3.2 Algoritmo de Detecc¸ ˜ao de Fogo
3.2.3 An ´alise no Dom´ınio da Frequ ˆencia
3.2.3.1 Transformada Wavelet Discreta no Espac¸o da Frequ ˆencia Temporal
Uma das caracter´ısticas din ˆamicas do fogo ´e oscilar a uma frequ ˆencia entre 1 e 10 Hz (Detriche and Lanore, 1980; Drysdale, 2011; Hammis et al., 1992), ou seja, a informac¸ ˜ao de cor de um deter- minado pixel na ´area circundante ao fogo pode desaparecer e aparecer v ´arias vezes por segundo.
O quarto passo do algoritmo de detecc¸ ˜ao de fogo ´e uma extens ˜ao ao m ´etodo proposto por T ¨oreyin et al. (2006), onde a m ´etrica de decis ˜ao e o modo como o m ´etodo ´e aplicado s ˜ao alterados. O objectivo deste m ´etodo ´e analisar a hist ´oria de oscilac¸ ˜ao dos p´ıxeis considerados fogo pelo m ´etodo de detecc¸ ˜ao de texturas din ˆamicas no dom´ınio da frequ ˆencia, sendo aplicada a cada regi ˜ao com assinatura temporal do fogo uma an ´alise da transformada wavelet discreta no espac¸o da frequ ˆencia temporal.
Ao analisar o comportamento oscilat ´orio do fogo, a sua detecc¸ ˜ao torna-se mais robusta, pois as regi ˜oes de p´ıxeis segmentadas como movimento e classificadas como fogo poder ˜ao n ˜ao evidenciar um regime de oscilac¸ ˜ao suficientemente alto para ser confundido com as chamas, tais como folhas das ´arvores, ervas, carros e pessoas. Por outro lado, com a inclus ˜ao do m ´etodo proposto nesta dissertac¸ ˜ao em detrimento do m ´etodo de T ¨oreyin et al. (2006), o algoritmo de detecc¸ ˜ao de fogo torna-se mais eficiente, visto que este s ´o ´e executado ap ´os a detecc¸ ˜ao de texturas din ˆamicas.
3.2. Algoritmo de Detecc¸ ˜ao de Fogo
Com vista a verificar o comportamento oscilat ´orio das chamas atrav ´es da DWT unidimensional, um banco de filtros de uma dimens ˜ao com dois n´ıveis de transformac¸ ˜ao, onde o n ´umero de cascatas determina o n´ıvel de transformac¸ ˜ao, foi implementado. A figura 3.14 representa a estrutura b ´asica do referido banco, composto por filtros passa alto e passa baixo com coeficientes{−0.25, 0.5, −0.25} e{0.25, 0.5, 0.25}, respectivamente.
Figura 3.14: Estrutura b ´asica de um banco de filtros com dois n´ıveis de transformac¸ ˜ao, utilizado para an ´alise
da transformada wavelet discreta. As sa´ıdas do processo de transformac¸ ˜ao s ˜ao dadas pelas escalas de aproximac¸ ˜ao Ane de detalhe Dn.
O sinal de entradaxf corresponde `a componente vermelha das regi ˜oes de p´ıxeis com cor de
fogo (ver Secc¸ ˜ao 3.2.1). Assim, s ˜ao recolhidasN Cdwt (definido como 60) imagens consecutivas
dessa regi ˜ao, efectuando uma an ´alise de cada pixel ao longo das imagens atrav ´es da DWT no espac¸o da frequ ˆencia temporal. ´E importante mencionar que as imagens recolhidas s ˜ao criadas com o tamanho da primeira caixa delimitadora da regi ˜ao em an ´alise.
Na figura 3.15 encontram-se expostos o sinal de entradaxfno dom´ınio do tempo (figura 3.15(a)),
e os sinais de sa´ıda do banco de filtros unidimensional com dois n´ıveis de transformac¸ ˜ao,dwtout,
dado pela concatenac¸ ˜ao da escalasD1 e A2 (figura 3.15(b)). De referir que na sa´ıda do banco
de filtros ocorre o processo sub-amostragem, que reduz a taxa de amostragem dos sinais e, por motivos de apresentac¸ ˜ao, foi imposto o processo de sobre-amostragem que acrescenta zeros nas posic¸ ˜oes eliminadas pelo processo de sub-amostragem.
