾初起阶段报警，适用于电站、化工厂和造纸、水泥、污水处理等企业。 国内起步虽然较晚，但一些科研机构也做了积极的研究，并取得了一定的进展，如科大立安安全技术有限责任公司。其开发了“LAl00型大空间火灾安全监控系统”，系统由双波段火灾探测器、线型光束图像感烟火灾探测器和远控消防炮系统组成，拥有“双波段图像火灾探测技术”和“光截面图像感烟火灾探测技术”。线型光束图像感烟火灾探测器分为发射器和接收器，采用人工发射的红外线形成光截面，该探测器火灾响应

20、时间短，反映区域大，配置灵活，安装方便，当燃烧时产生的上升烟雾遮挡住红外线，便会产生报警。双波段火灾探测器具有火焰探测功能，其由红外CCD和彩色CCD组成，可将采集到的红外视频图像信号彩色视频图像信号传送给信息处理主机，利用火灾在视频图像上的特征进行火灾探测和定位。报警灵敏度可现场编程灵活设定，以满足不同场所需要。其采用非接触式探测，可以在防护罩内安装，具有防尘、防潮、防腐蚀功能，对环境因素适应能力强(灰尘、潮湿、温度、一般腐蚀性气体或防爆场所等)，可用于环境恶劣的工业场所。LAl00能实现大空间建筑早期火灾的探测和三维空间定位，对消防炮在大空间建筑中的自动定位灭火问题有较好的解决，已成功应用

21、于中央电视台、人民大会堂、首都体育馆等数个国家重要单位，以及一些会展中心和企业。目前日本、欧美等国家在大空间建筑中普遍使用的消防炮火灾监控系统，虽然性能成熟，能够较精确地探测和定位火灾，并得到广泛应用，但价格昂贵，如日本的消防炮，每台报价约人民币100万元，整套系统可达上千万元。为了解决国内的巨大需求，开发性能相似、价格低廉的大空间火灾监控系统是十分必要的。因此以价格相对低廉的CCD摄像头作为传感器的图像型火灾探测中消防炮定位技术在我国是有很大的应用前途的。CCD摄像头虽然不能直接探测火灾，但其能够反映较多的火焰特征信息，我们可以结合机器视觉技术，利用处理分析CCD采集的图像信息来进行火灾探测

22、定位。由于CCD的信息量丰富，可同时反映火灾火焰和火焰烟气的信息，如果本系统加强在早期火灾烟气探测方面的算法研究，就可以解决阴燃等特殊情况，最大限度地提高系统可靠性和适用范围。2.图像型火灾探测2.1 概述当前室内火灾报警技术已经比较成熟。通过对光、烟、湿度等参考量加以判断，然后直接实施灭火措施，进行断电、喷水等并报警。而对于室外的或大面积的监控对象(如高层建筑、船舶码头、油库、大型仓库等)，相对来说可以使用的探测方式较少，利用图像进行火灾监控是目前主要的研究方向。由于图形包含的数据量很大，所以首先需要对图像进行预处理，通常包括图像增强、滤波、细化等几个方面，然后对图像进行分割。分割的目的是把

23、图像空间分成一些有意义的区域，可以以像素为基础去研究图像分割，也可以利用在指定区域中的某些图像信息去分割。分割可以建立在相似性和非连续性的两个基本概念上，其目的就是为下一步的图像识别打下坚实的基础。精确的分割处理是提高整个探测系统准确性、鲁棒性的前提条件，但同时由于各种环境下光照亮度的变化，以及经常存在的干扰光源的影响，实现精确分割的难度较大。2.2 原理介绍火灾火焰一般具有较为明显的视觉特性:阴燃亮光、火焰颜色、闪烁和外形变化等。由于火灾火焰的颜色与温度具有相关关系,随着火焰由焰心到火焰外表面温度的升高,其颜色依次为暗红色、红色、橙色、蓝色、蓝白色和白色。我们通过实际火灾火焰的图像像素颜色分

