Đồ án Xử lý ảnh để phát hiện khói cho cảnh báo cháy rừng (Phần 1)

Nội dung text: Đồ án Xử lý ảnh để phát hiện khói cho cảnh báo cháy rừng (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM KHOA ĐÀO TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN - ĐIỆN TỬ XỬ LÝ ẢNH ĐỂ PHÁT HIỆN KHÓI CHO CẢNH BÁO CHÁY RỪNG GVHD: TS NGUYỄN THANH HẢI SVTH: LÊ VĂN QUANG MSSV: 10101214 S K L 0 0 4 1 8 2 Tp. Hồ Chí Minh, tháng 1/2016
2. BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH KHOA ĐÀO TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN - ĐIỆN TỬ ĐỀ TÀI: XỬ LÝ ẢNH ĐỂ PHÁT HIỆN KHÓI CHO CẢNH BÁO CHÁY RỪNG GVHD: TS NGUYỄN THANH HẢI SVTH: LÊ VĂN QUANG LỚP: 10101CLC MSSV: 10101214 Tp. Hồ Chí Minh - 1/2016
3. CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc Tp.Hồ Chí Minh, ngày tháng năm 20 . NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên: Lê Văn Quang MSSV: 10101214 Ngành: CN KT ĐIỆN - ĐIỆN TỬ Lớp: 10101CLC Giảng viên hướng dẫn: TS Nguyễn Thanh Hải ĐT: Ngày nhận đề tài: Ngày nộp đề tài: 1. Tên đề tài : XỬ LÝ ẢNH ĐỂ PHÁT HIỆN KHÓI CHO CẢNH BÁO CHÁY RỪNG 2. Các số liệu, tài liệu ban đầu: Các tài liệu về MATLAB, Giáo trình Xử Lý Ảnh Các ví dụ trên trang mathworks.com 3. Nội dung thực hiện đề tài: Thu thập ảnh, tiền xử lý ảnh, trích đặc trưng và nhận dạng được ảnh có khói hay không có khói Thiết kế - Thi công hệ thống cảnh báo giao tiếp với chương trình xử lý ảnh . . 4. Sản phẩm: Chương trình xử lý ảnh trên Matlab và mạch phần cứng giao tiếp với máy tính . TRƯỞNG NGHÀNH GIẢNG VIÊN HƯỚNG DẪN i
4. LỜI MỞ ĐẦU Ngày nay với sự phát triển mạnh mẽ của công nghệ xử lý ảnh, con người ngày càng phát triển hơn trong lĩnh vực thị giác máy tính nhằm giải quyết các vấn đề của của con người, xã hội. Nhận dạng khói lửa trong cảnh báo cháy rừng cũng không nằm ngoài vấn đề này, nếu có thể dùng công nghệ xử lý ảnh để phân tích và phát hiện khói lửa thì chúng ta hoàn toàn có thể ngăn chặn,giảm thiểu thiệt hai gây ra về người và của khi xảy ra các vụ cháy rừng hằng năm. Hoả hoạn mà đặc biệt là cháy rừng gây thiệt hại nghiêm trọng cho tài sản và mang lại nhiều hậu quả khủng khiếp về tinh thần và thể chất cho con người nếu nó không thể được phát hiện và dập tắt kịp thời. Trong những thập kỷ qua, các cảm biến khác nhau được phát triển, chẳng hạn như cảm biến độ ẩm, cảm biến nhiệt độ và cảm biến khói, đã được sử dụng để phát hiện và dự báo cháy. Chúng đã được sử dụng rộng rãi trong quá khứ nhưng hiện nay không còn được quan tâm nhiều vì những hạn chế . Vì vậy tôi đã chọn đề tài tốt nghiệp: “ Xử lý ảnh để phát hiện khói cho cảnh báo cháy rừng ”. Mục tiêu của đề tài chủ yếu chỉ để tìm hiểu về lĩnh vực xử lý ảnh số và các phương pháp trích xuất đặc trưng, nhận dạng ảnh. Những kiến thức đạt được trong quá trình học tập ở trường