(a) (b)
Figura 3.15: Sinais nos dom´ınios do tempo (a) e de sa´ıda do banco de filtros de 2 n´ıveis de transformac¸ ˜ao
(b). Os p´ıxeis nas posic¸ ˜oes(165, 171) e (24, 174) representam uma regi ˜ao de chamas e uma regi ˜ao com um objecto em movimento com cores semelhantes `as das chamas, respectivamente.
Cap´ıtulo 3. Metodologia Proposta
Se um determinado pixel ´e considerado fogo pelo m ´etodo de classificac¸ ˜ao dos p´ıxeis com base na cor, ent ˜ao o seu sinal ao longo do tempo apresenta diversos picos, representando a transic¸ ˜ao entre o plano de fundo e as chamas (sinalxf(165, 171) da figura 3.15(a)), e a transic¸ ˜ao entre o plano
de fundo e um objecto em movimento com cores semelhantes `as das chamas (sinalxf(24, 174) da
figura 3.15(a)). O pixelxf(165, 171) faz parte das chamas nas imagens n = 1, 2, 4, 6, 22 a 26, 34 a
40, 41 a 43 e 51 a 56, tornando-se parte da imagem de fundo nas restantes imagens.
Na figura 3.15(b) est ˜ao expostos os sinais de sa´ıda do banco de filtros com dois n´ıveis de transformac¸ ˜ao. Os sinais dwtout(165, 171) e dwtout(24, 174) representam a transformada wavelet
discreta no espac¸o da frequ ˆencia temporal de um pixel de fogo e de um pixel representativo de um objecto em movimento com apar ˆencia semelhante ao fogo, respectivamente.
Com base nos sinais de sa´ıda do banco de filtros, foram definidas regras para discriminar entre dois tipos de p´ıxeis: um fogo ou um objecto em movimento com apar ˆencia semelhante ao fogo. Assim, para cada pixel da regi ˜ao detectada ´e analisado a intensidade e variac¸ ˜ao dos picos do cor- respondente sinal de sa´ıda do banco de filtros. Esta an ´alise n ˜ao ´e considerada no modelo original proposto por (T ¨oreyin et al., 2006), onde apenas ´e tomado em considerac¸ ˜ao o n ´umero de passagens por zero. Com a inclus ˜ao deste processo pretende-se negligenciar a forte contribuic¸ ˜ao de alguns p´ıxeis, isto ´e, evitar que os p´ıxeis com elevada oscilac¸ ˜ao tenham uma ponderac¸ ˜ao mais elevada, de modo a n ˜ao saturar da m ´etrica de decis ˜ao.
Com base na m ´etrica de decis ˜ao baseada na intensidade dos p´ıxeis, cada pixel ´e classificado como fogo se o correspondente sinal de sa´ıda do banco de filtros satisfazer duas condic¸ ˜oes:
dwtout(x, y) > σ ∧ Npicos(x, y) ≤ 3, (3.24)
onde o par ˆametroNpicos representa o n ´umero total de picos acima do limiarσ na posic¸ ˜ao (x, y). A
figura 3.16 exp ˜oe dois exemplos do resultado deste processo, Fsp.
(a) Imagem actual (b) Regi ˜ao (c) Fsp
Figura 3.16: (a) Imagem actual; (b) regi ˜ao detectada com cores semelhantes `as das chamas para an ´alise da
DWT; (c) m ´ascara com os p´ıxeis classificados como fogo pela m ´etrica de decis ˜ao baseada na intensidade dos
3.2. Algoritmo de Detecc¸ ˜ao de Fogo
Como referido, para n ˜ao saturar a m ´etrica de decis ˜ao e acrescentar uma maior robustez na detecc¸ ˜ao de fogo, s ˜ao analisadas a intensidade e a variac¸ ˜ao dos picos do sinal de sa´ıda do banco de filtros. Neste sentido, uma regi ˜ao ´e considerada fogo se satisfazer duas condic¸ ˜oes: (1) o r ´acio dos p´ıxeis classificados como fogo pela regra baseada na intensidade dos p´ıxeis (ver equac¸ ˜ao 3.24) necessita de ser superior ao limiarthrint (definido como 0.15); (2) o n ´umero acumulado de passa-
gens por zero do sinal de sa´ıda do banco de filtros tem de ser superior ao limiarthrzc, definido como
tr ˆes vezes a ´area da regi ˜ao em an ´alise.
