Tài liệu Thuật toán phát hiện đám cháy rừng từ camera gắn trên máy bay chữa cháy - Nguyễn Đức Ánh: Cụng nghệ thụng tin & Khoa học mỏy tớnh
N.Đ. ánh P.T.Lai, N.Q.Vịnh, “Thuật toán phát hiện trên máy bay chữa cháy.” 96
THUẬT TOÁN PHÁT HIỆN ĐÁM CHÁY RỪNG TỪ CAMERA
GẮN TRấN MÁY BAY CHỮA CHÁY
Nguyễn Đức Ánh1, Phan Tương Lai2, Nguyễn Quang Vịnh2*
Túm tắt: Bài bỏo đề xuất phương phỏp ứng dụng logic mờ kết hợp giữa xử lý màu đặc
trưng với so sỏnh tớnh tương quan về sự lay động của ngọn lửa để phỏt hiện đỏm chỏy rừng
từ camera gắn trờn mỏy bay chữa chỏy nhằm khắc phục nhiễu tỏc động lờn hỡnh ảnh
camera khi mỏy bay chuyển động. Kết quả mụ phỏng kiểm nghiệm cho thấy thuật toỏn đề
xuất phự hợp với bài toỏn đặt ra.
Từ khúa: Xử lý ảnh, logic mờ, Mỏy bay chữa chỏy.
1. ĐẶT VẤN ĐỀ
Chỏy rừng đại diện cho một mối đe dọa liờn tục đến sinh thỏi, hệ thống cơ sở hạ tầng và đời
sống con người. Để khắc phục được tỡnh trạng trờn, việc chủ động phỏt hiện đỏm chỏy rừng từ
camera gắn trờn mỏy bay chữa chỏy để từ đú tối ưu húa sự hoạt động của cỏc thiết bị chữa chỏy
rừng trờn mỏy b...
7 trang |
Chia sẻ: quangot475 | Lượt xem: 506 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Thuật toán phát hiện đám cháy rừng từ camera gắn trên máy bay chữa cháy - Nguyễn Đức Ánh, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Công nghệ thông tin & Khoa học máy tính
N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn trªn m¸y bay ch÷a ch¸y.” 96
THUẬT TOÁN PHÁT HIỆN ĐÁM CHÁY RỪNG TỪ CAMERA
GẮN TRÊN MÁY BAY CHỮA CHÁY
Nguyễn Đức Ánh1, Phan Tương Lai2, Nguyễn Quang Vịnh2*
Tóm tắt: Bài báo đề xuất phương pháp ứng dụng logic mờ kết hợp giữa xử lý màu đặc
trưng với so sánh tính tương quan về sự lay động của ngọn lửa để phát hiện đám cháy rừng
từ camera gắn trên máy bay chữa cháy nhằm khắc phục nhiễu tác động lên hình ảnh
camera khi máy bay chuyển động. Kết quả mô phỏng kiểm nghiệm cho thấy thuật toán đề
xuất phù hợp với bài toán đặt ra.
Từ khóa: Xử lý ảnh, logic mờ, Máy bay chữa cháy.
1. ĐẶT VẤN ĐỀ
Cháy rừng đại diện cho một mối đe dọa liên tục đến sinh thái, hệ thống cơ sở hạ tầng và đời
sống con người. Để khắc phục được tình trạng trên, việc chủ động phát hiện đám cháy rừng từ
camera gắn trên máy bay chữa cháy để từ đó tối ưu hóa sự hoạt động của các thiết bị chữa cháy
rừng trên máy bay có ý nghĩa rất quan trọng. Trong những những năm gần đây, đã có nhiều công
trình nghiên cứu về việc phát hiện đám cháy dựa trên phương pháp xử lý ảnh thu được từ camera
như: Các nghiên cứu của nhóm tác giả Học viện Kỹ thuật quân sự [1], nhóm tác giả thuộc Viện
Khoa học và công nghệ quân sự [2], G.Healey [3], Chao-Ho-Chen và cộng sự [4],.... Các nghiên
cứu của các tác giả trong nước và thế giới chủ yếu tập trung vào phân tích, phát hiện đám cháy
trong nhà và các công trình công cộng với hệ thống camera gắn cố định. Tuy nhiên, khi áp dụng
các phương pháp trên cho các đám cháy rừng với camera gắn trên các thiết bị bay còn nhiều hạn
chế. Để khắc phục hạn chế này, chúng tôi đề xuất phương pháp: Kết hợp logic mờ phân tích màu
sắc của đám lửa trong không gian màu RGB với so sánh hệ số tương quan (correlation
coefficient) của các frames ảnh liên tiếp để loại trừ các hình ảnh có màu sắc tương tự như màu
sắc của ngọn lửa, đồng thời đưa ra giá trị của hệ số tương quan.
