專利名稱：煙霧檢測的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及安防監(jiān)控領(lǐng)域，尤其涉及一種煙霧檢測的方法。
背景技術(shù)：
傳統(tǒng)的基于離子感煙器、光電感煙器的火災(zāi)報警系統(tǒng)由于成本低廉，在當前的火災(zāi)防控中取得了非常廣泛的應(yīng)用。但是探測器必須與一定濃度的煙霧接觸才能報警，使得它無法應(yīng)用于大的空間以及露天環(huán)境。
計算機視覺主要研究從圖像數(shù)據(jù)中獲取信息的方法?；谟嬎銠C視覺的煙霧檢測方法通過對視頻圖像內(nèi)容進行分析，判斷場景中是否存在煙霧，因此它不需要與煙霧接觸， 能夠監(jiān)控大空間以及露天區(qū)域；此外，基于視頻監(jiān)控的火災(zāi)報警系統(tǒng)能夠?qū)崟r傳送監(jiān)控現(xiàn)場的視頻信息，在發(fā)生報警后，消防人員可以利用視頻信息及時判斷火災(zāi)報警的真實性，避免火災(zāi)防控系統(tǒng)誤報警帶來的損失；同時對于真正發(fā)生的火災(zāi)，視頻圖像也能夠幫助消防人員了解火場信息，及時制定有效的滅火方案。
煙霧檢測屬于計算機視覺領(lǐng)域中特定目標的檢測識別問題，目前實際使用中的煙霧檢測算法主要有以下幾種1、基于顏色信息的煙霧檢測，顏色信息是對圖像分析中一種經(jīng)常利用的信息，通過在視頻圖像中尋找與煙霧顏色近似的區(qū)域，能夠?qū)崿F(xiàn)煙霧的檢測。然而，利用顏色信息進行煙霧檢測容易受相似顏色目標的干擾；此外，不同燃燒物燃燒所釋放出的煙霧顏色有較大差異，也是限制顏色信息在煙霧檢測中應(yīng)用的一個重要限制；2、基于運動信息的煙霧檢測，
場景中的光流反映了場景中各點在視頻流中的運動方向，一些人員通過計算場景中的光流，尋找場景中同煙霧擴散相似的運動區(qū)域，從而發(fā)現(xiàn)場景中的疑似煙霧區(qū)域。然而，光流計算的準確性，監(jiān)控區(qū)域的成像條件等都對煙霧的準確檢測結(jié)果有很大影響；3、基于小波分析的煙霧檢測，小波分析方法能夠在頻域和空域同時對圖像進行分析，在圖像處理領(lǐng)域的很多問題中都有重要應(yīng)用。有學(xué)者研究了圖像中煙霧區(qū)域同非煙霧區(qū)域在小波域的差別，分析了小波域能量損失與保留能量的關(guān)系、小波系數(shù)的統(tǒng)計規(guī)律等，獲得了較好的煙霧檢測效果。但是小波分析方法往往只針對特定形態(tài)的煙霧，難以滿足一些特定場合的應(yīng)用需求，此外，對于成像質(zhì)量較差的視頻，噪聲也會對圖像小波域的信息有較大影響。 雖然研究人員根據(jù)煙霧的不同特性提出了不同的煙霧檢測算法，但是，現(xiàn)有的基于計算機視覺的煙霧檢測方法研究主要集中于可見光場景，無法應(yīng)用于黑暗的密閉空間以及夜晚場景。為此，有必要對上述的煙霧檢測算法進行進一步的改進。發(fā)明內(nèi)容
本發(fā)明提出了一種煙霧檢測的方法，能夠在黑暗的密閉空間及夜晚場景中實時精確地完成對煙霧的檢測。
本發(fā)明采用的一個技術(shù)方案是提供一種煙霧檢測的方法，包括兩個階段生成分類器階段和檢測煙霧階段；
所述生成分類器階段，包括如下步驟
SI I、接收樣本視頻；
S12、對樣本視頻進行分析，生成運動前景二值圖像，并對運動前景二值圖像進行連通域標記，具體為以樣本視頻中第一幀圖像為圖像背景，對于t幀圖像中的每一像素點與t幀的背景圖像對應(yīng)的像素點相減并對差值取絕對值后，將差值的絕對值與運動檢測閾值比較，若差值的絕對值大于運動檢測閾值，則設(shè)定該像素點存在運動區(qū)域，賦第一灰度值后以該像素點為中心搜索相鄰像素點中存在的相同灰度值的像素點，并標記為連通域，若差值的絕對值不大于運動檢測閾值，則設(shè)定該像素點不存在運動區(qū)域并賦灰度值；
S13、確定運動區(qū)域幀間關(guān)系，對于第t幀圖像連通域中的每一運動區(qū)域，計算其與第t-i幀圖像連通域中所有運動區(qū)域的距離，判斷是否小于距離閾值，若是，則將第t幀圖像中的運動區(qū)域與第t-ι幀圖像中的運動區(qū)域標記為同一目標，若否，則處理第t幀圖像的下一個運動區(qū)域或下一幀圖像；