sẽ được đánh giá qua đợt bảo vệ đồ án cuối khóa. Vì vậy người thực hiện đề tài cố gắng tận dụng những kiến thức đã học ở trường cùng với sự tìm tòi, nghiên cứu cùng với sự hướng dẫn tận tình của Giáo viên hướng dẫn cùng Thầy/Cô thuộc Khoa Điện- Điện Tử để có thể hoàn thành tốt đồ án này. Mặc dù cố gắng hoàn thành nhiệm vụ đề tài đặt ra và đúng thời hạn nhưng chắc chắn sẽ không tránh khỏi những thiếu sót, mong quý Thầy/Cô và các bạn sinh viên thông cảm. Người thực hiện đề tài mong nhận được những ý kiến đóng góp của quý Thầy/Cô và các bạn sinh viên. Xin chân thành cảm ơn! Người thực hiện đề tài Lê Văn Quang vi
5. LỜI CẢM ƠN Lời đầu tiên cho em xin gửi lời cảm ơn chân thành và sâu sắc nhất đến Thầy giáo TS. Nguyễn Thanh Hải về sự giúp đỡ nhiệt tình của Thầy trong thời gian qua. Trong suốt thời gian thực hiện luận văn mặc dù rất bận rộn trong công việc, nhưng Thầy vẫn dành rất nhiều thời gian và tâm huyết trong việc hướng dẫn em. Thầy đã cung cấp cho em rất nhiều kiến thức về một lĩnh vực mới khi em bắt đầu thực hiện luận văn. Thầy luôn định hướng góp ý và sửa chữa những điểm sai và không cần thiết của luận văn. Bên cạnh đó,em xin chân thành cảm ơn sự tận tình dạy dỗ của các thầy cô trong khoa Điện – Điện Tử, khoa Đào Tạo Chất Lượng Cao trường Đại Học Sư phạm Kỹ thuật TP. HCM. Giúp em có những bài học, những kiến thức nền cho luận văn này cũng như trong nghề nghiệp tương lai. Cảm ơn Ba Mẹ đã nuôi dưỡng và chuẩn bị một hành trang tốt nhất cho con bước vào giảng đường Đại Học, dù có thành công hay thất bại Ba Mẹ vẫn ủng hộ và dõi bước theo chúng con. Cảm ơn Ba Mẹ giúp đỡ và nâng bước cho con đạt được kết quả như ngày hôm nay. Cuối cùng, xin cảm ơn sự giúp đỡ của các anh chị khóa trước, cùng bạn bè đã giúp đỡ và cho những ý kiến đóng góp đáng giá để hoàn thành luận vằn này. Người thực hiện đề tài Lê Văn Quang vii
6. Trang bìa Nhiệm vụ đồ án i Nhận xét giáo viên hướng dẫn ii Nhận xét giáo viên phản biện iv Lời mở đầu vi Lời cảm ơn vii Mục lục viii Liệt kê hình vẽ x Liệt kê bảng xii CHƯƠNG I: TỔNG QUAN 1 1.1. Tổng quan chung về đề tài nghiên cứu 2 1.2. Mục tiêu đề tài 3 1.3. Nhiệm vụ nghiên cứu đề tài 3 1.4. Giới hạn đề tài 3 1.5. Phương pháp nghiên cứu 4 CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG 5 2.1. Hệ thống xử lý ảnh khói lửa 6 2.2. Tiền xử lý ảnh 11 2.2.1. Thu thập dữ liệu 11 2.2.2. Lọc trung bình 14 2.2.3. Chuyển đổi ảnh RGB sang HSV 18 2.2.4. Tăng cường ảnh 25 2.3. Phân ngưỡng và tách ảnh 30 2.3.1. Phân ngưỡng 30 2.3.2. Tách khói 33 viii
7. 2.3.3. Phân đoạn vùng 40 2.4. Nhận dạng khói 41 CHƯƠNG III: THIẾT KẾ - THI CÔNG HỆ THỐNG CẢNH BÁO 46 3.1. Sơ đồ khối của hệ thống 47 3.2. Tính toán thiết kế 48 3.3. Lập trình phần mềm 59 CHƯƠNG IV: KẾT QUẢ THỰC NGHIỆM 63 4.1. Kết quả thu thập dữ liệu 64 4.3. Kết quả nhận dạng 66 4.4. Kết quả cảnh báo thông qua thiết bị 68 CHƯƠNG V: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 70 5.1. Kết luận 71 5.2. Hạn chế và hướng phát triển 71 5.2.1. Hạn chế 71 5.2.2. Hướng phát triển 71 ix
