火灾识别总结

一、针对图像的火灾识别初步的探索

1、复习之前看过的一篇火灾识别的论文，里面介绍了较为基础RGB+HIS模式的图像识别方法，本次进行出发点也是基于此篇论文，并且很幸运找到了相关的代码来进行学习。

2、具体的操作方法：将原图像进行RGB三通道分离，去取各个通道像素的值，根据实验得出的经验，对火灾像素定规则，规定各个分量之间的关系；

（其中饱和度加入是为了去除背景亮度带来的影响，饱和度的值和RGB存在映射的关系。）根据这个规则对输入图像进行判断，创建一个新的图像，符合就在这个新的图像中保存火灾像素的位置，否则不保存（如图所示）；将创建的二值图像进行检测轮廓，根据轮廓组数进行火灾识别框的绘制，最后输出结果图像。

3、识别效果图：

4、备注：

（1）此过程我是基于VS2013，以及opencv2.4.9版本实现的。其中需要注意的是opencv分离颜色三通道时顺序是B、G、R而不是R、G、B。

（2）遍历RGB图像采用的是at<>遍历方法，此方法实现读取矩阵中的像素，或者对像素进行赋值操作。通过此方法以及上述的公式规则完成RGB图像转换成火灾像素二值图像。

（３）RGB和灰度图像中的排列：

（４）将转换的二值图像进行下一步绘制处理，在进行轮廓检索时使用的是findContours（）函数来寻找轮廓。此函数的定义为：

findContours( InputOutputArray image, OutputArrayOfArrayscontours,  int mode, int method, Pointoffset=Point()); 

Image：输入图像，8位的单通道二值图像，非零的像素会被认成1

Contour（外形轮廓）：检测到的轮廓。是一个向量，响亮的每个元素都是轮廓因此，这个向量的每个元素仍是一个向量。即

vector > contours;

其中mode表示轮廓检测方法，对应的有四种方法。

—CV_RETR_EXTERNAL：只检测外轮廓。忽略轮廓内部的洞。（火灾识别采用的轮廓检测方法；）

—CV_RETR_LIST：检测所有轮廓，但不建立继承(包含)关系。

—CV_RETR_TREE：检测所有轮廓，并且建立所有的继承(包含)关系。一张图来解释有何不同

（5）对二值图像查找轮廓之后，对轮廓进行建立垂直矩阵。首先就是对图像进行遍历，这里采用的遍历方法是：迭代法。在迭代法中，我们所需要的仅仅是获得begin和end，然后增加迭代直至从begin到end。将*操作符添加在迭代指针前，即可访问当前指向的内容。boundingRect（）函数是计算轮廓的垂直边界最小矩形，矩形是与图像上下边界平行的，其中函数内的参数只能是二维点集，点的序列或向量。