基于颜色模型和边缘检测的火焰识别FPGA实现,包含testbench和matlab验证程序

1.算法运行效果图预览

(完整程序运行后无水印)

 

 

 

将FPGA仿真结果导入到matlab显示结果：

 

测试样本1

 

 

 

测试样本2

 

 

 

测试样本3

 

 

 

2.算法运行软件版本

vivado2019.2

 

matlab2022a

 

3.部分核心程序

（完整版代码包含注释和操作步骤视频）

 

`timescale 1ns / 1ps
//
// Company: 
// Engineer: 
// 
// Create Date: 2023/08/01  
// Design Name: 
// Module Name: RGB2gray
// Project Name: 
// Target Devices: 
// Tool Versions: 
// Description: 
// 
// Dependencies: 
// 
// Revision:
// Revision 0.01 - File Created
// Additional Comments:
// 
//
 
 
module main_gray(                  
                         i_clk25MHz,// 输入时钟
						 i_rst,// 复位信号
						 i_R,// 红色信号输入，8位
						 i_G,
						 i_B,
						 o_Fire_reg, // 输出控制信号
						 o_R_delay,
						 o_G_delay,
						 o_B_delay
	                );
	                
	                
input      i_clk25MHz;
input      i_rst;
input[7:0]i_R;
input[7:0]i_G;
input[7:0]i_B;
 
output     o_Fire_reg;
output[7:0]o_R_delay;
output[7:0]o_G_delay;
output[7:0]o_B_delay;
 
 
 // 实例化fire_reg模块，用于处理RGB信号及产生控制信号，输出火焰检测结果
fire_reg fire_reg_u(
    .i_clk25MHz(i_clk25MHz), 
    .i_rst     (i_rst), 
    .i_en      (1'b1), 
    .i_R       (i_R), 
    .i_G       (i_G), 
    .i_B       (i_B), 
	 
    .i_Mode_sel(1'd1), 
    .o_Fire_reg(o_Fire_reg), // 输出火焰检测结果
	 
    .o_R_delay (o_R_delay), 
    .o_G_delay (o_G_delay), 
    .o_B_delay (o_B_delay), 
    .o_indx    ()
    );	 
	 
	  
endmodule
10_040m

　　

 

4.算法理论概述

       火焰识别是一个在诸多领域如森林火灾预警、工业安全监控等至关重要的课题。基于颜色模型和边缘检测的火焰识别方法，结合了色彩分析与形态学特征提取，能够在复杂背景下高效、实时地识别火焰区域。在FPGA（Field-Programmable Gate Array）平台上实现这一算法，能够充分利用硬件并行处理的优势，实现低延迟、高吞吐量的实时火焰检测系统。

 

       火焰在RGB颜色空间中通常呈现出较高的红色(R)和较低的蓝色(B)成分，同时绿色(G)成分变化较大。因此，通过变换到HSV（色调、饱和度、亮度）或YCbCr（亮度、蓝色色差、红色色差）等颜色空间，可以更有效地提取火焰特征。

 

       HSV空间：火焰区域通常具有高饱和度(S)和特定的色调(H)范围。选取合适的H范围（如黄色到红色区间）和S阈值，可以初步筛选出可能的火焰区域。

 

       YCbCr空间：在该空间中，火焰区域通常表现为Cb较低（蓝色成分少）而Cr较高（红色成分多）。通过设置Cb和Cr的阈值，可以进一步精确定位火焰区域。

 

FPGA实现主要利用其并行处理能力，将算法的各个步骤映射为硬件逻辑模块，包括：

 

颜色空间转换模块：设计硬件逻辑实现RGB到HSV或YCbCr的转换。这通常涉及大量的乘法、加法和查找表操作。

 

阈值判断模块：根据预设的阈值，硬件逻辑直接对像素进行筛选，高效实现颜色空间中的区域分割。

 

边缘检测模块：将高斯滤波、梯度计算、非极大值抑制和双阈值检测等步骤设计为流水线结构，利用并行处理单元加速运算。

 

形态学处理模块：通过硬件实现结构元素的定义和滑动窗口操作，完成膨胀、腐蚀等操作。

 

控制逻辑：设计控制单元协调各个模块的工作，实现数据在模块间的高效传递。