專利名稱：一種基于前景累積圖像的圖像型火災(zāi)探測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于火災(zāi)探測技術(shù)領(lǐng)域，具體涉及計算機(jī)圖像處理和視頻火災(zāi)探測，特別涉及一種圖像型火災(zāi)火焰探測方法。
背景技術(shù)：
圖像型火災(zāi)探測技術(shù)，這里是指僅僅采用可視波段CCD攝像機(jī)圖像數(shù)據(jù)進(jìn)行處理，不考慮紅外波段等其它波段的火焰圖像。圖像型火災(zāi)探測技術(shù)通過CCD攝像機(jī)對監(jiān)控場所進(jìn)行監(jiān)測并將拍攝到的視頻圖像，經(jīng)過數(shù)據(jù)采集卡壓縮解碼再傳輸?shù)娇刂朴嬎銠C(jī)，然后通過采用先進(jìn)的計算機(jī)處理算法在線分析和識別火焰和煙霧，利用火災(zāi)時燃燒過程中圖像的頻譜特性、色度特性、紋理特性、運(yùn)動特性，使其模型化、過程化，形成計算機(jī)可識別的火災(zāi)模式，從而識別火災(zāi)信息，快速、準(zhǔn)確的完成火災(zāi)檢測，并及時發(fā)出報警信號。圖像型火災(zāi)探測技術(shù)具有響應(yīng)速度快，監(jiān)測范圍廣，距離遠(yuǎn)的特點(diǎn)，適用于高大空間場所，還可在室外環(huán)境中使用，使火災(zāi)探測更大程度地滿足人對火災(zāi)安全的需求，與傳統(tǒng)的火災(zāi)探測技術(shù)相比具有顯著的優(yōu)勢，代表了當(dāng)今火災(zāi)探測技術(shù)的較高水平。目前，對火焰圖像進(jìn)行識別，多采用顏色模型判別和對火焰輪廓進(jìn)行頻域分析的手段來實現(xiàn)實時探測。如 Yamagishi (Proceedings of 1999 International Symposium on Micromechatronics and Human Science, Nagoya, Japan :255-260.) Hj T 一ft jK 焰識別算法，首先將RGB色彩空間轉(zhuǎn)換到視覺線性的HSV色彩空間，在HSV空間中確定火焰色彩區(qū)域，采用火焰輪廓極坐標(biāo)時空數(shù)據(jù)的二維傅立葉變換來描述火焰動態(tài)特征， 然后利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行識別。Noda(Proceedings of Vehicle Navigation and Information Systems Conference, Yokohama, Japan, 1994 :57-62)等人針對隧道場景火災(zāi)火焰進(jìn)行研究，為了降低成本，他們使用隧道已有的黑白閉路電視監(jiān)控系統(tǒng)，因此只采用了灰度圖像。這種系統(tǒng)對于隧道這種背景比較單一的場合在某種程度上是比較適合的。 T. Celik(Automatic Fire Detection in Video Sequences. In-Proceedings of European Signal Processing Conference，F(xiàn)lorence，Italy，September 2006.)通過對近 1000 張火災(zāi)圖片，16，309，070個火焰區(qū)域像素的RGB通道進(jìn)行統(tǒng)計，得出火焰RGB顏色區(qū)域邊界判別函數(shù)，從而來識別火焰像素。然而，這種使用顏色判別模型的方法不能夠區(qū)分和與火焰顏色相近的干擾源，如陽光、燈泡和擺動紅旗等，誤報率較高。Liu Chebin (Proceedings of ICPR 2004.Proceedings of the 17th International Conference on.2004. 4(4) 34 ~ 137.) 提出一種火焰區(qū)域的光譜、時間和空間模型，通過分析火焰空間結(jié)構(gòu)特征，將火焰區(qū)域的輪廓通過傅里葉變換，然后通過自回歸模型來描述其變化，從而得到火焰的識別判據(jù)。袁非牛 (Journal of University of Science and Technology of China,2006. 36 (1) :39 43·) 提出了一種基于規(guī)格化傅立葉描述子的輪廓波動距離模型，來度量火焰的時空閃爍特征。 但火焰的閃爍特征受背景光影響較大，而且在圖像場景中如果火焰區(qū)域面積較小，這種閃爍特征并不明顯。Ugur Toreyin(Proceedings of IEEE 30th International Conference on Acoustics，Speech，and Signal Processing. Philadelphia, PA, USA. 2005. 2(2)669-672.)綜合利用運(yùn)動、頻閃、邊緣模糊和顏色特征等來識別火焰，利用時空小波變換提取閃爍特征和邊緣模糊特征，從而實現(xiàn)視頻火焰探測，雖然取得了較好的效果，但由于算法過于復(fù)雜，計算量大，難以滿足圖像型火災(zāi)探測產(chǎn)品對于實時探測的要求，在一定程度上限制了該技術(shù)的發(fā)展。