24、布统计仿真分析,还发现火灾火焰的颜色呈现指数分布规律的分布特性,及火灾火焰的颜色分布的周界可以用指数函数加以拟合,正是抓住了这种颜色分布规律,我们比较“干净”地区分出了图像中的“火焰”信息和背景噪声信息。 其次,火灾火焰的燃烧遵循一定的规律,通过探究其从根部开始,向上膨胀直至消失的过程,可以发现,火灾火焰都是“活”的,具有跳动的规律性特性。于是,我们设计了特殊的低通滤波器,并成功地得到了火灾火焰的跳动频率,我们把它叫做火灾火焰的闪烁频率,而且我们把这种闪烁频率作为火灾火焰的基本特性,用于判断火灾火焰在图像中的表现，从而能够把火灾火焰从众多噪声信息中加以区分。除开上述两种火灾火焰的特性之外,我们

25、还试图归纳出火灾火焰的发展趋势及其在图像上所表现出来的外形变化特征,还有基本固定的着火点等综合信息,用于火灾火焰在序列视频图像帧中是否准确存在的判断依据。2.3 火灾图像处理系统的硬件组成一般图像处理系统是由图像输入设备、保存图像的存储设备以及处理图像的计算机等组成。在火灾探测系统中，需要将摄像机的视频信号数据输入电脑，并转换成电脑可辨别的数字数据，以便进行进一步的火灾识别和处理。这需要摄像器件获取视频图像，需要使用视频采集卡以完成转换过程。以下对摄像头和视频采集卡进行重点介绍。（1）摄像器件 对于一般物质如木制品等易燃物，早期火灾的主要光谱特征在红外、红光以及黄光范围，般燃烧很难达到蓝光范围

26、。通过摄像机摄取的影像，利用实时影像的多重判据，可实现火灾早期探测。由于彩色影像中的干扰信息很多，单纯依靠彩色影像进行火灾的探测是不够的，红外光谱的组合利用将极大的改善利用影像信息探测火灾的效果，一般称这种组合探测方式为双波段图像型火灾探测。用于火灾探测的摄像器件应根据火灾的典型光谱特征进行选择。如上一节所述，早期火灾的各种物理现象(阴燃、火羽流和烟气)都存在着大量的红外辐射，尽管其峰值辐射光谱范围较窄(1.8um97um)，但整个辐射光谱基本上包括了热辐射的光谱范围：0.2um100um。由于20um100um为强水气吸收带，因此在工程上有意义的波长范围为02um20um。据此，早期火灾图像

27、探测可选择对特定光谱敏感的像敏元件作为探测器件。根据微电子技术的发展状况，可以实现以上探测功能的摄像器件主要有以下四种：热像仪、微光摄像机、黑白CCD摄像机以及彩色CCD摄像机。（2）视频采集卡常用的视频输入处理芯片有荷兰PHILIPS公司的SAA711l以及海康威视公司的DS一40xxHC，支持RGB和YUV两种格式。虽然海康威视公司的Ds一40xxHC对RGB格式的支持稍弱，但性价比较高，且基本功能满足系统需要，因此本系统采用该款视频卡。（3）图像文件格式数字图像处理的软件部分是火灾探测系统的核心。它对数字图像首先进行图像分割，然后利用图像特性对这些目标亮点区域加以识别和分类，检测出图像中

28、是否有火灾。在处理火灾图像的过程中，我们将用图像作为实际的载体，进行早期火灾火焰和其他干扰现象的识别、分辨。下面对YUV图像格式进行简单介绍。YUV格式在现代彩色电视系统中广泛使用。现代彩色电视系统通常采用三管彩色摄像机或彩色CCD摄像机，把所摄得的彩色图像信号经分色棱镜分成Ro，Go，Bo三个分量的信号：分别经放大和校正得到三基色，再经过矩阵变换电路得到亮度信号Y、色差信号R-Y(u)和B-Y(V)，最后发送端将Y、R-Y(U)和B-Y(V)三个信号进行编码，用同一倍道发送出去，这就是我们常用的YUV彩色空间。YUV的色度频道的采样率可比Y频道低，同时不会明显降低视觉质量。通过描述Y、U、V

29、的采样频率比例，YUV格式可分为4：4：4格式、4：2：2格式、4：2：0格式。在4：2：2格式中，数据可被视为一个不带正负号的char值组成的数组，其中第一个字节包含第一个Y样例，第二个字节包含第一个U样例，第三个字节包含第二个Y样例，第四个字节包含第一个V样例，如图1所示。Increasing memory address YO UO Y1 V0 Y2 U1 Y3 V1 Y4 U2 Y5 V2 图2-1 YUV4:2:2 内存布局2.4 火灾图像的获取火焰燃烧时的红外辐射主要集中于950nm至2000nm的波段，因此本系统采用带有红外滤镜的CCD摄像头，该滤镜能将可见光完全滤除掉，只有波长