8. LIỆT KÊ HÌNH VẼ Hình Trang Hình 2.1: Hình khói lửa trong tự nhiên 6 Hình 2.2: Hình mẫu trong video thử nghiệm phương pháp Wavelet 8 Hình 2.3: Sự phân tán của đường bao và diện tích của đám khói chuẩn 9 Hình 2.4: Hình mẫu thể hiện chính xác khu vực phát hiện khói 9 Hình 2.5: Sơ đồ khối của hệ thống xử lý ảnh để nhận dạng khói 10 Hình 2.6: Sơ đồ thuật toán mô tả bộ lọc trung bình 14 Hình 2.7: Ảnh được lọc nhiễu 15 Hình 2.8: Thực hiện với nhiều bộ lọc khác nhau 16 Hình 2.9: Các màu cơ sở 17 Hình 2.10: Mô hình không gian màu RGB 18 Hình 2.11: Không gian màu HSV 19 Hình 2.12: Hình nón biểu diễn màu HSV dựa trên RGB 20 Hình 2.13: (a) Trụ HSV ; (b) Nón HSV 20 Hình 2.14: So sánh HSV – RGB 21 Hình 2.15: Sơ đồ bộ chuyển đổi RGB sang HSV 21 Hình 2.16: Ví dụ chuyển đổi từ ảnh RGB sang HSV 23 Hình 2.17: Tách ảnh HSV thành 3 kênh màu 24 Hình 2.18: Sơ đồ kỹ thuật tăng cường ảnh 24 Hình 2.19: Biểu diễn Histogram 25 Hình 2.20: Giá trị xám ngõ vào 26 Hình 2.21: Ảnh sau khi cân bằng và Histogram 27 Hình 2.22: Cân bằng Histogram cho ảnh dữ liệu 28 Hình 2.23: Lươc đồ xám của một ảnh có sự tách biệt về mức xám ở ngưỡng t0 30 Hình 2.24: Kết quả phân đoạn dựa trên ngưỡng toàn cục 31 Hình 2.25: Ảnh được phân đoạn và chuyển sang nhị phân 32 Hình 2.26: Ví dụ về phép toán co ảnh nhị phân với phần tử cấu trúc phẳng 34 Hình 2.27: Ví dụ về phép giãn nhị phân trên ảnh với phần tử cấu trúc phẳng. 34 Hình 2.28: Phương pháp lập bảng tìm kiếm 35 Hình 2.29: Lọc nhỏ cho ảnh nhị phân (a) ta được ảnh (b) các vùng nhỏ đã bị mất 36 Hình 2.30: Lọc nhỏ cho ảnh nhị phân (c) ta được ảnh (d) các vùng nhỏ đã bị mất 36 Hình 2.31: Ảnh sau khi được lọc trơn (b) từ ảnh nhị phân (a) 38 Hình 2.32: Kết quả của việc thực hiện lấp đầy vùng ảnh 39 Hình 2.33: Sơ đồ tổng quát hệ thống nhận dạng ảnh 41 x
9. Hình 2.34: Các bước tiến hành xây dựng thuật toán chương trình 42 Hình 3.1: Sơ đồ khối hệ thống cảnh báo 47 Hình 3.2: Phần cứng của hệ thống cảnh báo khói 48 Hình 3.3: Hình dạng đóng gói thực tế của ESP 8266v1 49 Hình 3.4: Sơ đồ chân của Module wifi 8266 v1 50 Hình 3.5: Hình dạng đóng gói của USB TTL CP2102 53 Hình 3.6: Sơ đồ chân CP2102 USB - TTL 54 Hình 3.7: Dạng đóng gói của Led đơn 54 Hình 3.8: Giao diện Form trên Web Server 56 Hình 3.9: Sơ đồ kết nối phần cứng 59 Hình 3.10: Sơ đồ mạch in của hệ thống cảnh báo 60 Hình 3.11: Lưu đồ truyền dữ liệu từ Máy tính 61 Hình 3.12: Lưu đồ nhận dữ liệu và hiển thị Led 62 Hình 3.13: Giao diện chương trình nạp Fimware cho Esp 8266 62 Hình 3.15: Giao diện phần mềm lập trình cho Module Wifi ESP 8266 62 Hình 4.1: Kết quả nhận dạng ảnh có khói và hiển thị vùng khói trên nền ảnh gốc 66 Hình 4.2: Kết quả nhận dạng ảnh không có khói 66 Hình 4.3: Kết quả nhận dạng có lửa và hiển thị vùng có lửa trên nền gốc 67 Hình 4.4: Giao diện nhận dạng 69 xi