O m ´etodo descrito para an ´alise da transformada wavelet discreta no espac¸o da frequ ˆencia tem- poral ´e sumariado no algoritmo 2.
Algoritmo 2 dwtTemporal
1: Entrada: conjunto de imagens recolhidas para aplicar a DWT (IRdwt), caixa delimitadora do
objecto (rect)
2: Sa´ıda: marca com o resultado da an ´alise da DWT unidimensional (alarme)
3: Data: Sinedwtout s ˜ao vectores auxiliares,thrint,thrzc eN Cdwts ˜ao constantes definidas em-
piricamente.
4:
5: Fsp← ∅, alarme ← f also
6: for y = 0 at ´e altura rect do 7: for x = 0 at ´e largura rect do
8: //obter o sinal no dom´ınio do tempo
9: Vmed← 0
10: for i = 0 at ´e N Cdwtdo
11: Sin(i) ← IRdwt(i, x, y)
12: Vmed← Vmed+ Sin(i)
13: end for
14:
15: //verificar se o valor m ´edio do sinal ´e superior a zero para calcular a DWT unidimensional
16: if Vmed> 0 then
17: remover o valor m ´edio do sinal,∀s∈Sin, Sin(s) = Sin(s) − VT, VT = N CdwtV med
18: calcular a DWT unidimensional com base emSin,dwtout
19: actualizar Fspusando a equac¸ ˜ao 3.24 edwtout
20: end if
21: end for 22: end for
23: if regi ˜ao rect valida as m ´etricas de decis ˜ao de thrintethrzcthen
24: alarme ← verdadeiro
25: end if
26: eliminar Fsp
Cap´ıtulo 3. Metodologia Proposta
3.2.3.2 Transformada Wavelet Discreta no Espac¸o da Frequ ˆencia Espacial
Para al ´em de analisar a oscilac¸ ˜ao dos p´ıxeis nas zonas circundantes `as chamas atrav ´es da DWT no espac¸o da frequ ˆencia temporal, para reduzir ainda mais a probabilidade de gerar um falso alarme, a textura das chamas no dom´ınio da frequ ˆencia tamb ´em ´e analisada, atrav ´es da DWT no espac¸o da frequ ˆencia espacial.
T ¨oreyin et al. (2006) prop ˆos um m ´etodo de detecc¸ ˜ao da variac¸ ˜ao espacial dos p´ıxeis, aplicando a DWT no espac¸o da frequ ˆencia espacial atrav ´es de um banco de filtro de duas dimens ˜oes com um n´ıvel de transformac¸ ˜ao. Contudo, para uma an ´alise mais detalhada da textura dos p´ıxeis con- siderados fogo e consequentemente uma maior robustez na detecc¸ ˜ao de fogo, um banco de filtro bidimensional com tr ˆes n´ıveis de transformac¸ ˜ao ´e considerado nesta dissertac¸ ˜ao. Para al ´em disso, em vez de se aplicar um limiar para a energia dos p´ıxeis numa imagem para diferenciar entre um fogo e um objecto em movimento com apar ˆencia semelhante ao fogo, o m ´etodo proposto tem em considerac¸ ˜ao o valor m ´aximo, m´ınimo e m ´edio da variac¸ ˜ao de energia dos p´ıxeis na sequ ˆencia de imagens recolhidas para an ´alise da DWT.
Atrav ´es da concatenac¸ ˜ao de estruturas DWT unidimensional, obtidas a partir da estrutura de- finida na figura 3.14, uma nova estrutura para a an ´alise da DWT bidimensional com tr ˆes n´ıveis de transformac¸ ˜ao pode ser conseguida. O objectivo da concatenac¸ ˜ao ´e aumentar a resoluc¸ ˜ao da frequ ˆencia e os coeficientes de aproximac¸ ˜ao decompostos com filtros passa alto e passa baixo. Na figura 3.17 est ˜ao expostas as sub-imagens de decomposic¸ ˜ao de uma imagem, quando uma DWT bidimensional com tr ˆes n´ıveis de transformac¸ ˜ao ´e aplicada. As sub-imagens correspondem a dife- rentes n´ıveis de resoluc¸ ˜ao e orientac¸ ˜oes (Antonini and Barlaud, 1992).