30、大于850nm的红外辐射才能形成视频信号。该视频信号通过海康威视公司的视频卡转换成数字图像序列。该数字图像序列为YUV4：2：2格式，为便于处理，需要对图像解压缩成最为直观的bmp格式。其转换公式为： (2-1)在实际情况中，大部分时间处于无疑似火源的状态，因此可对图像序列先进行简单的有无异常情况的判断。本系统采用减法运算来检测图像的状态是否有改变。运算公式为：(2-2) Pi(x,y)为待处理的图像，P(x,y)为基准图像。当Pi(x,y)=0时，表示当前图像无异常；Pi(x,y)0时，表示出现新的火源或亮点，则进入下面对各种特征值的计算，判断该异常图像是否为火灾图像。2.5 火灾图像的分割

31、处理2.5.1 区域生长法分割图像 分割的目的是要把一幅图像划分成一些小区域，对于这个问题的最直接的方法是把一幅图像分成满足某种判据的的区域；也就是说，把点组成区域。与此相对应，数字图像处理中存在一种分割区域的方法称为区域生长或区域生成。 假定区域的数目，以及在每个区域中单个点的位置已知，则可推导出一种算法。从一个已知点开始，加上与已知点相似的的邻近点形成一个区域。这个相似性准则可以是灰度级、颜色、几何形状、梯度或其他特性。相似性的测度可以由所确定的阈值判定。它的方法是从满足检测准则的点开始，在各个方向上生长区域。当其邻近点满足检测准则就并入小区域中，当新的点合并后再用新的区域重复这一过程，直

32、到没有可接受的邻近点生成过程终止。 当生成任意物体时，接受准则可以以结构为基础，而不是以灰度级或对比度为基础。为了把候选的小群点包含在物体中，可以检测这些小群点，而不是检测单个点，如果他们的结构与物体的结构充分并已足够相似时就接受他们。另外，还可以使用界线检测对生成建立“势垒”，如果在“势垒”的临近点和物体之间有界线，则不能把该临近点接受为物体中的点。2.5.2阈值选取算法要将目标从背景中分离出来，就需要对图像迸行分割。使用阈值分割技术，对像火灾场景之类的物体与背景有较强对比的景物的分割特别有用。它计算量不大，而且总能用封闭并连通的边界定义不交叠的区域。在该规则下，所有灰度值大于或等于某闽值的

33、像素都被判断属于背景。目前为止，有多种阈值计算方法，如固定阈值法，类判别分析法，Otsu阈值算法等。其中，Otsu阈值算法(又称最大类间方差法)计算量相对较小，在一定条件下不受图像对比度与亮度变化的影响，因而被认为是阈值自动选取的最优方法，得到了广泛的应用。记f(i,j)为M*N的图像在(I,j)点出的灰度值，图像灰度级数记为L。设(i,j)的取值范围为0,L-1。记p(k)为灰度值为k时的频率，则有：(2-3) 假设用灰度值t为阈值分割出的目标与背景部分分别为：|和则有如下的表达式：目标部分比例: (2-4)背景部分比例： (2-5)目标均值： (2-6)背景均值： (2-7)总均值： (2

34、-8)Ostu算法求取图像最佳阈值g的公式为： (2-9)上式右边括号内实际上就是类问方差值，阁值g分割出的目标和背景两部分构成了整幅图像。方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类问方差最大的分割意味着错分概率最小，这也是大律方法的含义。根据计算所得的闽值g，图像可以被二值化为(O，255)的二值图像。2.6 火灾图像的仿真处2.6.1 图像预处理1.灰度变化一般成像系统只具有一定的亮度响应范围，常出现对比度不足的弊端，使人眼观看图像时视觉效果很差；另外，在某些情况下，需要将图像的灰度级整

35、个范围或者其中某一段扩展或压缩到记录器件输入灰度级动态范围之内。对比度调整前后的图像及其直方图如图2-2所示。图2-2 对比度调整前后的图像及其直方图2.直方图修正 (1) 直方图均衡化原始图像及直方图均匀化后的图像及直方图，如图2-3所示。图2-3 原始图像及直方图与直方图均衡化后的图像及直方图 (2)直方图规定化。原始图像及其直方图与直方图规定化后的图像及其直方图，如图2-4所示。图2-4 原始图像及其直方图与直方图规定化后的图像及其直方图 (3) 图像的平滑。对图像进行低通滤波和中值滤波的效果图如图2-5所示。图2-5 对图像进行低通滤波和中值滤波 (4)图像的锐化。图像在传输和变换过程