10. LIỆT KÊ BẢNG Bảng Trang Bảng 2.1: Các bước thực hiện chọn ngưỡng tự động 30 Bảng 2.2: Các tiền đề trong phân vùng 39 Bảng 2.3: Quá trình thực hiện tách và ghép vùng 40 Bảng 3.1: Tập lệnh AT của Module Wifi ESP 50 Bảng 3.2: Các lệnh AT đối với IP Client 51 Bảng 3.3: Các lệnh đối với IP server 52 Bảng 3.4: Thông số hoạt động Led đơn 55 Bảng 4.1: Các trạng thái của khói lửa thu thập được 64 Bảng 4.2: Bảng kết quả nhận dạng 68 xii
11. ĐỒ ÁN TỐT NGHIỆP CHƯƠNG I TỔNG QUAN CHƯƠNG I: TỔNG QUAN Page 1
12. ĐỒ ÁN TỐT NGHIỆP 1.1 . Tổng quan chung về đề tài nghiên cứu Ngày nay với sự phát triển mạnh mẽ của công nghệ xử lý ảnh, con người ngày càng phát triển hơn trong lĩnh vực thị giác máy tính nhằm giải quyết các vấn đề của của con người, xã hội. Nhận dạng khói lửa trong cảnh báo cháy rừng cũng không nằm ngoài vấn đề này, nếu có thể dùng công nghệ xử lý ảnh để phân tích và phát hiện khói lửa thì chúng ta hoàn toàn có thể ngăn chặn,giảm thiểu thiệt hai gây ra về người và của khi xảy ra các vụ cháy rừng hằng năm. [1] Hoả hoạn mà đặc biệt là cháy rừng gây thiệt hại nghiêm trọng cho tài sản và mang lại nhiều hậu quả khủng khiếp về tinh thần và thể chất cho con người nếu nó không thể được phát hiện và dập tắt kịp thời. Trong những thập kỷ qua, các cảm biến khác nhau được phát triển, chẳng hạn như cảm biến độ ẩm, cảm biến nhiệt độ và cảm biến khói, đã được sử dụng để phát hiện và dự báo cháy. Chúng đã được sử dụng rộng rãi trong quá khứ nhưng hiện nay không còn được quan tâm nhiều vì những hạn chế sau : Đầu tiên, chúng thường đưa ra nhiều cảnh báo sai do thiếu thông tin cháy. Thứ hai, chúng có phạm vi giám sát hẹp. Hơn nữa, các cảnh báo cháy không thể được gửi đi ngay lập tức nếu các cảm biến ở xa các đám cháy và thông tin về quy mô, vị trí và tốc độ của đám cháy không được cung cấp.Vì vậy, để cung cấp thông tin hữu ích hơn về cháy dựa trên thị giác máy tính, nhiều phương pháp phát hiện hỏa hoạn dựa trên công nghệ Ảnh Số thời gian thực đang được nghiên cứu và phát triển với sự tham gia của hàng trăm nhà khoa hoc, nhà nghiên cứu trên thế giới. Một số phương pháp đã được tích hợp vào hệ thống camera giám sát và đưa vào thương mại như hệ thống FireVu, FireVu Dome của liên doanh D-Tec; hệ thống Signi Video của FSE Fire Safety Systems Ltd; Fire Detection Camera của Sunin Unitech Trong tình hình cháy nổ ở nước ta ngày càng diễn biến phức tạp: số vụ, quy mô, thiệt hại không ngừng tăng và sự phổ biến của hệ thống camera giám sát an ninh thì việc tích hợp giải thuật phát hiện lửa khói vào hệ thống camera có sẵn là một giải