烟雾检测方法与系统的制作方法
【专利摘要】本发明提供一种烟雾检测方法与系统，首先对视频序列进行运动区域提取，然后对运动区域提取小波特征以及亮度值特征，形成多个多维新组合的特征向量组，最后根据多个多维新组合的特征向量组，检测所述运动区域是否产生烟雾。整个过程中，通过分析这样一种新的组合特征向量组来确定是否有烟雾发生，利用多个小波特征和亮度值特征来检测，能够高效、高灵敏度来检测是否有烟雾发生，能够及时、准确表征火灾发生情况。
【专利说明】烟雾检测方法与系统
【技术领域】
[0001] 本发明涉及火灾检测【技术领域】，特别是涉及烟雾检测方法与系统。
【背景技术】
[0002] 火灾是一种给人类带来严重损失的灾害，而烟雾作为火灾发生初期的表现，准确 地识别烟雾显得尤为重要。
[0003] 目前，比较成熟的传统烟雾检测方法是基于传感器的探测技术，常见的有感烟、感 温、感光、感湿、感声等烟雾探测器。但是这些基于传感器探测技术的探测器必须在烟雾点 附近才能准确的检测出烟雾，易受监控环境的面积、温度、湿度和气流等因素的影响，而且 只有烟雾达到一定的浓度后才能被探测器检测到，所以传统的探测器的应用范围受到了较 大限制。
[0004] 可见现有的烟雾检测方法存在检测灵敏度低，无法及时、准确反映火灾发生情况。
【发明内容】
[0005] 基于此，有必要针对现有的烟雾检测方法存在检测灵敏度低，无法及时、准确反映 火灾发生情况的问题，提供一种检测灵敏度高，能够及时、准确表征火灾发生情况的烟雾检 测方法与系统。
[0006] -种烟雾检测方法，包括步骤：
[0007] 获取烟雾检测视频图像，并分析烟雾检测视频图像序列，获得所述烟雾检测视频 图像的像素点；
[0008] 对所述烟雾检测视频图像中的像素点进行运动区域检测，获取所述烟雾检测视频 图像序列中的运动区域；
[0009] 标记所述运动区域，对每个所述运动区域中的视频图像进行特征提取，得到多个 多维新组合的特征向量组，其中，所述特征包括m维小波特征和η维亮度值特征，所述m和 所述η均为正整数；
[0010] 根据所述多个多维新组合的特征向量组，检测所述运动区域是否产生烟雾。
[0011] 一种烟雾检测系统，包括步骤：
[0012] 获取分析模块，用于获取烟雾检测视频图像，并分析烟雾检测视频图像序列，获得 所述烟雾检测视频图像的像素点；
[0013] 运动区域获取模块，用于对所述烟雾检测视频图像中的像素点进行运动区域检 测，获取所述烟雾检测视频图像序列中的运动区域；
[0014] 特征向量组获取模块，用于标记所述运动区域，对每个所述运动区域中的视频图 像进行特征提取，得到多个多维新组合的特征向量组，其中，所述特征包括m维小波特征和 η维亮度值特征，所述m和所述η均为正整数；
[0015] 检测模块，用于根据所述多个多维新组合的特征向量组，检测所述运动区域是否 产生烟雾。
[0016] 本发明烟雾检测方法与系统，首先对视频序列进行运动区域提取，然后对运动区 域提取小波特征以及亮度值特征，形成多个多维新组合的特征向量组，最后根据多个多维 新组合的特征向量组，检测所述运动区域是否产生烟雾。整个过程中，通过分析这样一种新 的组合特征向量组来确定是否有烟雾发生，利用多个小波特征和亮度值特征来检测，能够 高效、高灵敏度来检测是否有烟雾发生，能够及时、准确表征火灾发生情况。
【专利附图】
【附图说明】
[0017] 图1为本发明烟雾检测方法第一个实施例的流程示意图；
[0018] 图2为本发明烟雾检测方法第二个实施例的流程示意图；
[0019] 图3为本发明烟雾检测系统第一个实施例的结构示意图；
[0020] 图4为本发明烟雾检测系统第二个实施例的结构示意图。
【具体实施方式】
[0021] 为了使本发明的目的、技术方案及优点更加清楚明白，以下根据附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施仅仅用以解释本发明，并不 限定本发明。
[0022] 如图1所示，一种烟雾检测方法，包括步骤：
[0023] S100 :获取烟雾检测视频图像，并分析烟雾检测视频图像序列，获得所述烟雾检测 视频图像的像素点。
[0024] 烟雾检测视频图像数据可以从监控摄像头拍摄的图像数据中获取。对获取到的烟 雾检测视频图像数据进行分析处理，得到烟雾检测视频图像的序列，再进一步分析烟雾检 测视频图像序列，获得烟雾检测视频图像的像素点。