S14、計算單幀圖像的運動區(qū)域特征，對第t幀中的運動區(qū)域，若能夠在第t-Ι幀圖像中找到由同一目標運動產(chǎn)生的運動區(qū)域，計算同一目標中第t幀圖像的運動區(qū)域特征， 標記運動區(qū)域類別屬性并保存；
S15、生成分類器，對樣本視頻信息中的所有運動區(qū)域提取運動特征和標記運動區(qū)域類別屬性后，將所有運動區(qū)域提取運動特征組合成運動特征向量并標記類別后，將所有運動特征向量和類別標記存儲于分類器中；
所述檢測煙霧階段，包括如下步驟
S21、接收待檢測的視頻；
S22、對待檢測的視頻進行分析，生成運動前景二值圖像，并對運動前景二值圖像進行連通域標記，具體為以待檢測視頻中第一幀圖像為圖像背景，對于t幀圖像中的每一像素點與t幀的背景圖像對應(yīng)的像素點相減并對差值取絕對值后，將差值的絕對值與運動檢測閾值比較，若差值的絕對值大于運動檢測閾值，則設(shè)定該像素點存在運動區(qū)域，賦灰度值后以該像素點為中心搜索相鄰像素點中存在的相同灰度值的像素點，并標記為連通域， 若差值的絕對值不大于運動檢測閾值，則設(shè)定該像素點不存在運動區(qū)域并賦灰度值；
S23、確定運動區(qū)域幀間關(guān)系，對于第t幀圖像連通域中的每一運動區(qū)域，計算其與第t-Ι幀圖像連通域中所有運動區(qū)域的距離，判斷是否小于距離閾值，若是，則將第t幀圖像與第t-Ι幀圖像中對應(yīng)區(qū)域標記為同一目標，若否，則判斷該目標為新產(chǎn)生的運動區(qū)域，并返回步驟S22;
S24、計算單幀圖像運動區(qū)域的概率，對第t幀中的運動區(qū)域，若能夠在第t-Ι幀圖像中找到由同一目標運動產(chǎn)生的運動區(qū)域，計算同一目標中第m幀圖像的運動區(qū)域特征后，標記運動區(qū)域類別屬性并保存；對待檢測視頻信息中的所有運動區(qū)域提取運動特征和標記運動區(qū)域類別屬性后，將所有運動區(qū)域提取運動特征組合成運動特征向量并標記類別后，將所有運動特征向量和類別標記輸入分類器中，計算單幀圖像運動區(qū)域的概率；
S25、目標綜合分析，判斷目標存在幀數(shù)是否大于幀數(shù)閾值，若是，則計算目標存在幀數(shù)對應(yīng)區(qū)域為煙霧的平均概率，并該判斷平均概率與煙霧報警閾值的關(guān)系，具體為當該判斷平均概率大于煙霧報警閾值時，則判斷該目標為煙霧并報警，當該判斷平均概率小于或等于煙霧報警閾值時，則判斷該目標為非煙霧，并返回步驟S12 ;若否，則判斷該目標為非煙霧，并返回步驟S12。
優(yōu)選的，所述步驟S12中生成運動前景二值圖像與對運動前景二值圖像進行連通域標記之間，還包括步驟S121、判斷是否需要更新背景圖像，
將第t幀圖像Ft與背景圖像Bt對應(yīng)像素相減差值的絕對值累加求和，得到當前幀
d￥ftB'F = E(x.v),f,\Ft (x，— Br (A 4，
將沿瓦〃與背景更新閾值ΛΒ進行比較，若 *瓦〃大于ΛΒ且當前目標中沒有產(chǎn)生報警的煙霧疑似區(qū)域，則更新背景圖像，將Ft作為新的背景圖像Bt+1，反之，則不更新背景圖像，具體為
優(yōu)選的，所述步驟S121之后與對運動前景二值圖像進行連通域標記之前，還包括步驟S122、對運動前景二值圖像進行濾波，對以運動前景二值圖像中的任一像素點的為中心鄰域8個像素點的灰度值進行排序，并選取8個像素點灰度值中的中間值為中心鄰域內(nèi)像素點的灰度值。
優(yōu)選的，所述步驟S13具體為計算第t幀圖像與第t-Ι的中各運動區(qū)域間距離，
計算t巾貞第i個運動區(qū)域與第t-Ι巾貞圖像第j個運動區(qū)域的均值/4，M*fl I
計算t幀第i個運動區(qū)域與第t-l幀圖像第j個運動區(qū)域的方差
權(quán)利要求