2. ĐẶC TRƯNG MÀU SẮC CỦA ĐÁM CHÁY RỪNG
Đặc trưng màu sắc của đám lửa phụ thuộc vào loại vật liệu cháy, nhiệt độ của đám
cháy. Quá trình phân tích, cô lập, tách riêng vùng đám lửa có ý nghĩa trong việc khảo sát
màu và các tính chất khác của đám lửa phục vụ cho việc nhận dạng và phát hiện đám cháy.
Với đối tượng nghiên cứu là đám cháy rừng, có vật liệu cháy chủ yếu là gỗ, lá cây... thì
màu của ngọn lửa nằm trong dải từ vàng tới đỏ [5,6]. Khi phân tích hình ảnh đám cháy
rừng trong không gian màu RGB theo các thành phần màu R (Đỏ) , G (Xanh lá cây) và B
(Xanh lam). Kết quả phân tích nhận được (hình 1): một điểm (x,y) thuộc đám lửa cháy
rừng coi là có cháy chỉ khi thỏa mãn điều kiện: R ≥ G & G > B.
3. PHƯƠNG PHÁP PHÁT HIỆN ĐÁM CHÁY RỪNG TỪ CAMERA
3.1. Phát hiện cháy rừng dựa vào đặc trưng màu sắc của đám cháy
Giả sử điểm ảnh (x,y) là điểm ảnh thuộc đám lửa cháy rừng thì nó cần thỏa mãn điều
kiện (điều kiện 1): R(x,y) > G(x,y) > B(x,y) (1)
Trong đó: R(x,y), G(x,y), B(x,y) là giá trị các thành phần màu R, G, B trong không
gian màu RGB tại điểm ảnh (x,y). Nghĩa là, trong các thành phần R, G, B của điểm ảnh
(x,y) thuộc đám lửa thì thành phần R của đám lửa là lớn nhất. Vì vậy, các bước xử lý phát
hiện đám cháy rừng như sau: Lấy nguồn video quan sát đám cháy rừng đưa vào xử lý;
Tách frames từ video; Chọn các frames ảnh có chứa hình ảnh ngọn lửa; Tính toán các giá
trị màu R, G, B thành phần tại các điểm ảnh; Lựa chọn các frames; Xác định đám cháy và
biên đám cháy. Kết quả thử nghiệm thuật toán (hình 2) cho thấy: trong trường hợp gặp đối
tượng có dải màu giống màu của đám lửa như: ánh nắng, chiếc lá vàng, mặt trời, màu
trắng... thì thuật toán sẽ phát hiện sai phạm vi đám lửa.
Nghiên cứu khoa học công nghệ
Tạp chí Nghiên cứu KH&CN quân sự, Số 37, 06 - 2015 97
Ảnh gốc Thành phần R Thành phần G Thành phần B
Hình 1. Kết quả phân tích ảnh cháy rừng trong không gian màu RGB.
* Kết quả thử nghiệm điều kiện 1:
Ảnh gốc Kết quả thử nghiệm
Hình 2. Ảnh gốc và kết quả nhận biết điểm ảnh qua sử dụng đặc trưng màu.
Để hạn chế hiện tượng báo sai trong các trường hợp trên, nhóm nghiên cứu tiến hành
phân tích biểu đồ ảnh đám cháy rừng đã được phân đoạn để có thể nhận được các giá trị
ngưỡng của ngọn lửa đám cháy trên ba mặt R, G và B như hình 3.
Hình 3. Kết quả phân tích giá trị ngưỡng của ngọn lửa theo các thành phần R,G,B.