Chao-Ching Ho(Machine vision based real-time early flame and smoke detection[J]. Measurement Science and Technology,2009Vol. 20, No. 4)利用運(yùn)動歷史圖像MHI (motion history image)提取視頻圖像當(dāng)前幀中運(yùn)動區(qū)域像素，然后對運(yùn)動像素進(jìn)一步處理來識別火焰。MHI的內(nèi)容可以參考文獻(xiàn)Motion Segmentation and Pose Recognition with Motion History Gradients.Machine Vision and Applications. 2002, Volume 13,Number 3:174-184。MHI 利用了連續(xù)幀圖像中前景區(qū)域圖像輪廓在空間上的相關(guān)性，通過每幀圖像對應(yīng)的不同時刻將連續(xù)圖像加權(quán)疊加形成運(yùn)動歷史圖像，隨著時間的推進(jìn)，當(dāng)前幀對應(yīng)輪廓總是具有最大灰度值(最亮)，而過去的輪廓在當(dāng)前MHI中影響將會越來越小(變暗)，當(dāng)過去幀與當(dāng)前幀的間隔超過某個設(shè)置的時間時， 其影響將被清零。但是，運(yùn)動歷史圖像并不能有效去除復(fù)雜燈光的干擾，目前圖像火焰探測技術(shù)的發(fā)展和推廣受到其誤報率的限制，主要的干擾源來自于太陽光、舞臺燈、運(yùn)動中的車燈等復(fù)雜背景光。MHI的定義見方程(1)，其中，變量H像素強(qiáng)度是當(dāng)前點(diǎn)的MHI函數(shù)，式中(x，y)為以圖像長方向為χ軸，寬方向為y軸建立的坐標(biāo)系中像素點(diǎn)的坐標(biāo)，F(xiàn)D為二值化圖像，可通過差分法獲得，F(xiàn)D(x，y，k) = 1的區(qū)域為前景圖像區(qū)域，F(xiàn)D(x，y，k) = 0的區(qū)域為背景圖像區(qū)域，其定義見方程( 。(前景圖像和背景圖像實際上都是在原圖上(彩色圖或灰度圖) 對應(yīng)的，如一個室內(nèi)有人場景中，走動的人是前景圖像，物品地面等靜止的圖像構(gòu)成背景圖像，前景圖像的位置由FD(x，y，k) = 1的點(diǎn)標(biāo)識出來)
權(quán)利要求
1.一種基于前景累積圖像的圖像型火災(zāi)探測方法，將由監(jiān)控攝像頭得到的視頻圖像通過采集卡傳給視頻監(jiān)控計算機(jī)進(jìn)行處理采用幀間差分法提取前景圖像；再計算前景累積圖像，并利用分塊統(tǒng)計各個像素在前景累積圖像中的亮度值的方法進(jìn)行判別，如果判別為火災(zāi)火焰，則計算機(jī)發(fā)出指令，控制報警器發(fā)出報警信號；如果判別為非火災(zāi)火焰，則返回差分法步驟，繼續(xù)處理下一幀圖像。
2.根據(jù)權(quán)利要求1所述的基于前景累積圖像的圖像型火災(zāi)探測方法，其具體步驟如下步驟一，計算機(jī)讀取視頻圖像數(shù)據(jù)；步驟二，通過幀間差分法得到前景圖像區(qū)域；步驟三，計算前景累積圖像；步驟四，對圖像進(jìn)行分塊，統(tǒng)計每個圖像塊中各個像素在前景累積圖像中的亮度值；步驟五，根據(jù)預(yù)先設(shè)定好的靈敏度進(jìn)行判別，如果是火災(zāi)，給出報警信號；如果否，則重新返回到步驟一。
3.根據(jù)權(quán)利要求2所述的基于前景累積圖像的圖像型火災(zāi)探測方法，其特征在于所述的步驟二中，采用幀間差分法提取前景圖像的具體步驟為利用計算機(jī)將由監(jiān)控攝像頭得到的視頻圖像數(shù)據(jù)分解成一幀幀的RGB彩色圖像，將相鄰兩幀圖像按照下列方程進(jìn)行計算
4.根據(jù)權(quán)利要求2所述的一種基于前景累積圖像的圖像型火災(zāi)探測方法，其特征在于，所述步驟四是對步驟三計算出的前景累積圖像進(jìn)行判別，判斷是否存在火災(zāi)，如果是， 則給出報警信號，如果不是，則處理連續(xù)幀的下一幀圖像；所述前景累積圖像的判別按如下步驟進(jìn)行首先，將圖像分塊處理；然后，查找每個圖像塊中前景累積圖像1汰凡均>1"的像素點(diǎn)，T為時間窗口 ；最后，統(tǒng)計每個圖像塊中>Γ的像素點(diǎn)的個數(shù)，如果一個圖像塊中有一半以上的像素點(diǎn)滿足,則認(rèn)為該圖像塊是火焰圖像塊，否則，認(rèn)為該圖像塊不是火焰圖像塊。
全文摘要
本發(fā)明提供了一種基于前景累積圖像的圖像型火災(zāi)探測方法，建立了前景累積圖像，并用于火焰圖像的實時探測，通過計算機(jī)對由監(jiān)控攝像機(jī)得到的視頻圖像提取前景累積圖像，對圖像進(jìn)行分塊，統(tǒng)計每個圖像塊中各個像素在前景累積圖像中的亮度值，根據(jù)預(yù)先設(shè)定好的靈敏度進(jìn)行判別，如果是火災(zāi)，給出報警信號，如果不是，則返回到最初的步驟繼續(xù)處理下一幀圖像。本發(fā)明根據(jù)對運(yùn)動歷史圖像的定義進(jìn)行修改，得到前景累積圖像，該圖像能夠很好反應(yīng)火焰的有源特征，大大降低誤報率，并具有很好的抗噪聲能力。此外，該算法原理較簡單，計算量低，實時性非常好，能夠很好滿足目前圖像型火災(zāi)探測技術(shù)對于實時性的要求。
文檔編號G08B17/12GK102163361SQ20111012499
公開日2011年8月24日 申請日期2011年5月16日 優(yōu)先權(quán)日2011年5月16日
發(fā)明者于春雨, 張曦, 梅志斌 申請人:公安部沈陽消防研究所