本發(fā)明涉及一種煙火檢測(cè)方法，特別是涉及一種基于視頻圖像的火災(zāi)預(yù)警方法。

背景技術(shù)：

火災(zāi)是日常生活中主要災(zāi)害之一，及時(shí)準(zhǔn)確的火災(zāi)預(yù)警至關(guān)重要?，F(xiàn)有的煙火檢測(cè)系統(tǒng)效果存在一下問(wèn)題。

1、傳統(tǒng)火災(zāi)探測(cè)器需要環(huán)境中的煙霧濃度或溫度達(dá)到一定閾值后才能發(fā)出報(bào)警，這時(shí)火勢(shì)往往已經(jīng)較大甚至難以控制。在報(bào)警器距離火源較遠(yuǎn)的情況下，后果尤為嚴(yán)重。

2、由于高大空間和開(kāi)放空間中的顆粒物濃度和溫度等因素往往達(dá)不到傳統(tǒng)火災(zāi)探測(cè)器報(bào)警的閾值，導(dǎo)致傳統(tǒng)火災(zāi)探測(cè)器在這些空間中無(wú)法正常工作。

3、傳統(tǒng)的火災(zāi)探測(cè)器容易老化，需定期更換，否則無(wú)法對(duì)火災(zāi)產(chǎn)生及時(shí)有效的反應(yīng)。

4、在傳統(tǒng)火災(zāi)檢測(cè)系統(tǒng)中，滅火系統(tǒng)的啟動(dòng)往往會(huì)造成臨近區(qū)域物品和設(shè)施的損壞，并且在報(bào)警后，相關(guān)人員必須到現(xiàn)場(chǎng)進(jìn)行確認(rèn)，不僅不便，也會(huì)延誤滅火時(shí)機(jī)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)存在的技術(shù)問(wèn)題，本發(fā)明提供一種基于視頻圖像的火災(zāi)預(yù)警方法，該方法實(shí)時(shí)監(jiān)控視頻圖像準(zhǔn)確、快速地判斷火災(zāi)情況，有效保障人身、財(cái)產(chǎn)安全。

為了解決現(xiàn)有技術(shù)中存在技術(shù)問(wèn)題，本發(fā)明采用如下技術(shù)方案：

一種基于視頻圖像的火災(zāi)預(yù)警方法，包括以下步驟：

步驟一，采集視頻圖像獲取視頻幀；

步驟二，選取所述視頻幀中1000個(gè)火焰樣本；1000個(gè)煙霧樣本和4000個(gè)非煙非火的負(fù)樣本生成預(yù)檢值；

步驟三，對(duì)所述視頻幀按照每隔10幀取一幀生成檢測(cè)幀；

步驟四，計(jì)算所述檢測(cè)幀中每個(gè)像素點(diǎn)的火焰生成火焰特征值；

步驟五，計(jì)算所述檢測(cè)幀中每個(gè)像素點(diǎn)的煙霧生成煙霧特征值；

步驟六，選取10個(gè)所述火焰特征值計(jì)算出55個(gè)火焰判斷維數(shù)；同時(shí)，選取10個(gè)煙霧特征值計(jì)算出55個(gè)煙霧判斷維數(shù)；

步驟七，將步驟六中所述火焰判斷維數(shù)和煙霧判斷維數(shù)分別輸入分類(lèi)器進(jìn)行訓(xùn)練生成火災(zāi)判斷模型；

步驟八，將步驟二中所述預(yù)檢值與所述火災(zāi)判斷模型比較；如果所述預(yù)測(cè)值滿(mǎn)足火災(zāi)判斷模型條件，啟動(dòng)報(bào)警；否則，繼續(xù)執(zhí)行步驟二。

所述步驟六中火焰判斷維數(shù)是通過(guò)對(duì)火焰特征值進(jìn)行方差和兩兩的協(xié)方差計(jì)算?！?/p>

所述步驟六中煙霧判斷維數(shù)是通過(guò)對(duì)煙霧特征值進(jìn)行方差和兩兩的協(xié)方差計(jì)算。

所述步驟三中所述視頻幀的幀率為25幀/秒。

有益效果

第一，基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)比傳統(tǒng)火災(zāi)探測(cè)器具有更快的報(bào)警速度。為了把火災(zāi)造成的人員傷亡和財(cái)產(chǎn)損失降到最低，把火災(zāi)消滅在萌芽狀態(tài)，快速的火災(zāi)報(bào)警是至關(guān)重要的。傳統(tǒng)火災(zāi)探測(cè)器需要環(huán)境中的煙霧濃度或溫度達(dá)到一定閾值后才能發(fā)出報(bào)警，這時(shí)火勢(shì)往往已經(jīng)較大甚至難以控制。在報(bào)警器距離火源較遠(yuǎn)的情況下，后果尤為嚴(yán)重。而基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)不受這些限制，可以快速準(zhǔn)確的發(fā)出報(bào)警。