Các giá trị ngưỡng của hình trên là kết quả đã được kiểm thử trên rất nhiều bức ảnh
khác nhau. Như vậy, một điểm ảnh được xét là có cháy xảy ra khi điểm ảnh (x,y) này
thỏa mãn điều kiện (điều kiện 2):
0
Ry)B(x,Ry)G(x, R y)R(x, khi,1 BGRR
(2)
Trong đó: RR, RG, RB - các hệ số phân tích giá trị ngưỡng theo các hình thức cháy.
* Kết quả thử nghiệm điều kiện 2:
Ảnh gốc Kết quả thử nghiệm
Hình 4. Kết quả nhận biết điểm ảnh thuộc đám lửa rừng qua sử dụng điều kiện 2.
Công nghệ thông tin & Khoa học máy tính
N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn trªn m¸y bay ch÷a ch¸y.” 98
Kết quả xử lý ảnh (hình 4) cho thấy: khi xử lý theo điều kiện 2, biên ảnh của đám lửa
đã hạn chế được nhiều điểm ảnh có màu sắc tương tự như đám cháy. Tuy nhiên, hạn chế
này vẫn chưa được khắc phục triệt để. Để khắc phục nhược điểm trên, nhóm tác giả sẽ
thực hiện bằng phương pháp so sánh tính tương quan giữa các frames ảnh tiên tiếp nhau.
3.2. Phương pháp so sánh tính tương quan ảnh
Phương pháp này dựa trên đặc tính lay động của đám lửa bởi nếu chỉ xét đặc trưng
màu của ngọn lửa thuộc đám cháy thì các đối tượng có màu tương tự như màu của ngọn
lửa như: bức tranh có đám lửa, ánh sáng đèn điện, ánh sáng mặt trời... sẽ bị phát hiện
nhầm là cháy. Như vậy, việc kết hợp thêm đặc tính lay động của ngọn lửa sẽ giúp đánh giá
chính xác hơn về sự xuất hiện của ngọn lửa.
3.2.1. Đặc điểm lay động của đám lửa
Tính lay động của đám lửa là sự chuyển động, bập bùng của ngọn lửa trong quá trình
cháy. Hiện tượng trên là kết quả vốn có của quá trình trao đổi khí giữa đám cháy với môi
trường xung quanh.
Hình 5. Tính lay động làm thay đổi quy mô của ngọn lửa.
Trên hình 5, các frames ảnh được cắt từ video quan sát đám cháy rừng trong thực tế
trên máy bay trực thăng, thời gian cách nhau giữa các frames là 0,2s. Dựa vào hình trên,
có thể hình dung thấy rằng tính lay động của ngọn lửa thể hiện ở sự thay đổi về chiều cao
và quy mô của ngọn lửa, đó là sự biến đổi, thay đổi về kích thước của đám lửa xung quanh
khối tâm của nó.
3.2.2 Tính tương quan giữa các ảnh liên tiếp
Tính tương quan giữa hai ảnh liên tiếp được xác định bằng phương pháp so sánh các frames
liên tiếp Fk và Fk-1 sau khi đã sử dụng thuật toán xử lý để phát hiện đặc trưng màu của đám lửa
theo các điều kiện 1 và 2. Lúc này các frames đã được xử lý thành các ảnh nhị phân với các điểm
ảnh có màu là màu của ngọn lửa sẽ chuyển thành màu trắng, những màu còn lại sẽ chuyển thành
màu đen. Mục đích việc xác định hệ số tương quan giữa các frames liên tiếp là nhằm lựa chọn ra
dải giá trị tối ưu để vừa đảm bảo phân biệt được tính lay động của ngọn lửa đám cháy với các
ảnh có màu tương tự đám cháy, đồng thời hạn chế được sự rung động của camera khi lắp trên các
thiết bị bay. Thuật toán đánh giá sự tương quan của các frames ảnh:
2 2
mn mn
m n
mn mn
m n m n
A A B B
r
A A B B
(3)
Trong đó: Amn, Bmn - là giá trị điểm ảnh tại vị trí m x n của frames ảnh A, B; A , B - là
giá trị trung bình của frames ảnh A, B; m, n là kích thước của ma trận A, B.