Figura 3.17: Sub-imagens de decomposic¸ ˜ao resultantes da DWT bidimensional com tr ˆes n´ıveis de transformac¸ ˜ao (1, 2 e 3). As sub-imagens a cinzento s ˜ao utilizadas para a discriminac¸ ˜ao entre um regi ˜ao com chamas e uma regi ˜ao com um objecto em movimento com apar ˆencia semelhante ao fogo. Hbe Lbrepresentam as bandas de alta e baixa frequ ˆencia, respectivamente.
Atrav ´es do sinal de sa´ıda do banco de filtros com tr ˆes n´ıveis de transformac¸ ˜ao e com base nas N Cdwtimagens recolhidas, ´e poss´ıvel analisar a energia dos p´ıxeis que apresentam uma apar ˆencia
semelhante ao fogo:
β(x, y) = 1 Ndwt
X
x,y
3.2. Algoritmo de Detecc¸ ˜ao de Fogo
onde xlh, xhle xhhs ˜ao as sub-imagens resultantes da DWT bidimensional na posic¸ ˜ao(x, y), deno-
minadas sub-imagens baixo-alto, alto-baixo e alto-alto, respectivamente, ilustradas nas figuras 3.17 (a cinzento) e 3.18(d). O par ˆametroNdwt representa o n ´umero de p´ıxeis considerados fogo pelo
m ´etodo de classificac¸ ˜ao dos p´ıxeis com base na cor na regi ˜ao em an ´alise.
O algoritmo de detecc¸ ˜ao de fogo classifica uma regi ˜ao como fogo se os valores m´ınimo, m ´edio e m ´aximo do par ˆametroβ se encontram acima dos limiares ξ1,ξ2eγ (parametrizadas respectivamente
para 1, 0.01 e 50) ao longo das 60 imagens recolhidas para a an ´alise da DWT. A figura 3.18 ilustra dois exemplos de aplicac¸ ˜ao da DWT bidimensional. De referir que o contraste das sub-imagens foi ajustado para uma melhor observac¸ ˜ao.
(a) Imagem actual (b) Regi ˜ao (c) sub-imagens resultantes da DWT bidimensional
(d) xll, xlh, xhle xhh
Figura 3.18: (a) imagem actual; (b) regi ˜ao detectada com apar ˆencia semelhante ao fogo para an ´alise da DWT
no espac¸o da frequ ˆencia espacial; (c) sub-imagens resultantes da aplicac¸ ˜ao da DWT bidimensional com tr ˆes n´ıveis de transformac¸ ˜ao; (d) sub-imagens de decomposic¸ ˜ao xll, xlh, xhle xhh.
Os algoritmos 3 e 4 sumarizam o m ´etodo de an ´alise da transformada wavelet discreta no espac¸o da frequ ˆencia espacial e o algoritmo de detecc¸ ˜ao de fogo, respectivamente.
Algoritmo 3 dwtEspacial
1: Entrada: conjunto de imagens recolhidas para aplicar a DWT (IRdwt)
2: Sa´ıda: marca com o resultado da an ´alise da DWT bidimensional (alarme)
3: Data: dwtout ´e um vector auxiliar, N Cdwteβ s ˜ao constantes definidas empiricamente.
4:
5: alarme ← f also 6: for x = 0 at ´e N Cdwtdo
7: calcular DWT bidimensional com base emIRdwt(x), dwtout
8: usar equac¸ ˜ao 3.25 para analisar o sinaldwtout
9: end for
10: if dwtoutvalida a m ´etrica de decis ˜ao do par ˆametroβ then
11: alarme ← verdadeiro
12: end if
Cap´ıtulo 3. Metodologia Proposta
Algoritmo 4 detectarFogo
1: Entrada: conjunto de objectos detectados (Nobj), conjunto de objectos considerados fogo (Nf),
imagem actual (Is), m ´ascara com regi ˜oes de movimento (IHBE), m ´ascara com regi ˜oes de p´ıxeis
com cores semelhantes `as das chamas (IPC), m ´ascara de filtragem de texturas din ˆamicas (ITD),
m ´ascara de remoc¸ ˜ao de contornos (IRC)
2: Sa´ıda: conjunto actualizado de objectos considerados fogo (Nf)
3: Data: primeira caixa delimitadora do objecto (rect), conjunto de imagens recolhidas para aplicar a DWT (IRdwt),N Cdwt ´e uma constante definida empiricamente.