第二，基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)可以在交通隧道、購(gòu)物商場(chǎng)等高大空間和機(jī)場(chǎng)、公園、森林等開(kāi)放空間中正常工作。由于高大空間和開(kāi)放空間中的顆粒物濃度和溫度等因素往往達(dá)不到傳統(tǒng)火災(zāi)探測(cè)器報(bào)警的閾值，導(dǎo)致傳統(tǒng)火災(zāi)探測(cè)器在這些空間中無(wú)法正常工作。而基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)技術(shù)不受環(huán)境中顆粒濃度或溫度等因素的影響。

第三，基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)技術(shù)可以提供一些重要的額外信息。當(dāng)火災(zāi)發(fā)生時(shí)，火災(zāi)檢測(cè)和救援人員對(duì)火災(zāi)規(guī)模和火災(zāi)發(fā)展趨勢(shì)的了解至關(guān)重要?；谝曨l監(jiān)控平臺(tái)的火災(zāi)探測(cè)不僅能在火災(zāi)發(fā)生時(shí)發(fā)出報(bào)警，而且能提供火災(zāi)初始位置、火災(zāi)現(xiàn)場(chǎng)是否有人員被困等重要信息。這些信息對(duì)滅火策略和人員救援方案的制定會(huì)起到關(guān)鍵作用。

第四，基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)適用性較強(qiáng)。視頻監(jiān)控系統(tǒng)的廣泛安裝，為本技術(shù)的應(yīng)用奠定了硬件基礎(chǔ)。近年來(lái)，產(chǎn)業(yè)和學(xué)術(shù)界提出了大量?jī)?yōu)秀的視頻圖像火災(zāi)檢測(cè)算法。如果能充分利用現(xiàn)有硬件資源，在視頻監(jiān)控平臺(tái)中融入火災(zāi)檢測(cè)程序，及時(shí)發(fā)現(xiàn)初期火情，可以大大降低火災(zāi)造成的損失。

第五，基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)比傳統(tǒng)火災(zāi)探測(cè)器更加可靠穩(wěn)定。傳統(tǒng)的火災(zāi)探測(cè)器容易老化，需定期更換，否則無(wú)法對(duì)火災(zāi)產(chǎn)生及時(shí)有效的反應(yīng)。視頻監(jiān)控平臺(tái)設(shè)備更加可靠穩(wěn)定，效果由檢測(cè)程序本身決定，不受環(huán)境影響。

第六，即使在發(fā)生誤報(bào)的情況下，基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)所造成的損失也遠(yuǎn)小于傳統(tǒng)火災(zāi)探測(cè)器。在傳統(tǒng)火災(zāi)檢測(cè)系統(tǒng)中，滅火系統(tǒng)的啟動(dòng)往往會(huì)造成臨近區(qū)域物品和設(shè)施的損壞，并且在報(bào)警后，相關(guān)人員必須到現(xiàn)場(chǎng)進(jìn)行確認(rèn)，不僅不便，也會(huì)延誤滅火時(shí)機(jī)。而基于視頻監(jiān)控平臺(tái)的火災(zāi)探測(cè)如果發(fā)生誤報(bào)，相關(guān)人員可以通過(guò)現(xiàn)場(chǎng)觀察報(bào)警圖片和視頻直接發(fā)現(xiàn)，這樣既不會(huì)延誤滅火時(shí)機(jī)，也不會(huì)因滅火系統(tǒng)的誤啟動(dòng)造成經(jīng)濟(jì)損失。

附圖說(shuō)明

圖1是本發(fā)明一種基于視頻圖像的火災(zāi)預(yù)警方法流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作出詳細(xì)說(shuō)明。

如圖1所示，本發(fā)明提供一種基于視頻圖像的火災(zāi)預(yù)警方法，包括以下步驟：

步驟一101，采集視頻圖像獲取視頻幀；

步驟二102，選取所述視頻幀中1000個(gè)火焰樣本；1000個(gè)煙霧樣本和4000個(gè)非煙非火的負(fù)樣本生成預(yù)檢值；

步驟三103，對(duì)所述視頻幀按照每隔10幀取一幀生成檢測(cè)幀；所述步驟三中所述視頻幀的幀率為25幀/秒。

步驟四104，計(jì)算所述檢測(cè)幀中每個(gè)像素點(diǎn)的火焰生成火焰特征值；其中，火焰特征值是通過(guò)時(shí)域歸一化協(xié)方差描述子用于表示視頻圖像塊的時(shí)空特征。

ri，j，n＝red(i，j，n)，

gi，j，n＝green(i，j，n)，

bi，j，n＝blue(i，j，n)，(1)