* Kết quả so sánh tính tương quan
Qua đánh giá, so sánh sự tương quan của các frames ảnh video liên tiếp của nhiều loại
video khác nhau (bảng 1), ngọn lửa đám cháy luôn có sự chuyển động do quá trình trao
đổi khí và nhiệt giữa các vùng của đám cháy với môi trường không khí bên ngoài. Vì vậy,
Nghiên cứu khoa học công nghệ
Tạp chí Nghiên cứu KH&CN quân sự, Số 37, 06 - 2015 99
c) d)
ngọn lửa tại nơi xảy ra cháy luôn có sự thay đổi về hình dạng, kích thước. Dựa trên tính
tương quan, kết quả chỉ ra rằng, với các frames liên tiếp cách nhau khoảng 0.2s thì:
- Camera lắp cố định, các frames liên tiếp sẽ tương tự nhau, độ tương quan 100%.
- Trong trường hợp máy bay đang bay, tính tương quan của các frames ảnh liên tiếp
RS < r < RT. Với RS, RT là các giá trị phụ thuộc vào loại đám cháy.
- Trường hợp không có cháy thì tính tương quan là r = (không xác định);
Như vậy, với RS < r < RT thì có thể kết luận là có cháy xảy ra. Kết quả trên đã tính đến
sự rung động của camera khi máy bay hoạt động, nhằm không bị nhầm lẫn giữa tính lay
động của ngọn lửa với sự rung, lắc của camera khi máy bay bay qua các khu vực có màu
tương tự màu của đám lửa.
Bảng 1. Thống kê kết quả so sánh tính tương quan của các ảnh video.
Camera lắp trên máy bay chữa cháy
Camera lắp cố định trong
nhà và công trình Có cháy
Không có
cháy Máy bay
chuyển động
Máy bay
đứng yên
Có cháy
Không
có cháy
Frame 1-2 r = 0.1671 r = 0.6021 r = r = 0.8503 r =
Frame 2-3 r = 0.1698 r = 0.6030 r = r = 0.8905 r =
Frame 3-4 r = 0.1315 r = 0.5850 r = r = 0.8732 r =
3.3. Phương pháp nhận dạng đám cháy từ máy bay ứng dụng logic mờ
Không gian màu YCbCr được lựa chọn để phân tích ảnh vì không gian màu này phân
chia thông tin về độ sáng từ sắc độ rất hiệu quả và tốt hơn so với các không gian màu
khác. Trong đó: Y là độ sáng, Cb và Cr lần lượt là các thành phần sắc độ xanh và đỏ. Hình
6 thể hiện một bức ảnh có chứa điểm lửa được phân tích ra các thành phần Y, Cb, Cr
tương ứng. Có thể quan sát rất dễ dàng: đối với một điểm lửa thì Y(x,y) lớn hơn Cb(x,y)
trong đó (x,y) là vị trí điểm ảnh. Đó là vì thông tin về độ sáng liên quan tới mật độ phân bố
đối với các điểm lửa, những đại lượng lớn hơn trong phép hiệu của các 2 kênh Y(x,y) và
Cb(x,y) là các điểm ảnh. Hình 6 cũng chỉ ra rằng thành phần Cb(x,y) phải nhỏ hơn Cr(x,y)
đối với các điểm ảnh có màu giống với màu ngọn lửa.
Hình 6. a) Ảnh gốc RGB, b) thành phần Y, c) thành phần Cb, d) thành phần Cr.
Do đó mối quan hệ chung giữa Y(x,y), Cb(x,y) và Cr(x,y) như dưới đây:
a) b)
Công nghệ thông tin & Khoa học máy tính
N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn trªn m¸y bay ch÷a ch¸y.” 100
Y(x,y) ≥ Cr(x,y) ≥ Cb(x,y) (điều kiện 3)
Gọi Pf(x,y) là giá trị được định nghĩa cũng như được đo đạc để chỉ ra những điểm ảnh
nào tại vị trí (x,y) là điểm lửa. Giá trị của Pf(x,y) nằm trong khoảng [0 1], nó là phép ánh
xạ của những quan sát được định nghĩa trong điều kiện 3 mô tả điểm ảnh đã cho là điểm
lửa. Để tính toán Pf(x,y), kết hợp các hàm thành phần tam giác và hình thang đối với hiệu
của Cr(x,y)-Cb(x,y) và Y(x,y)-Cb(x,y).
