基于仿生顏色感應模型的視頻煙霧事件智能檢測方法
【技術領域】
[0001]本發(fā)明一般涉及計算機智能監(jiān)控視頻處理領域，具體涉及基于仿生顏色感應模型的視頻煙霧事件智能檢測方法。
【背景技術】
[0002]火災是指在時間或空間上失去控制的燃燒所造成的災害。在各種災害中，火災是最經(jīng)常、最普遍地威脅公眾安全和社會發(fā)展的主要災害之一?；馂膶θ祟惿敭a(chǎn)和社會安全構成了極大的威脅，給人類社會生產(chǎn)生活帶來了巨大損失，由此引發(fā)的重大安全事故比比皆是。為了防止火災發(fā)生和減少火災危害，保護人民生命和財產(chǎn)安全，人們對自動火災檢測系統(tǒng)的需求日益增長。這些系統(tǒng)的成功，取決于煙霧、氣體、溫度等物理量的適當檢測，因為這些物理量可提供火災初期的快速、可靠的報警信號。目前應用比較廣泛的火災煙霧檢測器，大致有離子式煙霧檢測器、吸氣式煙霧檢測器、二極管式光電煙霧檢測器、反射光式煙霧檢測器等。這些監(jiān)測方法容易受空間高度、熱障、易爆、有毒等環(huán)境條件的限制，并且對森林、田野等室外場景適用性不強。本發(fā)明提出的基于仿生顏色感應模型的視頻煙霧事件智能檢測方法，能夠應用在監(jiān)控攝像頭進行實時監(jiān)控，對視頻監(jiān)控區(qū)域內(nèi)出現(xiàn)的煙霧能在短時間內(nèi)及時準確地進行警報，適用于多種室外場景，且不受空間、熱障等環(huán)境條件的限制，具有報警速度快、準確率高、適用性強等特點，能大大減少火災造成的損失，保障人民的生命財產(chǎn)安全。

【發(fā)明內(nèi)容】

[0003]本發(fā)明針對當前火災煙霧檢測技術的不足，提供了基于仿生顏色感應模型的視頻煙霧事件智能檢測方法。本發(fā)明的目的在于短時間內(nèi)對視頻中出現(xiàn)的煙霧進行智能檢測，及時進行警報，應用場景不受空間、熱障等環(huán)境條件影響，具體技術方案如下。
[0004]基于仿生顏色感應模型的視頻煙霧事件智能檢測方法，包括以下步驟:
(a)從本地磁盤讀入一個視頻文件，支持avi/flv/mp4/rmvb/rm格式視頻；
(b)使用高斯混合背景建模方法進行背景建模；
(c)使用步驟(b)得到的背景模型對當前幀進行前景提??；
(d)對步驟(C)中提取的前景目標進行初步判斷，利用幀差結果排除靜止的前景，設定飽和度閾值去除非煙霧干擾物；
(e)在步驟(d)中對前景目標篩選完畢后，進行前景的顏色直方圖統(tǒng)計，利用顏色直方圖統(tǒng)計結果特征最終判斷前景是否為煙霧。
[0005]進一步地，步驟(b)具體包括以下步驟:
(b-7)取視頻開頭的若干幀圖像進行等權重圖像混合；
(b-8)將混合得到的圖像進行高斯平滑；
(b-9)再將圖像轉化為灰度圖像；
(b-ΙΟ)對灰度圖像進行卷積操作計算一階X-和J-方向的圖像差分，x、y為圖像坐標，將X-和1-方向的圖像差分結果等權重相加得到新的差分圖像；
(b-ι I)將差分圖像轉化為RGB圖像；
(b-12)用高斯混合模型對RGB圖像進行背景建模。
[0006]上述基于仿生顏色感應模型的視頻煙霧事件智能檢測方法中，步驟(b)包括以下步驟:
(b-Ι)取視頻開頭的若干幀圖像進行等權重圖像混合；
(b-2)將混合得到的圖像進行高斯平滑；
(b-3)將圖像轉化為灰度圖像；
(b-4)對灰度圖像進行卷積操作計算一階X-和方向的圖像差分，將X-和方向的圖像差分結果等權重相加得到新的差分圖像；
(b-5)將差分圖像轉化為RGB圖像；
(b-6)對RGB圖像進行高斯混合背景建模。
[0007]上述基于仿生顏色感應模型的視頻煙霧事件智能檢測方法中，步驟(c)包括以下步驟:
(c-1)將當前幀圖像進行高斯平滑；
(c-2)將圖像轉化為灰度圖像；
(c_3)對灰度圖像進行卷積操作計算一階X-和y-方向的圖像差分，將X-和方向的圖像差分結果等權重相加得到新的差分圖像；
(c-4)將差分圖像轉化為RGB圖像；
(c-5)利用步驟(b)建立的背景模型對RGB圖像進行前景提取；
(c-6)對前景圖像進行中值濾波操作；
(c-7)對前景圖像進行膨脹操作；
(c-8)填充前景圖像，只保留前景圖像中最大連通域作為前景目標。
[0008]上述基于仿生顏色感應模型的視頻煙霧事件智能檢測方法中，步驟(d)包括以下步驟:
(d-Ι)記錄當前幀及它之前的若干幀的前景圖像，將這些前景圖像進行與操作；
(d-2)將當前幀圖像與視頻第一幀圖像做差；
(d-3)將前景相與結果圖像對應差圖像的部分進行平均飽和度計算，若飽和度在設定閾值之內(nèi)，則初步判斷為煙霧疑似物，繼續(xù)進一步判斷；否則不是，返回讀取視頻下一幀處理；
