一種煙火檢測方法及裝置的制造方法
【技術領域】
[0001]本發(fā)明涉及通信電子技術領域，尤其涉及一種煙火檢測方法及裝置。
【背景技術】
[0002]火災是最常見的嚴重災害之一，是一種在時空上失去控制的燃燒所引發(fā)的災害，時刻都會對社會經(jīng)濟、自然生態(tài)和人身財產(chǎn)的安全構成嚴重的威脅。為了盡早預防和避免火災事故的突發(fā)和蔓延，人們已經(jīng)利用多種傳感器開發(fā)出眾多煙火檢測系統(tǒng)。常規(guī)的檢測器主要針對煙霧、熱和輻射3類對象，多數(shù)采用的都是針對顆粒、溫度、空氣濕度、透明度、煙霧等物理采樣的點式傳感器，也有傳統(tǒng)的紫外或者紅外光譜測量儀。但這些近距離傳感器和光電設備在操作難度、可靠性、檢測效率、場地實用性、成本和通用性等方面都存在局限性。因此視頻防火檢煙技術逐漸發(fā)展起來形成一個比較前沿的技術方向，以解決傳統(tǒng)傳感方案的缺點。
[0003]而本發(fā)明人發(fā)現(xiàn)，目前的視頻煙火檢測技術中存在如下缺陷:
[0004]第一，現(xiàn)有技術中是利用已有的運動主方向積累方案，該方法只使用兩幀圖像的變化信息做統(tǒng)計，而在遠景慢煙的情況下，相鄰兩幀圖變化往往較少，運動信息不明顯，因此這類方案在這方面有一定的局限性。
[0005]第二、現(xiàn)有技術中利用已有的運動積累方案，因為只考慮畫面的某空間的運動頻繁程度，所以容易引起因物體的徘徊運動造成的誤報問題。
[0006]第三、現(xiàn)有技術中的運動積累方案利用時間滑動窗的二值圖積累策略，容易產(chǎn)生較大內(nèi)存消耗。

【發(fā)明內(nèi)容】

[0007]本發(fā)明實施例提供一種煙火檢測方法及裝置，能夠在惡略的環(huán)境下提高煙火檢測的準確度。
[0008]一種煙火檢測方法，所述方法包括:
[0009]對視頻中的每一幀圖像進行預處理操作；
[0010]對預處理后的每一幀圖像進行前景提取處理得到前景圖像；
[0011]將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域；
[0012]利用預先設置的特征統(tǒng)計決策，判斷所有感興趣區(qū)域中的各種特征值出現(xiàn)的次數(shù)是否在該特征值的所對應的第一次數(shù)范圍內(nèi)，如果在，則進行報警。
[0013]一種煙火檢測裝置，所述裝置包括:
[0014]預處理模塊，用于對視頻中的每一幀圖像進行預處理操作；
[0015]前景處理模塊，用于對預處理后的每一幀圖像進行前景提取處理得到前景圖像；
[0016]標記模塊，用于將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域；
[0017]判斷模塊，用于利用預先設置的特征統(tǒng)計決策，判斷所有感興趣區(qū)域中的各種特征值出現(xiàn)的次數(shù)是否在該特征值的所對應的第一次數(shù)范圍內(nèi)，如果在，則進行報警。
[0018]本發(fā)明實施例提供的技術方案提出的特征統(tǒng)計決策，該方案完全區(qū)別于現(xiàn)有技術，能夠在環(huán)境比較惡劣的環(huán)境下，正確檢測煙霧進行報警。而不像利用運動跟蹤技術配合外形特征的方案，容易在慢煙的情況丟失目標，或對運動外形不規(guī)則情形，如樹、云、人等非剛性物體活動，產(chǎn)生過敏誤報。本發(fā)明實施例提供的技術方案，不僅僅是對兩幀圖像的變化信息做統(tǒng)計，因此在遠景慢煙的情況下也能夠很準確的進行煙火檢測判斷，避免了幀差不明顯性所帶來的弊端；本發(fā)明實施例提供的階段性前景積累步驟，不需要存儲連續(xù)k幀的時間窗中的前景圖像，因此避免了內(nèi)存消耗大的問題；本發(fā)明實施例提供的徘徊干擾消除操作，能夠有效地消除一些人為或其他物體因徘徊運動所產(chǎn)生的誤報警問題。
【附圖說明】
[0019]為了更清楚地說明本發(fā)明或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹。
[0020]圖1為本發(fā)明實施例提供的煙火檢測方法流程圖；
[0021]圖2為本發(fā)明實施例提供的第一種煙火檢測方法流程圖；
[0022]圖3為本發(fā)明實施例提供的煙火檢測裝置結構圖。
【具體實施方式】
[0023]為了使本技術領域的人員更好地理解本發(fā)明實施例中的技術方案，并使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖對本發(fā)明中技術方案作進一步詳細的說明。
[0024]本發(fā)明實施例提供的技術方案提出的特征統(tǒng)計決策，該方案完全區(qū)別于現(xiàn)有技術，能夠在環(huán)境比較惡劣的環(huán)境下，正確檢測煙霧進行報警。而不像利用運動跟蹤技術配合外形特征的方案，容易在慢煙的情況丟失目標，或對運動外形不規(guī)則情形，如樹、云、人等非剛性物體活動，產(chǎn)生過敏誤報。本發(fā)明實施例提供的技術方案，不僅僅是對兩幀圖像的變化信息做統(tǒng)計，因此在遠景慢煙的情況下也能夠很準確的進行煙火檢測判斷，避免了幀差不明顯性所帶來的弊端；本發(fā)明實施例提供的階段性前景積累步驟，不需要存儲連續(xù)k幀的時間窗中的前景圖像，因此避免了內(nèi)存消耗大的問題；本發(fā)明實施例提供的徘徊干擾消除操作，能夠有效地消除一些人為或其他物體因徘徊運動所產(chǎn)生的誤報警問題。如圖1所示，具體步驟包括:
[0025]步驟11，對視頻中的每一幀圖像進行預處理操作；