Hình 7. Các hàm thành phần đối với Cr(x,y)-Cb(x,y); Y(x,y)-Cb(x,y) và Pf(x,y).
Hình 7 là các hàm thành phần của Cr(x,y)-Cb(x,y), Y(x,y)-Cb(x,y) và Pf(x,y). Cần chú
ý đó là sử dụng hệ thống suy luận mờ với các luật được định nghĩa trong bảng 2. Sự phân
bố của các hàm thành phần và các luật được định nghĩa trong bảng 2 được tìm ra dựa trên
những phân tích thực nghiệm.
Bảng 2. Bảng luật sử dụng cho hệ thống suy luận mờ.
Pf(x,y)
Cr(x,y) – Cb(x,y)
NS PS PM PB
Y(x,y)- Cb(x,y)
NS LO LO LO LO
PS LO LO HI HI
PM LO HI HI LO
PB LO LO LO LO
Bảng 2 biểu diễn các luật được sử dụng trong hệ thống suy luận mờ. Các luật được
định nghĩa theo cách này phản ánh nhận xét của bài báo đối với một điểm lửa.
Cho một ảnh, các thành phần được chuẩn hóa dựa theo công thức dưới đây:
maxI
Y
Y ,
maxI
Cb
Cb ,
maxI
Cr
Cr (4)
Nghiên cứu khoa học công nghệ
Tạp chí Nghiên cứu KH&CN quân sự, Số 37, 06 - 2015 101
Trong đó Imax là mật độ giá trị lớn nhất trong tập hợp được định nghĩa bởi sự kết hợp của
các thành phần Y, Cb, Cr. Phương trình trên được chuẩn hóa tất cả các mẫu về khoảng giá trị
[0 1]. Do đó, hiệu của chúng sẽ nằm trong khoảng [-1 1] được sử dụng để định nghĩa các hàm
thành phần được trình bày trong hình 7. Cho tập hợp các lối vào Cr(x,y)-Cb(x,y) và Y(x,y)-
Cb(x,y). Giá trị đầu ra của hệ thống mờ được tính toán như sau: đầu tiên, các đầu vào được mờ
hóa dựa vào các hàm thành phần trong hình 7. Trọng tâm của vấn đề giải mờ đó là ứng dụng
kết hợp tất cả luật đầu ra để tìm phép đo định lượng đối với Pf(x,y) [6]. Cr(x,y)-Cb(x,y) và
Y(x,y)-Cb(x,y) được chuẩn hóa trong khoảng [-1 1] trước khi đưa vào hệ thống suy luận mờ.
Bề mặt của 16 luật được hiển thị trong hình 7, ở đây Pf(x,y) như là một hàm của các lối vào
Cr(x,y)-Cb(x,y) và Y(x,y)-Cb(x,y). Khi Y(x,y)-Cb(x,y) nhỏ hơn 0, tương ứng với Pf(x,y) bằng
0 và nếu cả 2: Y(x,y)-Cb(x,y) và Cr(x,y)-Cb(x,y) gần với giá trị 1.0 thì Pf(x,y) sẽ bằng 1.
Hình 8. Bề mặt của các quy tắc trong bảng 5 và được sử dụng trong
hệ thống suy luận mờ với các kiểu hiển thị khác nhau.
Hình 9. Lưu đồ thuật toán phát hiện cháy rừng từ camera trên máy bay chữa cháy.
Những điểm mà có giá trị nhỏ hơn giá trị đỉnh được sử dụng để chỉ các đối tượng có
màu tương tự như màu ngọn lửa nhưng không phải là ngọn lửa. Điều này được thể hiện rất
rõ trong mặt phẳng đó là Pf có giá trị cao tại các giá trị Y(x,y)-Cb(x,y) và Cr(x,y)-Cb(x,y)
Công nghệ thông tin & Khoa học máy tính
N.§. ¸nh P.T.Lai, N.Q.Vịnh, “ThuËt to¸n ph¸t hiÖn trªn m¸y bay ch÷a ch¸y.” 102
có đặc tính giống ngọn lửa. Hình 8 mô tả kết quả sử dụng thuật toán logic mờ ứng dụng
vào nhận dạng ảnh cho thấy kết quả đó tách được đường biên của đám cháy qua camera
đặt trên máy bay.