1.一種煙霧檢測的方法，其特征在于，包括兩個階段生成分類器階段和檢測煙霧階段； 所述生成分類器階段，包括如下步驟 SI I、接收樣本視頻； s12、對樣本視頻進行分析，生成運動前景二值圖像，并對運動前景二值圖像進行連通域標記，具體為以樣本視頻中第一幀圖像為圖像背景，對于t幀圖像中的每一像素點與t幀的背景圖像對應(yīng)的像素點相減并對差值取絕對值后，將差值的絕對值與運動檢測閾值比較，若差值的絕對值大于運動檢測閾值，則設(shè)定該像素點存在運動區(qū)域，賦第一灰度值后以該像素點為中心搜索相鄰像素點中存在的相同灰度值的像素點，并標記為連通域，若差值的絕對值不大于運動檢測閾值，則設(shè)定該像素點不存在運動區(qū)域并賦灰度值； s13、確定運動區(qū)域幀間關(guān)系，對于第t幀圖像連通域中的每一運動區(qū)域，計算其與第t-1幀圖像連通域中所有運動區(qū)域的距離，判斷是否小于距離閾值，若是，則將第t幀圖像中的運動區(qū)域與第t-1幀圖像中的運動區(qū)域標記為同一目標，若否，則處理第t幀圖像的下一個運動區(qū)域或下一幀圖像； s14、計算單幀圖像的運動區(qū)域特征，對第t幀中的運動區(qū)域，若能夠在第t-1幀圖像中找到由同一目標運動產(chǎn)生的運動區(qū)域，計算同一目標中第t幀圖像的運動區(qū)域特征，標記運動區(qū)域類別屬性并保存； s15、生成分類器，對樣本視頻信息中的所有運動區(qū)域提取運動特征和標記運動區(qū)域類別屬性后，將所有運動區(qū)域提取運動特征組合成運動特征向量并標記類別后，將所有運動特征向量和類別標記存儲于分類器中； 所述檢測煙霧階段，包括如下步驟 s21、接收待檢測的視頻； s22、對待檢測的視頻進行分析，生成運動前景二值圖像，并對運動前景二值圖像進行連通域標記，具體為以待檢測視頻中第一幀圖像為圖像背景，對于t幀圖像中的每一像素點與t幀的背景圖像對應(yīng)的像素點相減并對差值取絕對值后，將差值的絕對值與運動檢測閾值比較，若差值的絕對值大于運動檢測閾值，則設(shè)定該像素點存在運動區(qū)域，賦灰度值后以該像素點為中心搜索相鄰像素點中存在的相同灰度值的像素點，并標記為連通域，若差值的絕對值不大于運動檢測閾值，則設(shè)定該像素點不存在運動區(qū)域并賦灰度值； s23、確定運動區(qū)域幀間關(guān)系，對于第t幀圖像連通域中的每一運動區(qū)域，計算其與第t-1幀圖像連通域中所有運動區(qū)域的距離，判斷是否小于距離閾值，若是，則將第t幀圖像與第t-1幀圖像中對應(yīng)區(qū)域標記為同一目標，若否，則判斷該目標為新產(chǎn)生的運動區(qū)域，并返回步驟S22 ； s24、計算單幀圖像運動區(qū)域的概率，對第t幀中的運動區(qū)域，若能夠在第t-1幀圖像中找到由同一目標運動產(chǎn)生的運動區(qū)域，計算同一目標中第m幀圖像的運動區(qū)域特征后，標記運動區(qū)域類別屬性并保存；對待檢測視頻信息中的所有運動區(qū)域提取運動特征和標記運動區(qū)域類別屬性后，將所有運動區(qū)域提取運動特征組合成運動特征向量并標記類別后，將所有運動特征向量和類別標記輸入分類器中，計算單幀圖像運動區(qū)域的概率； s25、目標綜合分析，判斷目標存在幀數(shù)是否大于幀數(shù)閾值，若是，則計算目標存在幀數(shù)對應(yīng)區(qū)域為煙霧的平均概率，并該判斷平均概率與煙霧報警閾值的關(guān)系，具體為當該判斷平均概率大于煙霧報警閾值時，則判斷該目標為煙霧并報警，當該判斷平均概率小于或等于煙霧報警閾值時，則判斷該目標為非煙霧，并返回步驟S12 ;若否，則判斷該目標為非煙霧，并返回步驟S12。
2.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S12中生成運動前景二值圖像與對運動前景二值圖像進行連通域標記之間，還包括步驟S121、判斷是否需要更新背景圖像， 將第t幀圖像Ft與背景圖像Bt對應(yīng)像素相減差值的絕對值累加求和，得到當前幀同背景圖像的總體差異力,/^
3.根據(jù)權(quán)利要求2所述的煙霧檢測的方法，其特征在于，所述步驟S121之后與對運動前景二值圖像進行連通域標記之前，還包括步驟S122、對運動前景二值圖像進行濾波，對以運動前景二值圖像中的任一像素點的為中心鄰域8個像素點的灰度值進行排序，并選取8個像素點灰度值中的中間值為中心鄰域內(nèi)像素點的灰度值。
