專利名稱：煙霧自適應檢測方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及一種煙霧自適應檢測方法，該方法屬于圖像處理和圖像識別技術領域范疇，是一種基于運動檢測和圖像形狀識別理論來實現煙霧自適應檢測，應用范圍甚廣。還涉及種煙霧自適應檢測系統(tǒng)。
背景技術：
隨著國民經濟的發(fā)展，高速公路和鐵路里程的增加，隧道交通也迅速發(fā)展，有穿山越嶺的鐵路、公路隧道，有穿越江河湖海的水下隧道?，F代化交通系統(tǒng)的迅速發(fā)展，如隧道長度的不斷增加，雙向行車道，高危險性的貨物，隧道內由于大交通流量而日益增加的火災荷載等等因素，大大增加了隧道火災的潛在危險。隧道一旦發(fā)生火災，撲救十分困難，而且易造成嚴重損失。
然而由于當前使用的“傳統(tǒng)形式的火災探測系統(tǒng)”智能化技術滯后，當這些火災探測器檢則到有火災時，火災已處于初期甚至中后期階段，且損失和災害多數已經發(fā)生和形成，無法真實的實時的及早發(fā)現和分析并且杜絕初期的火災事故隱患，故而難以實現其“預警”的目的與作用，從而出現了因“防”與“消”不能完美結合而導致火災事故頻頻發(fā)生。
本發(fā)明不但可以檢測火災，還可以檢測汽車尾氣，當隧道內尾氣濃度大，導致視野模糊時，便可報警，同時采取排煙措施減少交通事故發(fā)生的可能性。

發(fā)明內容
采用圖像處理和圖像識別理論來實現的，煙霧自適應檢測方法在國內尚屬空白，它可以實現對各種復雜環(huán)境中的各種煙霧自適應檢測。
本發(fā)明的方法的技術方案如下一種煙霧自適應檢測方法，包括下列步驟(1)拉普拉斯差分圖像檢測(2)梯度檢測邊緣煙霧形狀(3)八鄰域跟蹤描述煙霧形狀(4)句法結構識別算法確定煙霧


圖1是煙霧效果圖；圖2是梯度檢測示意圖；圖3是邊緣連接原則圖；圖4是物體形狀識別系統(tǒng)模塊組成框5是線段基元圖；圖6是八個線段的基元圖；圖7是長方形鏈碼圖；圖8是正方形鏈碼圖；圖9是本文明的方法流程圖；圖10結構示意圖。
具體實施例方式
參見圖9，圖10以下是對本發(fā)明方法作進一步說明，其主要部分的具體內容如下(1)拉普拉斯差分圖像對同一個攝像機攝取的圖像，不同形狀的物體在相鄰兩時刻tk-1和tk獲得的。同一個景物的三維圖像f(x，y，tk-1)，f(x，y，tk)和f(x，y，tk-1)反映在二維圖像上則是景物的形狀的特征。煙霧和其它物體一樣，也是具有形狀特征的，但其形狀特征并無規(guī)律性。一般人造物體均有自己的形狀特征，而是這些特征是不變的，是固定的，據此可將煙霧從一般固定有形狀的物體中檢測出來。
在煙霧形狀檢測中，煙霧在不同時刻其空間位置是不同的。設圖像f(x，y，tk-1)為無煙幀圖像，f(x，y，tk)和f(x，y，tk+1)為有煙幀圖像，則這三幅圖像的拉普拉斯差圖像Dfk-1，fk，fk+1為一幅二值圖像Dfk-1,fk=|fk-1-fk|Dfk,fk-1(x,y)=|fk-fk-1|D=|Dfk-1,fk(x,y)-Dfk,fk+1(x,y)|---(1)]]>這里，x，y＝0，1，2，........，N-1二值圖像灰度閾值T為
T=[Sk-1+Sk2+(Mk-Mk-12)2]2Sk-1,Sk---(2)]]>其中，Sk，Mk為某小鄰域Ω(x，y)的方差和均值。
有煙霧圖像f(x，y，tk)和無煙霧圖像差分便可以得到煙霧圖像。附圖1說明效果(2)梯度檢測提取煙霧邊緣形狀對于二值圖像而言，可用梯度檢測G[f(x，y)]來檢測其邊緣形狀，邊緣檢測G算子表示為G[f(x,y)]~=|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)|]]>其中，f(x，y)為二值差分圖像。梯度G[f(x，y)]示意圖附圖2說明。