4:
5: determinar as regi ˜oes de p´ıxeis com cor de fogo usando Ise IHBE(ver Secc¸ ˜ao 3.2.1)
6: detectar regi ˜oes de p´ıxeis,Nobj← detectarObjectos(Nobj, IPC, ITD, IRC) (ver Secc¸ ˜ao 3.2.2.1)
7:
8: //an ´alise das caracter´ısticas din ˆamicas conhecidas do fogo no dom´ınio da frequ ˆencia
9: foreach n ∈ Nobjdo
10: //verificar se j ´a foram recolhidas asN Cdwtpara aplicar a DWT
11: if|IRdwt(n)| < N Cdwtthen
12: obter a componente vermelho de Is
13: definir regi ˜ao de interesse, ROI(Is, rect(n))
14: guardar imagem,IRdwt(n) ← IRdwt(n) ∪ {Is}
15: else
16: //validar regi ˜oes de chamas
17: aplicar DWT unidimensional, alarme ← dwtTemporal(IRdwt(n), rect(n)) (ver
Secc¸ ˜ao 3.2.3.1)
18: if alarme = verdadeiro then
19: aplicar DWT bidimensional,alarme ← dwtEspacial(IRdwt(n)) (ver Secc¸ ˜ao 3.2.3.2)
20: if alarme = verdadeiro then
21: Nf ← Nf ∪ {n} 22: end if 23: end if 24: eliminarIRdwt(n) 25: end if 26: end for 27: return Nf
3.3
Algoritmo de Detecc¸ ˜ao e Seguimento de Objectos
O processo de detectar e seguir objectos em tempo real ´e fundamental para sistemas de v´ıdeo vigil ˆancia. ´E importante notar que o seguimento de objectos apresenta um grande desafio para o sistema, devido `a presenc¸a de ru´ıdo, alterac¸ ˜oes din ˆamicas do ambiente e oclus ˜oes entre objectos.
Para al ´em de seguir m ´ultiplos objectos presentes no campo de vis ˜ao da c ˆamara e gerar os respectivos alarmes, os resultados deste processo e da detecc¸ ˜ao de regi ˜oes com chamas s ˜ao inte- grados (ver Secc¸ ˜ao 3.5), de modo a eliminar os falsos alarmes na detecc¸ ˜ao de fogo provenientes de objectos em movimento com apar ˆencia semelhante ao fogo.
3.3. Algoritmo de Detecc¸ ˜ao e Seguimento de Objectos
O algoritmo proposto nesta dissertac¸ ˜ao para a detecc¸ ˜ao e seguimento de objectos ´e constitu´ıdo por um conjunto de m ´etodos. Em primeiro lugar, s ˜ao extra´ıdas regi ˜oes de movimento atrav ´es de uma extens ˜ao ao m ´etodo proposto por Kim et al. (2005) e do m ´etodo para estimac¸ ˜ao do plano de fundo (Collins et al., 2000). Com base nestas regi ˜oes s ˜ao removidas as sombras dos objectos em movi- mento atrav ´es de uma extens ˜ao ao m ´etodo proposto por Cucchiara et al. (2003). Posteriormente, os objectos em movimento s ˜ao detectados de forma a gerir os seus par ˆametros de identificac¸ ˜ao. Caso um objecto seja detectado um determinado n ´umero de vezes, este ´e seguido atrav ´es de um filtro de part´ıculas, que estima a posic¸ ˜ao do objecto com base no modelo apar ˆencia do mesmo. Por fim, o objecto ´e definido como humano atrav ´es de um classificador proposto por (Dadal and Triggs, 2005). As pr ´oximas secc¸ ˜oes detalham este processo.