36、中会受到各种干扰而退化，比较典型的就是图像模糊。图像锐化的目的就是使边缘和轮廓线模糊的图像变得清晰，并使其细节清晰，如图2-6所示。图2-6 sobel算子对图像锐化结果 图2-7 拉式算子对图像锐化结果2.6.2 图像分割与特征提取利用边缘检测方法的检测效果，如图2-8所示。图2-8 sobel算子和canny边缘检测结果2.6.3 灰度阈值分析利用灰度阈值分割法截取分割后的图像，如图2-9所示。图2-9 图像阈值分割3 基于计算机视觉的高压水炮定位的研究高压水炮定位灭火系统在消防安全中具有重要的地位和作用，它能够在发生火灾时，保护火灾区域内的人身安全和建筑物建筑结构的安全。实现高压水炮定位

37、的先决条件在于对火灾发生的空间位置的确定。本课题用计算机视觉知识作为基础，对火灾空间定位算法进行了研究。这样，就可以把雨淋喷水系统和火灾探测集成在一起，具有自动扫描定位功能，在PLC的控制下对准火源，进行灭火。还将大大缩减联动系统，简化消防设备的布置，降低了成本。此外，还有灭火及时，将火灾损失减到最低的优点。3.1 计算机视觉3.1 .1计算机视觉 (1) 计算机视觉的定义：计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重

38、要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认识科学等。 (2) 原理：计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重要应用领域就是自主车辆的视觉导航，目

39、前还没有条件实现象人那样能识别和理解任何环境，完成自主导航的系统。因此，目前人们努力的研究目标是实现在高速公路上具有道路跟踪能力，可避免与前方车辆碰撞的视觉辅助驾驶系统。这里要指出的一点是在计算机视觉系统中计算机起代替人脑的作用，但并不意味着计算机必须按人类视觉的方法完成视觉信息的处理。计算机视觉可以而且应该根据计算机系统的特点来进行视觉信息的处理。但是，人类视觉系统是迄今为止，人们所知道的功能最强大和完善的视觉系统。如在以下的章节中会看到的那样，对人类视觉处理机制的研究将给计算机视觉的研究提供启发和指导。因此，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的计算理论，也是一个非常重要

40、和信人感兴趣的研究领域。这方面的研究被称为计算视觉（Computational Vision）。计算视觉可被认为是计算机视觉中的一个研究领域。3.1.2 计算机视觉的方法及其应用计算机视觉发展已有二十多年，随着计算机控制理论、模式识别、人工智能和生物技术的发展，计算机视觉在机器人、工业检测、物体识别、卫星图像分析、医学辅助诊断、航空测绘和军事技术中的应用越来越广，研究方法也由二维推到三维，从串行到并行，从直接依赖输入信号的低层处理到依赖特征、结构、关系和知识的高层处理。 一般有源的视觉方法通过发光装置的控制，使系统获得更多的信息，降低问题难度，加快运算速度。基于灰度分布的方法主要是利用在固定光

41、源照射下，随着物体表面法向的改变，使获得的图像也发生相应变化的原理。基于区域的视觉方法假定在对应点的某一领域内，其灰度相近似或灰度差小于一个门限，因此可以采用平均绝对差、互相关系数等方法互相匹配。计算机视觉的应用很广，下面简述几个成功应用方面：(1)机器人视觉。如物理识别与定位、障碍识别与回避，自动导航等；(2)图像图形识别系统。如条形码、邮编、指纹染色体等识别；(3)工业检测系统。如集成电路芯片检测；(4)航天及军事应用。如卫星照片的自动分析与判读，景物识别，目标检测、识别和定位，目标跟踪，成像精确制导等；(5)医学应用。如基于CT图像的内部器官的重建，医学图像的分析、描述和识别，DSA(数