pháp tối ưu về mặt kinh tế cũng như tăng cường khả năng phòng chống cháy nổ cho doanh nghiệp, công ty và cả hộ gia đình. [1] Tuy nhiên, ở Việt Nam chưa có một dự án hay nghiên cứu chính thức nào về vấn đề “ Phát hiện và cảnh báo hỏa hoạn bằng công nghệ xử lý ảnh ” mặc dù nhu cầu, lợi ích kinh tế và tính thực tiễn của đề tài là rất lớn. Cho nên nhiệm vụ chính của đề tài tốt nghiệp này là giải quyết vấn đề trên và kiểm chứng thực tế. 1.2 . Mục tiêu đề tài CHƯƠNG I: TỔNG QUAN Page 2
13. ĐỒ ÁN TỐT NGHIỆP Thu thập dữ liệu bao gồm các ảnh tĩnh là ảnh có khói lửa thành một tập dữ liệu nhận dạng giúp cho việc phân loại và nhận dạng khói. Xây dựng thuật toán xử lý ảnh để nhận biết đối tượng khói lửa trong môi trường Matlab.Phân tích và nhận dạng được các trạng thái đặc trưng của khói lửa.Cảnh báo thông qua thiết bị điều khiển bởi Web Server dùng Module thu phát wifi. 1.3 . Nhiệm vụ nghiên cứu đề tài - Xây dựng và thu thập tập cơ sở dữ liệu bao gồm các hình ảnh tĩnh chuẩn RGB để nhận dạng. - Sử dụng mô hình không gian màu chuẩn HSV để chọn ngưỡng và tách ngưỡng cho dữ liệu thu thập được. - Thực hiện việc nhận dạng khói thông qua kết quả được trích đặc trưng dựa trên màu sắc của khói. - Thiết kế phần cứng để cảnh báo cho đối tượng được nhận dạng và gửi dữ liệu từ web server để điều khiển thiết bị cảnh báo. 1.4 . Giới hạn đề tài - Camera thu nhận dữ liệu gắn trên một trục cố định có thể xoay 180 hoặc 360 độ, hướng chếch xuống so với mặt đất một góc 45 độ. Khoảng cách thu nhận dữ liệu giới hạn trong phạm vi [1m – 4m]. - Nhận dạng được các trạng thái của khói lửa: khói ít, khói nhiều, có lửa - Sử dụng không gian màu chuẩn HSV để trích đặc trưng và nhận dạng. - Chỉ xử lý chính xác được các hình ảnh thu về từ Camera trong cùng môi trường, ít ánh sáng, không sương mù 1.5 . Phương pháp nghiên cứu - Thu thập dữ liệu: Dữ liệu được thu thập là các hình ảnh tĩnh, xây dựng thành một tập dữ liệu. Dữ liệu được lưu ở máy tính để được xử lý. CHƯƠNG I: TỔNG QUAN Page 3
14. ĐỒ ÁN TỐT NGHIỆP - Xử lý dữ liệu: Áp dụng các thuật toán để tìm các đặc trưng màu sắc của khói. - Nhận dạng: Đưa các đặc trưng đã thu được vào không gian màu HSV để nhận dạng được khói - Tính toán thiết kế phần cứng: Dùng Web server điều khiển Led thông qua Module thu phát Wifi Esp 8266, cấp nguồn và nạp dữ liệu bằng USB TTL CP 2102. CHƯƠNG I: TỔNG QUAN Page 4
15. ĐỒ ÁN TỐT NGHIỆP CHƯƠNG II NHẬN DẠNG ĐỐI TƯỢNG CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 5