(3)輪廓跟蹤描述煙霧形狀依據Robinson邊緣點連接方法，可將各個邊緣點連成一個形狀，其連接方法可表示附圖3說明。
(4)句法結構識別算法確定煙霧煙霧形狀描述中使用的方法如下人們在識別各種物體時，都是依據它們外部形狀進行分類判別的。句法結構法依據物體外部形狀來識別各種物體，且與目標圖像旋轉、比例變化和平移無關，但在低對比度提取目標圖像邊緣鏈碼較為困難。
句法結構識別系統(tǒng)模塊組成框圖附圖4說明。
a)輸入圖像紅外陣列320×240b)輪廓的形狀檢測——用梯度檢測算子檢測出物體圖像輪廓的結構形狀；c)基元選擇——依據訓練圖像樣本集，研究確定描述待識別物體結構形狀基元；d)文法確定生成語言L(G)——依據訓練圖像樣本集確定文法；e)和所選擇的基元生成模板句子的有限集合——語言L(G)f)基元提取及生成未知圖像句子X——依據所選定的基元對提取出來物體結構形狀進行基元提取并生成未知圖像輪廓形狀的句子；g)句法分析——按著相似性準則，判別XL(G)，若XL(G)，則X為要識別物體，否則X不是要識別的物體。
1)基元選擇物體的幾何形狀雖然各不相同，但都是由簡單的幾何形狀組成，其中大多數幾何開頭都是由線段、弧和少量非圓曲線等所組成。人們根據物體的幾何形狀，便可識別出汽車、飛機等物體。
a)線段基元線段基元可用線段的長度、斜率和端點坐標來描述，附圖5說明。
其中，A點坐標為(XA、YA)，B點坐標為(XB、YB)b)八個方向的線段基元基元可用它們的標識符號和數量屬性來描述，八個方向線段基元描述附圖6說明。如要更精確一些，可選用如16，32或64個方向的線段作為基元。
2)鏈碼(又稱句子、符號串、字符串)基元按著文法規(guī)則就可生成鏈碼，附圖6圖7說明。
鏈碼可稱之為字符串(或符號串)，它可用來描述各種圖像形狀，且與圖像形狀平移，比例變換及視角左右偏移無關，而且是唯一的。
依據八個方向基元可以計算出長方形的語言L(G)為(a)a0na6ma4na2m(b)a1na7ma5na3m等，這里n不等于m。
3)句法分析句法分析就是實現識別的過程，即判別未知圖像鏈碼X∈L(G)是否成立，也就是說若鏈碼X與語言L(G)中模板鏈碼不相似或不相同，則鏈碼X所表示的圖像是語言L(G)模板鏈碼所代表的圖像類型。
常用的句法結構方法是萊芬沙因(LenVenshtein)距離法。LenVenshtein距離分類判別式為d(x，y)＝min{δ·Lj+r·m+β·nj}............(4)式中，Lj——代換誤差的次數，mj——插入誤差次數，nj——抹去誤差次數，δ、r、β為加權量。
這是代換誤差定義為W1aW2→W1bW2插入誤差定義為W1W2→W1aW2抹去誤差定義為W1aW2→W1W2將各種固定形狀物體生成L(G)，若得到的未知形狀XL(G)，則X為煙霧，否則不是。
權利要求
1.煙霧自適應檢測方法，包括下列步驟(1)拉普拉斯差分圖像檢測(2)梯度檢測邊緣煙霧形狀(3)八鄰域跟蹤描述煙霧形狀(4)句法結構識別算法判定煙霧
2.如權利要求1所述拉普拉斯差分圖像方法，由下列方法得出設圖像f(x，y，tk-1)為無煙幀圖像，f(x，y，tk)和f(x，y，tk+1)為有煙幀圖像，則這三幅圖像的拉普拉斯差圖像Dfk-1，fk，fk+1為一幅二值圖像Dfk-1,fk=|fk-1-fk|Dfk,fk-1(x,y)=|fk-fk-1|D=|Dfk-1,fk(x,y)-Dfk,fk+1(x,y)|]]>這里，x，y＝0，1，2，........，N-1二值圖像灰度閾值T為T=[Sk-1+Sk2+(Mk-Mk-12)2]2Sk-1.Sk]]>其中，Sk，Mk為某小鄰域Ω(x，y)的方差和均值。有煙霧圖像f(x，y，tk)和無煙霧圖像差分便可以得到煙霧圖像。
3.如權利要求1所述的梯度檢測邊緣煙霧形狀的方法，其特征在于邊緣檢測G算子表示為G[f(x,y)]=~|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)|]]>其中，f(x，y)為二值差分圖像。