42、字减影)技术，盲人导航视觉等。总之，计算机视觉的应用正越来越多的代替人去完成许多工作，提高了自动化和机器智能水平，为智能机器人和智能系统发展奠定了基础。本文就是利用计算机视觉在图像型火灾探测系统的基础上实现高压水炮的定位，减小火灾引起的人员伤亡和财产损失。3.1.3 计算机视觉与图像处理、图像分析的异同计算机视觉，图象处理，图像分析，机器人视觉和机器视觉是彼此紧密关联的学科。如果翻开带有上面这些名字的教材，会发现在技术和应用领域上他们都有着相当大部分的重叠。这表明这些学科的基础理论大致是相同的，甚至让人怀疑他们是同一学科被冠以不同的名称。然而，各研究机构，学术期刊，会议及公司往往把自己特别的归

43、为其中某一个领域，于是各种各样的用来区分这些学科的特征便被提了出来。下面将给出一种区分方法，尽管并不能说这一区分方法完全准确。计算机视觉的研究对象主要是映射到单幅或多幅图像上的三维场景，例如三维场景的重建。计算机视觉的研究很大程度上针对图像的内容。图象处理与图像分析的研究对象主要是二维图像，实现图像的转化，尤其针对像素级的操作，例如提高图像对比度，边缘提取，去噪声和几何变换如图像旋转。这一特征表明无论是图像处理还是图像分析其研究内容都和图像的具体内容无关。机器视觉主要是指工业领域的视觉研究，例如自主机器人的视觉，用于检测和测量的视觉。这表明在这一领域通过软件硬件，图像感知与控制理论往往与图像处

44、理得到紧密结合来实现高效的机器人控制或各种实时操作。模式识别使用各种方法从信号中提取信息，主要运用统计学的理论。此领域的一个主要方向便是从图像数据中提取信息。还有一个领域被称为成像技术。这一领域最初的研究内容主要是制作图像，但有时也涉及到图像分析和处理。例如，医学成像就包含大量的医学领域的图像分析。对于所有这些领域，一个可能的过程是你在计算机视觉的实验室工作，工作中从事着图象处理，最终解决了机器视觉领域的问题，然后把自己的成果发表在了模式识别的会议上。3.2 空间定位双目成像原理本系统火灾空间定位算法采用双目成像算法。双目成像可获得同一场景的两幅不同图像，双目成像时的模型可看作是由两个单目成像

45、模型组合而成。图3-1给出双目成像的一个示意图，图中的两个镜头中心间的连线称为系统的基线B。利用双目系统可以定具体有像平面坐标点(X1,Y1)和(X2,Y2)的世界点W的坐标(X,Y,Z)。当摄像机坐标系统和世界坐标系统重合后，像平面与世界坐标系统的XY平面也是平行的。在以上条件下，W点的Z坐标对两个摄像机坐标系统都是一样的。如果摄像机坐标系统和世界坐标系统不重合，可先进性坐标的平移和旋转使其重合再投影。 图3-1双目成像示意图图3-2 双目成像中的视差测距原理图从客观场景到数字图像的成像变换可看作由以下4步组成：(1) 从世界坐标系(X,Y,Z)到摄像机坐标(x,y,z)的变换，变换可表示为

46、：(3-1)其中R是3*3旋转矩阵，是两坐标系统三组对应坐标轴间夹角的函数；T是1*3平移矢量。(2)从摄像机坐标(x,y,z)到无失真像平面坐标(x,y)的变换是：(3-2)(3-3)(3)从无失真的像平面坐标(x,y)到受镜头径向失真影响而偏移的实际像平面坐标(x,y)的变换是：(3-4)(3-5)其中疋和R，代表镜头的径向失真，它们可表示为：(3-6)(3-7)其中 (3-8)由于在实际中r的高次项可以忽略，式中k=kl。 （4）实际的像平面()坐标到计算机图像坐标(M，N)的变换是：(3-9) (3-10) 其中M，N是计算机存储器中像素的行数和列数(计算机坐标)，Om和On是机存储器中心像素的行数和列数，Sx是沿工方向(扫描线方向)两相邻传感器中心间的距离，Sy是沿Y方向两相邻传感器中心间的距离，Lx 是x方向传感器元素的个数，Mx是计算机在每一行里的采样数(像素个数)。最后，式(3-9)中的口是一个取决于CCD摄像机的不确定图像尺度因子。将上述后3个步骤结合起来，就可得到将计算机图像坐标(M，N)与摄像机系统中目标点3-D坐标(x,y,z)联系起来的方程：(3-11) (3-12)将式（4-1）带入上两式，最后得到： (3-13)