16. ĐỒ ÁN TỐT NGHIỆP 2.1. Hệ thống xử lý ảnh khói lửa  Đặc tính của khói lửa: Khói lửa được sinh ra khi nhiệt độ vật thể đạt tới điểm cháy và phát hỏa.Khói được sinh ra khi chất rắn, chất lỏng có lẫn tạp chất bị đốt cháy. Khói thường có màu quanh gam màu xám, có chuyển động hỗn loạn được mô tả gần với chuyển động Brown và có sự thay đổi đột ngột về diện tích. [3] (a) (b) Hình 2.1: (a) khói kèm lửa trong đám cháy rừng; (b) Khói dày đặc chuẩn bị có cháy xảy ra.  Các phương pháp phát hiện khói lửa: Dựa trên những đặc điểm trên chúng ta thấy rằng có rất nhiều phương pháp để phát hiện lửa và khói. Nhiều phương pháp khác nhau đã và đang được tiến hành nghiên cứu. Các phương pháp phát hiện lửa dựa vào màu sắc như : phương pháp so sánh với các màu tương tự màu lửa như màu đỏ, cam, vàng; phương pháp phát hiện màu sắc gần trong khoảng hồng ngoại. Cả hai phương pháp đều yêu cầu phải phân biệt được ngọn lửa thực sự và màu nền như những vật thể có màu sắc tương tự. Phương pháp hồng ngoại tuy cho kết quả chính xác cao nhưng có giá thành cao. [4] Các phương pháp phát hiện khói dựa vào chuyển động ngẫu nhiên của khói trên camera. Các phân tích khác nhau về tính chất khói được sử dụng, bao gồm phân tích Fourier, phân tích Wavelet, ma trận mức xám .Kết quả sau đó thường được phân tích riêng lẻ bởi một chương trình, thường là một mạng Nơron đã được đào tạo, để phân biệt giữa lửa, khói và không có gì, bởi quá trình xử lí nhận biết. Khi khói là dấu hiệu sớm của lửa thì tập trung vào việc phát hiện khói hơn là phát hiện lửa. CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 6
17. ĐỒ ÁN TỐT NGHIỆP Với những hiểu biết về đặc tính của lửa, nhiều phương pháp phát hiện khói từ một camera có thể được thực hiện. Đánh giá kết quả hoặc sử dụng mạng Nơron để hiểu các hành vi của khói sẽ là phương pháp tốt. Tuy nhiên, vì khói có tính ngẫu nhiên, không theo quy luật cao nên việc rất khó để huấn luyện cho hệ thống trên các cơ sở độc lập. Một vài nhà nghiên cứu đã tham gia vào lĩnh vực này và sử dụng các phương pháp khác nhau để xây dựng hệ thống phát hiện lửa hoặc khói. Chúng được chia thành hai hướng là phát hiện lửa và phát hiện khói. Ở mỗi hướng có hai phương pháp chính để giải quyết. [5] Để phát hiện lửa và hỏa hoạn, hai phương pháp chính có thể thu được từ các kết quả nghiên cứu. Đầu tiên là sẽ sử dụng màu sắc tương tự như màu sắc lửa trong chuyển động. Thứ hai là sẽ phân tích sự nhấp nháy (flicker) gây bởi lửa. Đây là những phương pháp phổ biến nhất. Phương pháp đầu tiên được sử dụng bởi TY. Le Maoult and Phillips et al, họ sử dụng một lược đồ màu gần hồng ngoại. Lược đồ này sử dụng lược đồ màu của lửa và phân tích nó thông qua chuyển động. Nếu một đối tượng với màu sắc giống lược đồ màu được phát hiện trong nguồn hình ảnh thì nó sẽ cho rằng đó là lửa.