Abstract—Se propone un sistema de detección de fuego utilizando procesamiento de imágenes, para ser aplicado en secuencias de video. Este campo tiene aplicación en el área de seguridad e integridad de personas y bienes materiales así como de forma indirecta en las transmisiones televisivas de cadenas de noticias. El propósito es contribuir a con un sistema de seguridad que ayude a alertar de posibles siniestros a las personas en los ambientes donde sea instalado. Este problema ha sido tratado de diversas formas incluyendo el uso de imágenes en el espectro infrarrojo pero ese no será el camino seguido en esta investigación. Se logro implementar un algoritmo de detección de fuego lo suficientemente rápido para ser aplicado en video en tiempo real y entregando buenos resultados. Trabajos posteriores a este podrían ser adaptar el algoritmo para situaciones más específicas en las cuales se pueda explotar su potencial.

1. INTRODUCTION

La detección de fuego de manera visual puede ser útil en condiciones donde los detectores de fuego convencionales no pueden ser utilizados. Un muestreo de partículas, temperaturas, chequeo de transparencia son métodos simples que son usados usualmente en la detección de fuego [1].

Estos métodos requieren situarse muy cerca del fuego. Adicionalmente, estos métodos no son del todo fiables, detectando la combustión no por ellos mismos.

Existen métodos de detección visual de fuego que utilizan el análisis espectral usando unos raros y costosos espectroscopios. La gran limitante de estos es el costoso precio al cual se puede adquirir los sensores que son necesarios para estos métodos. Aun más, estos métodos siguen produciendo falsas alarmas en caso de objetos con colores semejantes al fuego, especialmente el sol.

El color y el movimiento son usados para clasificar regiones de fuego y ausencia de fuego. Estos métodos requieren una inicialización de la cámara.

Existe la detección en videos de escala de grises tomados con unas cámaras de alta velocidad, que son altamente cotizables [2].

Los sensores de base termal son usados para la cámara de escala de grises para observar la intensidad de los cambios en temperatura. Este método requiere sensores que son caros y la posición exacta de los sensores debe de ser calibrada para que el método sea efectivo [3].

En la predicción de información de color y la variación temporal de un pequeño grupo de imágenes son utilizados para reconocer la flama en secuencias de video [4].

Otro método es utilizar el contorno del área de la flama usando un espacio de color HSV estático. Luego se extrae la información del contorno que es transformado en una coordenada polar. La extracción de la coordenada polar de todas las imágenes de entradas son puestas en series de tiempo. La fluctuación de la información es extraída de la información de espacio-tiempo en el contorno [5].

El patrón en el dominio de la frecuencia de la información de los datos es obtenida y el patrón es procesado en una red neural, que proporciona buenos resultados pero la complejidad computacional es muy alta como para ser utilizada en secuencias de tiempo real [6].

La combinación de la temperatura ambiental, la densidad del humo, la densidad del monóxido de carbono es en conjunto una gran interferencia para nuestro sistema de detección de fuego; el sistema depende completamente de las partículas a medir [7].

El análisis de imágenes en el rango infrarrojo[8] es un método propuesto lo cual genera algunas características especiales pero existe la desventaja de que las cámaras infrarrojas son más costosas, por lo que a lo largo de la investigación se trabajara con cámaras en el espectro de luz visible.

La mayoría de los sistemas empleados en la detección de fuego tienen modelos híbridos de color, geometría información de movimiento. En general los sistemas de detección de fuego usan pistas de color como una precondición genera áreas semillas de posibles regiones de fuego.

La razón para desarrollar un sistema de este tipo está inspirada principalmente en cuestiones de seguridad e integridad de personas así como de bienes materiales, al funcionar como un sistema de alerta que permita tomar las acciones necesarias en caso de algún siniestro relacionado con incendio.

El propósito de la investigación es entregar un algoritmo que ubique fuego dentro de una secuencia de video y pueda ser implementado en infraestructuras de cámaras de monitoreo junto con sus matrices de control.

2. METODO

El fuego tiene características visuales únicas que difícilmente pueden igualar otros objetos y fenómenos físicos, estas características dependen del tipo de combustible que se esté quemando así como las

Departamento de Eléctrica - Electrónica, Instituto Tecnológico de Chihuahua

Carlos Avalos González, Sergio Pérez González, Leonardo Saldivar Piñón; Miembros Estudiantiles IEEE

Algoritmo para Detección Temprana de Fuego Basado Técnicas de Color y Textura

CURSO PROCESAMIENTO DIGITAL DE IMÁGENES ITCH CHIHUAHUA, MÉXICO, JUNIO 2010

condiciones climatologías del ambiente. Algunas de estas características son el color, geometría, razón de cambio de la región del fuego y la textura que éste presenta. El sistema de visión del ser humano detecta una región de fuego principalmente con dos características, el color y la textura.

Analizando las diferentes características del fuego y los diferentes factores que intervienen en él, a continuación se propone un algoritmo para la detección de fuego utilizando sus características de color y textura dentro de una imagen.