公式(1)中rgb分別對(duì)應(yīng)圖像三個(gè)通道值；

ii，j，n＝intensity(i，j，n)，(2)

公式(2)中i表示圖像對(duì)應(yīng)像素亮度值；

公式(3)中ix和iy分別表示圖像的橫向梯度與縱向梯度；

公式(4)中ixx和iyy分別表示圖像橫向與縱向的二階導(dǎo)數(shù)；

公式(5)中it表示對(duì)圖像上某一點(diǎn)在時(shí)間軸上的變化率；同理，itt表示對(duì)圖像上某一點(diǎn)在時(shí)間軸上求二階導(dǎo)數(shù)。

步驟五105，計(jì)算所述檢測(cè)幀中每個(gè)像素點(diǎn)的煙霧生成煙霧特征值；煙霧特征基于yuv空間計(jì)算，除y、u、v三個(gè)特征值與火焰特征不同，其余的相同。

yi，j，n＝luminance(i，j，n)，

ui，j，n＝chrominanceu(i，j，n)，

vi，j，n＝chrominancev(i，j，n)，(6)

ii，j，n＝intensity(i，j，n)，(7)

步驟六106，選取10個(gè)所述火焰特征值計(jì)算出55個(gè)火焰判斷維數(shù)；同時(shí)，選取10個(gè)煙霧特征值計(jì)算出55個(gè)煙霧判斷維數(shù)；所述步驟六中火焰判斷維數(shù)是通過(guò)對(duì)火焰特征值進(jìn)行方差和兩兩的協(xié)方差計(jì)算。所述步驟六中煙霧判斷維數(shù)是通過(guò)對(duì)煙霧特征值進(jìn)行方差和兩兩的協(xié)方差計(jì)算。

步驟七107，將步驟六中所述火焰判斷維數(shù)和煙霧判斷維數(shù)分別輸入分類(lèi)器進(jìn)行訓(xùn)練生成火災(zāi)判斷模型；

步驟八108，將步驟二中所述預(yù)檢值與所述火災(zāi)判斷模型比較；如果所述預(yù)測(cè)值滿(mǎn)足火災(zāi)判斷模型條件，啟動(dòng)報(bào)警；否則，繼續(xù)執(zhí)行步驟二。

本發(fā)明是采用支持向量機(jī)方法而建立在統(tǒng)計(jì)學(xué)習(xí)理論的vc維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無(wú)錯(cuò)誤地識(shí)別任意樣本的能力)之間尋求最佳折中，以求獲得最好的推廣能力。

在機(jī)器學(xué)習(xí)中，支持向量機(jī)(svm，還支持矢量網(wǎng)絡(luò))是與相關(guān)的學(xué)習(xí)算法有關(guān)的監(jiān)督學(xué)習(xí)模型，可以分析數(shù)據(jù)，識(shí)別模式，用于分類(lèi)和回歸分析。給定一組訓(xùn)練樣本，每個(gè)標(biāo)記為屬于兩類(lèi)，一個(gè)svm訓(xùn)練算法建立了一個(gè)模型，分配新的實(shí)例為一類(lèi)或其他類(lèi)，使其成為非概率二元線(xiàn)性分類(lèi)。

對(duì)火焰檢測(cè)或煙霧檢測(cè)，利用上述計(jì)算得到的特征值，同時(shí)分別計(jì)算每?jī)蓚€(gè)值的協(xié)方差，構(gòu)成長(zhǎng)度為55的特征向量。選擇線(xiàn)性核svm作為目標(biāo)分類(lèi)器，隨機(jī)選取1000個(gè)火焰(煙霧)圖像作為正樣本，4000個(gè)未出現(xiàn)火焰(煙霧)的圖像作為負(fù)樣本，對(duì)svm分類(lèi)器進(jìn)行訓(xùn)練。使用訓(xùn)練好的分類(lèi)器進(jìn)行判決，從而得出輸入視頻幀中是否存在火焰或煙霧的結(jié)論。

上述的具體實(shí)施方式僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權(quán)利要求所保護(hù)范圍的情況下，還可以做出很多變形，這些均屬于本發(fā)明的保護(hù)之列。