4.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S13具體為計算第t幀圖像與第t-1的中各運動區(qū)域間距離， 計算t幀第i個運動區(qū)域與第t-1幀圖像第j個運動區(qū)域的均值M； 計算t幀第i個運動區(qū)域與第t-1幀圖像第j個運動區(qū)域的方差4，Cf;1 則t幀第i個運動區(qū)域與第t-1幀圖像第j個運動區(qū)域的距離為
5.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S14中的運動區(qū)域特征包括第t幀圖像與第t-1幀圖像在X方向上的區(qū)域幀間運動系數(shù)、第t幀圖像與第t-1幀圖像在Y方向上的區(qū)域幀間運動系數(shù)、第t幀圖像的區(qū)域面積變化系數(shù)、第t幀圖像的區(qū)域內(nèi)歸一化的灰度均值、第t幀圖像的運動區(qū)域內(nèi)前繼歷史幀圖像中的平均灰度均值穿越次數(shù)的歸一化直方圖、第t幀圖像的前繼歷史幀圖像中灰度最大變化圖像在運動區(qū)域的歸一化均值及均值和第t幀圖像運動區(qū)域內(nèi)大梯度像素點與區(qū)域面積的比值。
6.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S22中生成運動前景二值圖像與對運動前景二值圖像進行連通域標記之間，還包括步驟S221、判斷是否需要更新待檢測視頻中的背景圖像和步驟S222、對帶檢測視頻中的運動前景二值圖像進行濾波。
7.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S33具體為計算待檢測運動前景二值圖像中第t幀圖像與第t-1的中各運動區(qū)域間距離，并將距離最小值與距離閾值比較，若距離最小值小于距離閾值，則判定第t幀圖像中的第i個運動區(qū)域與第t-1幀圖像中產(chǎn)生最小距離的最近區(qū)域由同一目標的運動產(chǎn)生；反之，則判定第t幀圖像中的第i個運動區(qū)域與t-1幀圖像中的所有運動區(qū)域均沒有關(guān)系，第t幀圖像的運動區(qū)域為新產(chǎn)生的運動區(qū)域或噪聲。
8.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S24中的運動區(qū)域特征包括第t幀圖像與第t-1幀圖像在X方向上的區(qū)域幀間運動系數(shù)、第t幀圖像與第t-1幀圖像在Y方向上的區(qū)域幀間運動系數(shù)、第t幀圖像的區(qū)域面積變化系數(shù)、第t幀圖像的區(qū)域內(nèi)歸一化的灰度均值、第t幀圖像的運動區(qū)域內(nèi)前繼歷史幀圖像中的平均灰度均值穿越次數(shù)的歸一化直方圖、第t幀圖像的前繼歷史幀圖像中灰度最大變化圖像在運動區(qū)域的歸一化均值及均值和第t幀圖像的運動區(qū)域內(nèi)大梯度像素點與區(qū)域面積的比值。
9.根據(jù)權(quán)利要求I所述的煙霧檢測的方法，其特征在于，所述步驟S25中的幀數(shù)閾值為10。
全文摘要
本發(fā)明公開了一種煙霧檢測方法，主要研究的是黑暗場景中，其包括兩個階段訓(xùn)練分類器階段和檢測煙霧階段，訓(xùn)練分類器階段包括接收樣本視頻信息，利用背景差法檢測場景中的運動區(qū)域，提取所有運動區(qū)域的運動特征，利用支撐向量機將所有運動區(qū)域提取運動特征組合成運動特征向量并其存入分類器；檢測煙霧階段包括，接收待檢測視頻信息，利用與訓(xùn)練分類器階段相同的方法檢測運動區(qū)域的運動特征并組合成運動特征向量，將該運動特征向量輸入分類器，獲得單幀圖像中運動區(qū)域?qū)儆跓熿F的概率，對同一目標進行綜合分析，判斷該目標是否為煙霧。本發(fā)明能夠?qū)崿F(xiàn)簡單黑暗場景中大空間范圍內(nèi)的實時煙霧檢測，能夠為密閉大型倉庫的火災(zāi)防控工作提供安全保障。
文檔編號G06K9/62GK102982313SQ20121042774
公開日2013年3月20日 申請日期2012年10月31日 優(yōu)先權(quán)日2012年10月31日
發(fā)明者阮銳, 吳翔 申請人:深圳輝銳天眼科技有限公司