[0026]步驟12，對預處理后的每一幀圖像進行前景提取處理得到前景圖像；
[0027]步驟13，將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域；
[0028]步驟14，利用預先設置的特征統(tǒng)計決策，判斷所有感興趣區(qū)域中的各種特征值出現(xiàn)的次數(shù)是否在該特征值的所對應的第一次數(shù)范圍內(nèi)，如果在，則進行報警。
[0029]具體的，所述預處理操作包括按照預先設置的背景更新建模處理操作，確定出背景圖像；所述對預處理后的每一幀圖像進行前景提取處理得到前景圖像包括:
[0030]將當前幀圖像與背景圖像做像素差值運算，并對運算結果進行二值化處理得到前景圖像。
[0031]具體的，在所述得到前景圖像之后、且在將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域之前，進一步包括:
[0032]在獲取周期內(nèi)每獲得一幀前景圖像，便對其進行二值化處理，然后將該次二值化處理后的前景圖像與前一幀二值化處理后的前景圖像進行累積，在獲取周期到來時，即可獲取到階段性前景積累圖像；所述將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域包括:
[0033]對所述階段性前景積累圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域。
[0034]具體的，在階段性前景積累圖像結果之后、且在所述將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域包括:
[0035]對階段性前景積累圖像進行徘徊干擾消除操作；所述將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域為:
[0036]將完成徘徊干擾消除操作后的階段性前景積累圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域。
[0037]具體的，所述預處理操作還包括將當前幀圖像與前一幀圖像進行像素差值計算，再與預先設置的經(jīng)驗值對比得到鄰幀差二值圖；所述徘徊干擾消除操作包括:
[0038]將鄰幀差二值圖的像素翻轉圖作為掩膜，排除階段性前景積累圖像結果中的徘徊干擾。
[0039]具體的，若某一感興趣區(qū)域中的各種特征值所出現(xiàn)的次數(shù)在第二次數(shù)范圍內(nèi)，則去除感興趣區(qū)域的標記。
[0040]具體的，所述感興趣區(qū)域在指定時間內(nèi)未被確認為煙霧，則去除感興趣區(qū)域的標記。
[0041]以下以具體實施例進行介紹:
[0042]實施例一:
[0043]本發(fā)明實施例提供第一種煙火檢測方法，該方法可對攝像頭實時采集的視頻或者已保存的視頻文件進行讀取后，分析是否存在火災，根據(jù)分析結果判斷是否進行報警，如圖2所示，具體過程如下:
[0044]步驟21，從獲取的視頻流中截取每一幀圖像，并且對每幀圖像進行預處理操作；
[0045]本步驟中預處理操作后得到的數(shù)據(jù)將用于后續(xù)流程中的應用；
[0046]本步驟中預處理操作主要包括對每幀圖像進行暗原色模型處理、Sobel梯度圖像處理、鄰幀差處理、背景更新建模處理；
[0047]暗原色模型處理是指將圖像的每個像素點中RGB三個通道中的最小值取出來作為該像素點的灰度值，構成暗原色圖像，再進行一個最小值濾波處理，然后對這幅暗原色圖像用OTSU算法做二值化處理后就得到暗原色模型；
[0048]Sobel梯度圖像處理是指對原圖進行Sobel濾波處理，求出每個像素點對應的梯度幅值即得到該圖像的Soebl梯度圖像；
[0049]鄰幀差處理是指將當前幀圖像與前一幀圖像進行像素差值計算，再與預先設置的經(jīng)驗灰度值[20，30]，對比得到該當前幀圖像的鄰幀差二值圖；
[0050]背景更新建模處理是指利用運行期背景更新算法，根據(jù)歷史幀圖像統(tǒng)計出當前圖像中非運動景物，以此確定出背景圖像。
[0051]步驟22，對預處理后的每一幀圖像進行前景提取處理得到前景圖像，并將前景圖像作為待操作圖像；
[0052]本步驟中將當前幀圖像與背景圖像做像素差值運算，并對運算結果進行二值化處理得到前景圖像；
[0053]步驟23，將每幀前景圖像中的疑似煙霧區(qū)域標記為感興趣區(qū)域；
[0054]步驟24，利用預先設置的特征統(tǒng)計決策，判斷所有感興趣區(qū)域中的各種特征值出現(xiàn)的次數(shù)是否在該特征值的所對應的第一次數(shù)范圍內(nèi)，如果在，則進行報警。
[0055]具體的特征統(tǒng)計決策為:
[0056]將前景圖像中的的積極結果標記為感興趣區(qū)域，即將疑似煙霧區(qū)域標記為ROI區(qū)域；
[0057]ROI區(qū)域將會攜帶一些標明為煙霧的特征值，并且存活一定時間；
[0058]特征值包括:鄰幀相似特征值、空間相似特征值、梯度密度特征值以及顏色模型特征值；
[0059]鄰幀相似特征值，是指前后幾幀的相同ROI區(qū)域內(nèi)的各個顏色通道的像素值之和基本不變；
[0060]空間相似特征值，是指含煙霧的ROI區(qū)域內(nèi)像素值大小比較穩(wěn)定，局部區(qū)域的方差較小；
[0061]梯度密度特征值，是指相同ROI區(qū)域內(nèi)的Sobel梯度幅值之和與ROI面積之比，這個特征值表達煙霧的紋理性較差，因此要求梯度密度要小，且在一段時間內(nèi)保持穩(wěn)定；
[0062]顏色模型特征值，是指是在暗