[6] Phương pháp thứ hai, phân tích sự nhấp nháy của lửa, thì được sử dụng bởi Toreyin et al. Toreyin et al sử dụng phân tích wavelet, phát hiện sóng dao động, trên cở sở không gian và thời gian. Điều đó cho phép hệ thống phát hiện những cái gì đó mà giống lửa, những cái có cạnh chập chờn ở trong và ngoài. Phillips và cộng sự đã có một hệ thống trong đó sử dụng thông tin màu sắc, sau đó được xử lý và lọc ra sự chuyển động của ngọn lửa. [6] Phát hiện khói thì ít phổ biến hơn, do có nhiều vấn đề phải khắc phục. Tín hiệu khói từ video phát sinh nhiều vấn đề. Trong số các vấn đề phát sinh là nó có thể thay đổi mật độ và sự hiển thị phụ thuộc vào nền, ánh sáng và các đối tượng khác. Vấn đề khác là không có nhiều đặc tính của hình ảnh như cạnh hay chuyển động có thể dễ dàng mô tả, điều đó gây khó khăn cho việc mô tả và cho phép hệ thống phát hiện. Một vài phương pháp đã được đề xuất bởi các nhà nghiên cứu khác nhau. Fujiwara và Terada đề xuất sử dụng các khái niệm mã hóa Fractal để trích xuất các vùng khói từ một hình ảnh, bằng cách sử dụng sự tương tự của các hình dạng khói. [7] Tương tự như vậy, Toreyin et al chiết xuất các đặc tính như chuyển động, nhấp nháy, làm mờ cạnh khu vực từ một ảnh, bằng cách sử dụng chuyển đổi Wavelet trong không gian và thời gian và trừ nền để xác định khói. CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 7
18. ĐỒ ÁN TỐT NGHIỆP Hình 2.2: Hình mẫu từ video thử nghiệm trong phương pháp Wavelet:vùng khói được phát hiện thành công. [7] Ziyou Xiong et al đề xuất một phương pháp tương tự dựa trên điểm ảnh nhấp nháy được trích xuất, sau đó đường viền được khởi tạo. Phương pháp khác là tận dụng lợi thế của sự bất thường trong chuyển động của khói là khắt khe. Kopilovic et al sử dụng phương pháp này bằng cách tính toán khu vực luồng quang bằng cách sử dụng các hình ảnh liền kề và sử dụng phân phối hướng chuyển động để phân biệt chuyển động khói từ chuyển động khác. Vicente và Guillemant cũng làm tương tự, chiết suất các chuyển động cục bộ từ phân tích cụm điểm để theo dõi các nhóm cục bộ của các điểm ảnh, và sau đó sử dụng các tính năng của biểu đồ phân phối tốc độ để phân biệt giữa khói và các chuyển động khác như cây và những đám mây. Tất cả những phương pháp này đã được trình bày như là tài liệu tham khảo sẽ được sử dụng và cải thiện. [7] Khá nhiều phương pháp trong số đó có nhiều nhược điểm. Ví dụ, phương pháp Ziyou Xiong đề xuất phát hiện khói, mặc dù nó có khả năng phát hiện khói trong khu vực có khói, đôi khi nó không thành công, mặc dù sự hiện diện của khói: CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 8
19. ĐỒ ÁN TỐT NGHIỆP Hình 2.3: Sự phân tán của đường bao và diện tích của đám khói chuẩn [7] Hình 2.4: Hình mẫu thể hiện chính xác khu vực phát hiện khói [7] Một hạn chế để hệ thống phát hiện một ngọn lửa hoặc khói là, đôi khi, hoặc lửa hoặc khói vắng mặt, chẳng hạn như trong trường hợp một ngọn lửa nhỏ bắt đầu phía sau cây hay bị một vật che chắn, do đó đám cháy là vô hình. Tương tự như vậy, một số loại lửa không phát ra nhiều khói khi chúng bắt đầu, và chỉ phát ra khói khi ngọn lửa đã phát triển đủ lớn. Từ những lí do đó, chúng ta sẽ có lợi hơn nếu có một hệ thống có thể phát hiện cả lửa và khói. Đây sẽ là một trong những lợi thế lớn nhất của hệ thống mà đề tài CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 9