(d-4)使用幀差法對當前幀和上一幀圖像做差；
(d-5)將幀差結果和前景相與結果再進行與操作，若相與結果為空，則認為前景是靜止物體，返回讀取視頻下一幀處理;否則繼續(xù)下面步驟判斷處理；
(d-6)記錄當前幀的位置，與上一個通過上面步驟判斷的幀的位置進行比較，若為相鄰幀，繼續(xù)進行煙霧判斷;否則返回讀取視頻下一幀處理。
[0009]上述基于仿生顏色感應模型的視頻煙霧事件智能檢測方法中，步驟(e)包括以下步驟:
(e-Ι)將通過步驟(d)判斷的圖像轉化為灰度圖像；
(e-2)計算步驟(d)中前景相與結果對應的灰度圖像的部分的顏色直方圖； (e-3)記錄當前幀及它之前的若干幀的顏色直方圖，計算當前幀的顏色直方圖與之前的若干幀的顏色直方圖的相似性，從而確定顏色直方圖是否穩(wěn)定；
(e-4)計算顏色直方圖的分布寬度，確定顏色直方圖是否分布較窄；
(e-5)計算顏色直方圖的主要分布位置，確定顏色直方圖是否偏右；
(e_6)如果顏色直方圖穩(wěn)定、分布較窄且偏右，或者顏色直方圖不穩(wěn)定、分布不窄且不偏右，則認為檢測到煙霧，進行警報;否則不是煙霧。
[0010]上述基于仿生顏色感應模型的視頻煙霧事件智能檢測方法中，步驟(e-4)中，顏色直方圖分布寬度的計算方法是計算顏色直方圖的平均值與方差之和，如果和大于設定的閾值，則認為顏色直方圖分布較窄，否則不是。
[0011]上述基于仿生顏色感應模型的視頻煙霧事件智能檢測方法中，步驟(e-5)中，顏色直方圖分布位置的計算方法是統(tǒng)計顏色直方圖中大于平均值的點的個數(shù)與它們的坐標之和，如果坐標之和除以個數(shù)的商大于直方圖寬度的三分之二，則認為顏色直方圖分布靠右，否則不是。
[0012]本發(fā)明采用高斯混合背景建模方法將視頻中前景目標提取出來，這是煙霧智能檢測的最基本操作;煙霧具有移動緩慢、飽和度低的特點，為了排除前景目標中的快速運動物體的干擾，取最新若干幀的前景進行與操作，然后進行飽和度的判斷，同時為了排除視頻中途出現(xiàn)的靜止物體的干擾，取最近兩幀幀差結果和前景相與的結果再做與操作，要求與的結果不為空;通過飽和度和幀差的判斷之后，對前景相與的結果進行顏色直方圖統(tǒng)計，根據(jù)觀察，煙霧顏色分布較均勻，且趨于穩(wěn)定，因此對顏色直方圖進行分析，判斷前景最終是否為煙霧。
[0013]與現(xiàn)有技術相比，本發(fā)明具有如下優(yōu)點和技術效果:
現(xiàn)在的煙霧檢測技術一般都是基于傳感器獲取煙霧的一些信息，再進行判斷預警，容易受空間高度、熱障、易爆、有毒等環(huán)境條件的限制，對室外場景適用性不強。本發(fā)明不受空間、熱障等環(huán)境條件的限制，能夠應用在監(jiān)控攝像頭進行實時監(jiān)控，對視頻監(jiān)控區(qū)域內(nèi)出現(xiàn)的煙霧能在短時間內(nèi)及時準確地進行警報，適用于多種室外場景，且具有報警速度快、準確率高、適用性強等特點。
【附圖說明】
[0014]圖1為實施方式中基于仿生顏色感應模型的視頻煙霧事件智能檢測方法的流程圖。
【具體實施方式】
[0015]以下結合附圖對本發(fā)明的實施方式作進一步說明，但本發(fā)明的實施不限于此，需指出的是，以下若有未特別詳細說明之過程，均是本領域技術人員可參照現(xiàn)有技術實現(xiàn)的。
[0016]如圖1，基于仿生顏色感應模型的視頻煙霧事件智能檢測方法的主要流程包括以下步驟:
(a)讀入一個視頻文件；
(b)進行背景建模；
(C)提取前景目標； (d)使用幀差和顏色飽和度信息進行初步判斷處理；
(e)利用前景顏色直方圖統(tǒng)計結果進一步判斷處理。
[0017]步驟(a)允許用戶通過文件選擇窗口從本地硬盤選擇一個視頻文件，此視頻文件可以是avi/f I v/mp4/rmvb/ rm編碼格式。
[0018]步驟(b)采用高斯混合背景建模方法進行背景建模，其基本原理是:混合高斯背景建模是基于像素樣本統(tǒng)計信息的背景表示方法，利用像素在較長時間內(nèi)大量樣本值的概率密度等統(tǒng)計信息(如模式數(shù)量、每個模式的均值和標準差)表示背景，然后使用統(tǒng)計差分(如3σ原則)進行目標像素判斷，可以對復雜動態(tài)背景進行建模。
[0019]步驟(b)包括以下步驟:
(b-Ι)取視頻開頭的15幀圖像進行等權重圖像混合；
(b-2)將混合得到的圖像進行高斯平滑；
(b-3)將圖像轉化為灰度圖像；
(b-4)對灰度圖像進行卷積操作計算一階X-和方