2.1 ColorDe acuerdo a la realización de experimentos y de otros trabajos de investigación, el color es una característica muy eficiente para realizar la detección de fuego en imágenes y en secuencias de video. Después de analizar 300 imágenes de diferentes resoluciones, diferentes condiciones de iluminación y en diferentes entornos, se determina que la región del fuego generalmente contiene los colores rojo y amarillo.

Observando los resultados de los experimentos realizados se concluyo que los pixeles en la región del fuego tienen componentes altos en el plano rojo y en el plano verde y componentes bajos en el plano azul, de estos resultados se determinaron umbrales para identificar que pixeles pertenecen a la región del fuego y que pixeles son ajenos a esta como se muestra en la Fig, 1.

Figure 1: Umbralizacion en valores de pixeles.

Entonces, para que un pixel sea parte de la región de fuego debe cumplir con los siguientes parámetros:

fr ( x , y )>232 (1)

fv ( x , y )>232 (2)

fa ( x , y )<55 (3)

Donde fr ( x , y ) es el componente del plano rojo,

fv ( x , y ) es el componente del plano verde y fa ( x , y )es el componente del plano azul.En la Fig. 2 (a) se muestra la imagen original, a la cual se compara con el valor limite de pixel aceptado como región de interés, el resultado se muestra en la Fig. 2 (b).

(a) (b)Figura 2. (a) Imagen real, (b) imagen resultante del proceso de delimitación de rango de aceptación en la variación de pixel.

Una vez que se determinan los pixeles pertenecientes a la región de fuego, se crea una máscara binaria de la región del fuego (MBF), donde los pixeles de la región de interés tendrán valor de 1 y valor de 0 los pixeles restantes como se muestra en la Fig. 3 (a).

La región que se muestra como zona de interés, se le realiza un procesado en el cual se identifica la región detectada como fuego, este proceso se ilustra en la Fig. 3 (b).

(a) (b)

Figura 3: (a) Mascara Binaria del fuego obtenida por la aplicación de un umbral, (b) delimitación con una figura uniforme de la información detectada como fuego en la MBF.

2.2 TexturaCuando se aplica el algoritmo a escenarios en donde la iluminación no es controlada o los valores de los pixeles de los planos rojo y verde se acercan a los de la región del fuego, surgen falsos positivos, por ejemplo, regiones que corresponden a señales de tránsito. Por esta situación se requiere, aparte del análisis del color de la imagen, un análisis con cual se puedan detectar falsos positivos y descartarlos, la textura es una opción efectiva para diferenciar las regiones de fuego de las regiones que no lo son.

El fuego tiene una textura la cual tiene un comportamiento aleatorio. Para determinar si la textura corresponde a una región de fuego se realiza un análisis de aleatoriedad a cada región, el cual consiste en calcular la entropía de cada pixel con una ventana de 9 x 9. De esta manera, obtenemos valores bajos para las regiones que no corresponden al fuego y valores altos para regiones que si corresponden al fuego.

CURSO PROCESAMIENTO DIGITAL DE IMÁGENES ITCH CHIHUAHUA, MÉXICO, JUNIO 2010

Para analizar cada región por separado se utiliza la MBF para realizar el análisis solo a los pixeles de interés y no a toda la imagen como se muestra en la Fig 4.

Entonces si después de pasar por la etapa de umbralizacion se utiliza la MBF para obtener un promedio de la entropía de la región candidata y compararse como se muestra a continuación:

∑x=0

X

∑y=0

Y

Er ( x , y )

P>79000

(4)

Donde X es el numero de filas de la imagen, Y es el numero de columnas de la imagen, Er(x,y) es el valor de la entropía calculado y P es el número total de pixeles de la imagen.

Figura 4: MBF aplicada al plano rojo de la imagen original.

Cabe mencionar que los experimentos del algoritmo aplicados a video fueron realizados en una PC con un procesador de 64bits a 2.2GHz con una memoria RAM de 1Gb y una webcam USB con una resolución de 320 x 240 pixeles logrando procesar en promedio 3.3 cuadros por segundo.

3. RESULTADOSEn los experimentos, se usaron una base de datos de prueba de 300 imágenes. Esta base de datos está formada por imágenes proporcionadas por el Heroico Cuerpo de Bomberos de la ciudad de Chihuahua, imágenes obtenidas de internet e imágenes adquiridas por nosotros.

Se concreto la implementación de un algoritmo de ubicación de fuego en imágenes, funcional con diferentes tipos de fuego, hablando del combustible que consumen y en donde se origina, por ejemplo, en construcciones, en tanques de gas, en carros, al aire libre. La diversidad de imágenes de la base de datos nos permite evaluar el algoritmo para diferentes condiciones de iluminación, diferentes escenarios y diferente calidad como se muestra en la Fig. 5.

