公共安全
火灾无时无刻的都在影响着人们的生活，对于社会的发展，经济的发展和进步，自然生态环境都有了重大的影响。为了能够尽早的预防火灾的发生，避免火灾发生所带来的危险，人们通过对于各种传播器材等应用，运用多种烟火监测系统来进行火灾的监测。通常常规的火灾监测系统主要是针对烟雾，热量辐射等三类现象进行监测，大多都是选择的针对颗粒温度空气等物理采样进行检测。也有传统采用紫外线或红外线光谱进行检测的，但是这些检验技术针对于近距离的光的传感器和电设备来进行操作的时候存在有一定的难度，而且可靠性不高，成本相对较高。所以分析基于计算机视觉的视频火焰检测技术在当前来说，具有重要的应用价值。
1.基于计算机视觉的视频火焰检测技术
视频火焰探测技术是通过计算机硬件或数字传感器组件的视频消防在早期的火灾等视频图像进行图像采集，使其进行预处理工作。通过计算机终端识别和监测模式的方式来了解火焰或烟气是否等于火灾相关的事情。基于图像处理的火灾监测方法有助于在火灾后短时间内对火焰和烟雾图像的识别，特别是相关的颜色形状，位置和面积等。背景噪声在图像和顺序上的相关信息判断，使我们能够达到火灾监测的目的[1]。火焰视频火焰探测技术的系统硬件组件，它是通过图像采集设备摄像头进行现场监控，然后通过图像采集卡获取视频图像信息，将图像信息存储到计算机，计算机系统主要通过计算机软件处理和识别图像信息，然后图像信息被触发以确定是否如果发生火灾，系统将提示报警系统报警。
2.基于计算机视觉的视频火焰检测技术的开发
为了开发这种火焰检测技术，需要应用于VC ++6.0和OpenCV.VC ++6.0。前者是Visual C ++ Microsoft开发的高度集成的软件开发工具。通过相应的应用程序，可以开发一些程序，这些程序具有很高的速度，并且可以在数字图像处理时间内成功移植，一般选择使用Visua C ++编程。而OpenCV（OpenCV）是由英特尔公司开发的一款开源计算机视觉库，它是一套可自由访问一些由所有库组成的C函数和C ++类的程序库，因此可以使用它来实现一些图像处理和计算机视觉算法非常重要。通过这种技术可以有效地做好视频的视觉火焰检测，能够更好的体现出它的特点，它运行速度比较快，而且稳定，在跨平台接口具有灵活性，而且具有较强的互动性，能够轻松地被产品化。针对火灾视频图像的处理和图像的分割、特征的索取，图像的滤波以及图像的识别等，可以选择相应的算法来对其进行改善，现如今来说，这项技术在世界范围内应用的也比较成熟。
3.基于计算机视觉的视频火焰检测技术的特征和运动检测
基于计算机视觉视频火焰探测识别系统，主要通过火焰图像采集系统、图像识别系统、火灾报警联动系统等组成。火焰图像采集系统主要由相机的光敏装置组成，可以将外部图像的光信号转换为数字图像信号[2]。然后可以通过计算机软件进入识别系统的图像，然后进行图像采集和处理工作，并对图像的特点进行判断，最终确定图像。图像的预处理的过程当中，相关值的滤波方项目编号：河北省高等学校科学研究项目（Z2015106）、河北省科技计划项目（15210802）法和意志以及噪音的消除等，能够对图像质量的平滑过程进行改善，提高了图像提取的质量和效果。
3.1计算机视觉的视频火焰检测技术的特征分析
当火灾发生时，视频识别的火场主要是基于火焰图像的基本特征来实现的。火焰是失去控制的燃烧，所以最初的火焰从零开始，不固定的不同发展阶段的火焰区域、形状、颜色、频闪等具有一定的视觉特征。从该地区的角度来看，早期火灾是火灾后火灾继续发展的过程。在这个阶段，火焰的火焰面积显示出增加连续性的连续性的趋势，因此在图像处理中可以通过在图像高亮之后获取阈值来获得该区域。而如果其他高温物体不断向相机移动或者当从事现场进入时间时，目标区域的检测将逐渐增加，这可能会引起一些干扰，因此需要确定区域与其他图像功能整合使用。从边缘化来看，在一定程度上，火焰边缘的早期变化的角度和其他热的物体和火焰的稳定性变化是不同的。确切的方法是使用搜索算法进行边缘检测和边边，根据形状、编码功能，如曲率边缘的然后根据代码提取特征边。在火灾的早期阶段使用这些特征，在火灾中确定相关的规律。早期火焰中的物理变化反映了太空中火焰分布的变化。在火灾的早期阶段，火焰的形状发生变化，空间取向的变化，火焰和火焰的分裂，以及其自身独特的变化。闪烁的规律是火焰，空间分布的亮度随着时间的变化规律在其他的燃烧过程中发生变化，按照一定的频率闪烁，数字图像是灰度直方图，随着时间的推移而变化。
3.2计算机视觉的视频火焰检测技术的视频序列运动检测
定摄像机下的大多数对象收集的大多数视频序列通常是静止的，但只有火焰呈现出一系列运动。视频监控运动检测是视频序列，不断寻找和提取目标的移动，实时跟踪它们并计算运动的轨迹，为下一步的分析特征提供有效的数据支持。现在使用的目标检测和提取算法，一般是采用帧间差分法，背景差分法，高斯模型和光流法。
主要功能是灰色= cvCreateImag（cvGetSize（m_image），8，1）； cvCvColor（m_image，gray，CV_BGR2GRAY）通过将OpencCV函数应用于火焰图像的灰色图像。
二进制处理，加快处理速度，并可将火焰与背景分离，主要功能：cvThreshold（灰色，灰色，0，255，CV_THRESH_ OTSU）。
使用canny算法进行边缘检测，突出显示纹理信息，主要功能：cvCanny（gray，edge，（float）edge_thresh，（float）edge_thresh * 3，3）
4.结语
本研究主要分析基于计算机视觉的视频火焰的检测技术，笔者认为，这种技术通过多种技术的结合，能有效的做好火灾的防控，同时也能够为后期判断火焰的存在打下良好的基础，是一种较好的检验技术。
参考文献：
[1]黄正宇，缪小平，芮挺.基于图像的火焰检测中无量纲动态特征研究[J].计算机应用，2014，05（07）：475-476.
[2]李涛，向涛，黄仁杰，赵雪专.基于新的运动特征的火焰检测方法[J].计算机仿真，2014，06（09）：85-86.
基于计算机视觉的视频火焰检测技术
■王华伟 河北省廊坊市武警学院部队管理系
摘要：视频火焰检测技术在计算机中具有重要的意义，它能对烟火等重大事故和消防事故进行检测。现如今火焰视觉特征的模型正在不断的完善，信息技术又在不断的进步，所以视频火焰检测方法也在不断的更新。针对于此本研究主要分析基于计算机视觉的视频火焰的检测技术，希望所得内容都能够为相关领域提供可行的参考。
关键词：计算机；视觉；视频火焰检测
76X I A O F A N G J I E