Kết hợp các điều kiện 1, 2 và 3, lưu đồ thuật toán tổng hợp để phát hiện cháy rừng từ
camera trên máy bay chữa cháy được chỉ ra trên hình 9.
4. KẾT LUẬN
Đặc trưng màu sắc và đặc tính lay động là những yếu tố cơ bản để phát hiện chính xác
đám cháy. Bài báo đã đưa ra cách tiếp cận mới để nhận biết, phân biệt đám cháy rừng
bằng phương pháp sử dụng logic mờ kết hợp giữa xử lý màu đặc trưng của đám cháy kết
hợp với so sánh tính tương quan về sự lay động của ngọn lửa đã cho kết quả chính xác, đã
loại bỏ được độ rung động khi gắn camera trên máy bay chữa cháy. Kết quả thực nghiệm
cho thấy khả năng phát hiện ra đám cháy rừng là rất cao, chỉ có một số tình huống máy
bay di chuyển nhanh, việc phát hiện ngọn lửa và so sánh tính tương quan giữa các frames
ảnh liên tiếp còn bị nhầm lẫn. Tuy nhiên, đối với máy bay chữa cháy, khi đến gần đám
cháy, bắt buộc phải giảm tốc độ để phun chất chữa cháy xuống đám cháy nhằm đảm bảo
độ chính xác cần thiết cho quá trình chữa cháy, vì vậy hạn chế trên là chấp nhận được.
TÀI LIỆU THAM KHẢO
[1]. Hà Đại Dương, Đào Thanh Tĩnh, “Thuật toán phát hiện sự cháy trên ảnh Video và
ứng dụng trong hệ thống camera cảnh giới” Hội thảo “Các giải pháp an toàn phòng
cháy nổ”, Hạ Long, 4-2008; tr. 243-246.
[2]. Phạm Trung Dũng và các cộng sự,“Về một giải pháp tự động xác định điểm nổ cho
đài quan sát pháo binh mặt đất trên cơ sở ứng dụng công nghệ xử lý ảnh”. Tạp chí
Nghiên cứu Khoa học và Công nghệ Quân sự, số 30, 04/2014.
[3]. G.Healey et al, A system for Real-Time Fire Detection, The Proc. IEEE Conf. Comput.
Vision Pattern Recognit.,Jun 1993, pp 605-606.
[4]. T. Chen, Kao Cheng-Liang, Chang Sju-Mo, “An Intelligent Real-Time Fire Detection
Method Based on Video Processing”, IEEE International Conference on Image
Processing, 2003, pages 10-17.
[5]. W.B.Horng et al, “A new image based real-time flame detection method using color
analysis”, in IEEE Networking, Sensing and Control, Mar. 2005, pp 100-105.
[6]. De Haan, John D. Kirk’s “Fire Investigation”, Prentice Hall; August 19, 2006.
ABSTRACT
AN ALGORITHM DETECTION OF FIRES IN FORESTS
FROM THE CAMERA IN THE FIREFIGHTING AIRCRAFT
This article is about the detection method and extracting borders of images of fires
in forests which are attached to firefighting aircraft's in order to overcome noise which
influences to the camera's images during tho flight of the aircraft using fuzzy logic.
Simulation results show that the proposed method is suitable to the given problem.
Keywords: Image processing, Fuzzy logic, Firefighting aircraft.
Nhận bài ngày 15 tháng 5 năm 2015
Hoàn thiện ngày 10 tháng 6 năm 2015
Chấp nhận đăng ngày 12 tháng 06 năm 2015
Địa chỉ: 1 Trường Đại học Phòng cháy chữa cháy;
2 Viện KH-CN quân sự; *Email: vinhquang2808@yahoo.com.
Các file đính kèm theo tài liệu này:
- 14_laianh_r_96_102_4078_2149254.pdf