Una vez aplicado en secuencias de video el algoritmo genero un retardo de alrededor de 0.3 segundos entre cuadros, por lo que fue posible aplicarlo con video en “tiempo real” de forma satisfactoria.

Figura 5: Imagen con fuego dentro de una cantidad considerable de humo.

El proceso que realiza el algoritmo se muestra con un diagrama en la Fig. 6.

Figura 6: Diagrama del proceso realizado.

Los resultados de la utilización del algoritmo propuesto son presentados en la Tabla 1. Esta tabla nos muestra las tasas de error de falsos positivos y de falsos negativos que resultaron del experimento, lo cual nos muestra un buen desempeño del algoritmo comparado con otros trabajos de investigación obteniendo tasas de error bajas mediante el cálculo siguiente:

∑ fp

∑ rs∗100 (5)

Donde fp son los falsos positivos, tr son las regiones seleccionadas por el algoritmo como una identificación de fuego, obteniendo los resultados mostrados en la Tabla 1.

Características Usadas

Falsos Positivos

Falsos Negativos

Color 17.4% 3.2%+Textura 5.3% -

IMAGEN

PROCESAMIENTO POR UMBRAL DE COLOR

MASCARA

ANÁLISIS DE TEXTURA

FUEGO ¿SI/NO?

EXTRACCIÓN DE LA REGIÓN DEL FUEGO

CURSO PROCESAMIENTO DIGITAL DE IMÁGENES ITCH CHIHUAHUA, MÉXICO, JUNIO 2010

Tabla 1: Tasas de error de falsos positivos y falsos negativos.

En la Fig. 7 se muestran los resultados del algoritmo en diferentes condiciones de iluminación en diferentes escenarios utilizando imágenes de diferentes tipos de fuego, iluminación, combustible, tamaño, concentración de humo en regiones de interés.

(a) (b)

(c) (d)

(e) (f)

(g) (h)

Figura 7: En los incisos (a) se muestra una imagen de una flama que fue inducida en la cual se controlo la iluminación y se trato el contraste, en el (b) se detecta el fuego en un contorno verde de la imagen del fuego generado, (c) flama difuminada entre una concentración de humo, (d) detección del área de interés, (e) fuego con una concentración menor de humo, (f) detección de la

zona, (g) incendio en un edificio con fuego latente, (h) detección de la mayor concentración de fuego.

4. DISCUSIÓN

Es posible decir con certeza que se puede ubicar fuego en imágenes y en secuencias de video a través de la búsqueda de sus características estáticas de color y textura, seleccionando los umbrales adecuados para tener la mejor eficiencia para prevenir la mayor cantidad de falsos negativos.

Sin embargo, se deben tener ciertas restricciones, como es la resolución de la cámara utilizada para la adquisición de video.

Trabajo futuro incluye hacer un análisis de las características de la forma de la área del fuego y su tasa de cambio en imágenes para reducir la tasa de error de falsos positivos en el algoritmo y hacerlo más robusto para adaptarlo a un dispositivo móvil y autónomo que sea capaz de identificar el fuego y tomar medidas para evitar su propagación.

5. REFERENCIAS

[1] Cleary, T., Grosshandler, W., 1999. “Survey of fire detection technologies and system evaluation/certification methodologies and their suitability for aircraft cargo compartments. Us Department of Commerce, Technology Administration, National Institute of Standards and Technology.

[2] Davis, W., Notarianni, K., 1999. “NASA fire detection study”. US Department of Commerce, Technology Administration, National Institute of Standards and Technology.

[3] Plumb O.A., Richard, R.F., 1996. “Development of an economical video based fire detection and location system”. US Department of Commerce, Technology Administration, National Institute of Standards and Technology

[4] Water Philips III, Mubarak Shah, Niels da Vitoria Lobo, “Flame Recognition in video”, Pattern Recognition Letters 23 (2002), 19-327.

[5] Yamagishi, H.; Yamaguchi, J.,”A contour fluctuation data processing method for fire flame detection using a color camera”, 26th Annual Confjerence of the IEEE Industrial Electronics Society, Volume: 12, 2000, pp. 824-829.

[6] Yamagishi, H.; Yamaguchi, J. “Fire flame detection algorithm using a color camera”, Proceedings of 1999 International Symposium on Micromechatronics and Human Science, 1999, pp. 255-260.

[7] Shaohua Chen; Hong Bao; Xianyun Zeng; Yimin Yang, “A fire detecting method based on multi-sensor data fusion”, IEEE International Conference on Systems, Man and Cybernetics, Volume: 14 15-8 Oct. 2003, pp. 3775- 3780.

[8] B. U. Toreyin, “Fire detection algorithms using multimodal signal and image analysis”, Ph.D. dissertation, Bilkent University, Department of Electrical and Electronics Engineering, Ankara, Turkey, 2009.

CURSO PROCESAMIENTO DIGITAL DE IMÁGENES ITCH CHIHUAHUA, MÉXICO, JUNIO 2010