4.如權利要求1所述的八鄰域跟蹤算法，依據Robinson邊緣點連接方法，可將各個邊緣點連成一個形狀。
5.如權利要求1所述的句法結構識別算法，其特征在于依據物體外部形狀來識別各種物體，且于目標物體旋轉、比例和平移變化無關。具體方式如下基元選擇——依據訓練圖像樣本集，研究確定描述待識別物體結構形狀基元。文法確定——依據訓練圖像樣本集和所選擇的基元生成模板句子的有限集合——語言L(G)確定文法?；崛〖吧晌粗獔D像句子X——依據所選定的基元對提取出來物體結構形狀進行基元提取并生成未知圖像輪廓形狀的句子。句法分析——按著相似性準則，判別XL(G)，若XL(G)，則X為要識別物體，否則X不是要識別的物體。具體描述如下線段基元，可用線段的長度、斜率和端點坐標來描述。八個方向的線段基元，可用它們的標識符號和數量屬性來描述。鏈碼(又稱句子、符號串、字符串)，基元按著文法規(guī)則就可生成鏈碼，鏈碼可稱之為字符串(或符號串)，它可用來描述各種圖像形狀，且與圖像形狀平移，比例變換及視角左右偏移無關，而且是唯一的。依據八個方向基元可以計算出長方形的語言L(G)為(a)a0na6ma4na2m(b)a1na7ma5na3m等，這里n不等于m。句法分析，是實現識別的過程，即判別未知圖像鏈碼X∈L(G)是否成立，也就是說若鏈碼X與語言L(G)中模板鏈碼不相似或不相同，則鏈碼X所表示的圖像是語言L(G)模板鏈碼所代表的圖像類型。常用的句法結構方法是萊芬沙因(LenVenshtein)距離法。LenVenshtein距離分類判別式為d(x，y)＝min{δ·Lj+r·m+β·nj}…………(4)式中，Lj——代換誤差的次數，mj——插入誤差次數，nj——抹去誤差次數，δ、r、β為加權量。這是代換誤差定義為W1aW2→W1bW2插入誤差定義為W1W2→W1aW2抹去誤差定義為W1aW2→W1W2將各種固定形狀物體生成L(G)，若得到的未知形狀XL(G)，則X為煙霧，否則不是。
6.一種煙霧自適應檢測系統(tǒng)，其特征包括視頻輸入設備，其采集圖像信息，生成視頻模擬圖像；模數轉換部件，其將所述視頻模擬圖像進行數字化轉化；計算機系統(tǒng)，其設有目標特征數據庫，對所述數字化的視頻圖像進行處理和判別。
7.一種煙霧自適應檢測系統(tǒng)，其特征在于所述視頻輸入設備檢測攝像機，用于攝取圖像和，連接視頻矩陣切換器，所述視頻矩陣切換器還分別連接實時圖像采集卡、通訊接口傳輸控制模塊和系統(tǒng)報警與處理平臺，通過所述通訊接口傳輸控制模塊連接計算機總線，接受計算機主機的指令，進行通訊切換，接受所述檢測攝像機的圖像并發(fā)送給所述實時圖像采集卡，接受計算機主機發(fā)出的報警控制指令，向系統(tǒng)報警與處理平臺發(fā)送報警信號以及相關檢測圖像，由系統(tǒng)報警與處理平臺將其生成的警報信息和相關圖像送至與其連接的交通控制顯控器顯示。所述計算機主機還通過計算機總線連接圖像處理數據分析單元和隨機圖像存儲器。所述數據分析單元與所述計算機主機通信，根據計算機主機控制器的指令進行數據分析，所述隨機圖像存儲器同計算機主機控制器通信，用于數據的隨機存儲。
全文摘要
本發(fā)明涉及煙霧自適應檢測方法，該方法包括拉普拉斯差分檢測方法、梯度邊緣檢測算子和八鄰邊緣輪廓跟蹤方法等步驟，有效地描繪出待檢測物體形狀；再采用句法結構識別算法可有效地判別檢測出來的物體是否是煙霧。該方法主要采用攝像機和計算機硬件系統(tǒng)，實現了本方法，可廣泛用于隧道、發(fā)電站、倉庫、飛機庫、森林等煙霧檢測或其它類似場合。
文檔編號G08B17/10GK1924561SQ20061014084
公開日2007年3月7日 申請日期2006年10月12日 優(yōu)先權日2006年10月12日
發(fā)明者王海燕 申請人:王海燕