20. ĐỒ ÁN TỐT NGHIỆP này nhằm tạo ra.  Hệ thống xử lý ảnh: Từ việc tìm hiểu chọn lọc và áp dụng các phương pháp trên thì để nhận dạng được khói cho đề tài này chúng ta sẽ dựa vào đặc trưng màu sắc của khói lửa.Dưới đây là sơ đồ tổng quát cho quá trình xử lý ảnh để nhận biết được đối tượng là khói lửa. Thu thập dữ liệu Xây dựng tập mẫu Tiền xử lý ảnh Trích đặc trưng Nhận dạng ảnh Kết quả Hình 2.5: Sơ đồ khối của hệ thống xử lý ảnh để nhận dạng khói CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 10
21. ĐỒ ÁN TỐT NGHIỆP 2.2. Tiền xử lý ảnh Bước đầu tiên trong quá trình xử lý ảnh để nhận dạng đối tượng là tiền xử lý. Sau bộ thu nhận, ảnh có thể nhiễu, độ tương phản thấp nên cần đưa vào bộ tiền xử lý để nâng cao chất lượng. Chức năng chính của bộ tiền xử lý là lọc nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét hơn. 2.2.1. Thu thập dữ liệu Đây là bước đầu tiên trong quá trình xử lý ảnh. Để thực hiện điều này, ta cần có bộ thu ảnh và khả năng số hoá những tín hiệu liên tục được sinh ra bởi bộ thu ảnh đó. Bộ thu ảnh ở đây có thể là máy chụp ảnh đơn sắc hay màu, máy quét ảnh, máy quay Trong trường hợp bộ thu ảnh cung cấp chưa phải là dạng số hoá ta còn phải chuyển đổi hay số hoá ảnh. Quá trình chuyển đổi ADC (Analog to Digital Converter) để thu nhận dạng số hoá của ảnh. Mặc dù đây chỉ là công đoạn đầu tiên song kết quả của nó có ảnh hưởng rất nhiều đến công đoạn kế tiếp. Thiết bị nhận ảnh: Ảnh có thể nhận qua camera màu hoặc đen trắng. Thường ảnh nhận qua camera là ảnh tương tự (loại camera ống chuẩn CCIR với tần số 1/25, mỗi ảnh 25 dòng), cũng có loại camera đã số hoá (như loại CCD – Change Coupled Device) là loại photodiot tạo cường độ sáng tại mỗi điểm ảnh.Camera thường dùng là loại quét dòng ; ảnh tạo ra có dạng hai chiều. Chất lượng một ảnh thu nhận được phụ thuộc vào thiết bị thu, vào môi trường (ánh sáng, phong cảnh).[2] Chức năng của thiết bị này là số hóa một băng tần số cơ bản của tớn hiệu truyền hình cung cấp từ một camera, hoặc từ một đầu máy VCR. Ảnh số sau đó được lưu trữ trong bộ đệm chính.Bộ đệm này có khả năng được địa chỉ hóa (nhờ một PC) đến từng điểm bằng phần mềm. Thông thường thiết bị này có nhiều chương trình con điều khiển để có thể lập trình được thông qua ngôn ngữ C:[2] Thiết bị có khả năng số hóa ảnh ít nhất 8 bit (256 mức xám) và ảnh thu được phải có kích thước ít nhất là 512×512 điểm hoặc hơn. Thiết bị phải chứa một bộ đệm ảnh để lưu trữ một hoặc nhiều ảnh có độ phân giải 512×512 điểm ảnh. CHƯƠNG II: NHẬN DẠNG ĐỐI TƯỢNG Page 11
22. S K L 0 0 2 1 5 4