[0025] S200:对所述烟雾检测视频图像中的像素点进行运动区域检测，获取所述烟雾检 测视频图像序列中的运动区域。
[0026] 在对视频烟雾的检测过程中，首先要检测视频图像序列中运动区域，其目的是从 视频图像序列中将运动区域从背景图像中提取出来。为了准确、高效获取运动区域，需要对 所述烟雾检测视频图像中的像素点进行运动区域检测，可以采用的方法包括但是不限于光 流法、帧间差分法和背景差分法。
[0027] S300 :标记所述运动区域，对每个所述运动区域中的视频图像进行特征提取，得到 多个多维新组合的特征向量组，其中，所述特征包括m维小波特征和η维亮度值特征，所述 m和所述η均为正整数。
[0028] 小波特征中主要有：低频总能量ELI、高频总能量Η11、低频能量比、高频能量比、 算数均值、标准差、偏态、峰度等。在视频图像中，如果出现烟雾则会使其覆盖的背景区域变 得模糊，即发生烟雾区域和对应背景相比，该区域的边缘和细节信息减少，然而这些边缘和 细节信息与图像中的高频信息相对应，所以这里可以通过小波特征和亮度值特征来准确检 测运动区域内是否有烟雾。
[0029] S400:根据所述多个多维新组合的特征向量组，检测所述运动区域是否产生烟雾。
[0030] 具体来说，优选的，可以根据多个多维新组合的特征向量组，利用分类器，检测所 述运动区域是否产生烟雾。
[0031] 本发明烟雾检测方法，首先对视频序列进行运动区域提取，然后对运动区域提取 小波特征以及亮度值特征，形成多个多维新组合的特征向量组，最后根据多个多维新组合 的特征向量组，检测所述运动区域是否产生烟雾。整个过程中，通过分析这样一种新的组合 特征向量组来确定是否有烟雾发生，利用多个小波特征和亮度值特征来检测，能够高效、高 灵敏度来检测是否有烟雾发生，能够及时、准确表征火灾发生情况。
[0032] 在其中一个实施例中，所述对所述烟雾检测视频图像中的像素点进行高斯混合背 景模型判断，获取所述烟雾检测视频图像序列中的运动区域具体包括步骤：
[0033] 利用高斯分布表征所述烟雾检测视频图像序列，获取多个初始化高斯模型；
[0034] 对所述烟雾检测视频图像进行灰度化处理，以使所述烟雾检测视频图像的像素点 与所述多个初始化高斯模型进行匹配，当匹配成功时，将匹配成功像素点的数据更新到初 始化高斯模型，获得更新的高斯模型；
[0035] 选取所述更新的高斯模型表征烟雾检测视频图像背景，查找所述烟雾检测视频图 像中的像素点不属于背景的像素点，获得查找结果；
[0036] 根据所述查找结果，获取所述烟雾检测视频图像序列中的运动区域。
[0037] 在本实施例中，利用高斯分布表征烟雾检测视频图像序列，建立高斯模型，之后再 对像素点进行高斯匹配，更新高斯模型，最终根据更新的高斯模型，确定烟雾检测视频图像 序列中的运动区域。采用严谨模型建立和数据处理过程，确保获得的运动区域准确。
[0038] 下面将采用一个具体实施例和详细的数学推导过程，详细介绍烟雾检测视频图像 序列中的运动区域的准确获取过程。
[0039] 在对视频烟雾的检测过程中，首先要检测视频图像序列中运动区域，目的是从视 频图像序列中将运动区域从背景图像中提取出来。在这里选用背景差分法获取运动区域加 以说明。
[0040] 混合高斯模型函数
[0041] 把视频序列中各帧图像看成是一个时间序列：{Xp x2,...，Χτ}。每个像素点用K个 高斯分布来描述。则t时刻，像素点X t的概率密度为Κ个高斯密度函数加权：
[0042]
【权利要求】
1. 一种烟雾检测方法，其特征在于，包括步骤： 获取烟雾检测视频图像，并分析烟雾检测视频图像序列，获得所述烟雾检测视频图像 的像素点； 对所述烟雾检测视频图像中的像素点进行运动区域检测，获取所述烟雾检测视频图像 序列中的运动区域； 标记所述运动区域，对每个所述运动区域中的视频图像进行特征提取，得到多个多维 新组合的特征向量组，其中，所述特征包括m维小波特征和η维亮度值特征，所述m和所述 η均为正整数； 根据所述多个多维新组合的特征向量组，检测所述运动区域是否产生烟雾。
2. 根据权利要求1所述的烟雾检测方法，其特征在于，所述对所述烟雾检测视频图像 中的像素点进行运动区域检测，获取所述烟雾检测视频图像序列中的运动区域具体包括步 骤： 利用高斯分布表征所述烟雾检测视频图像序列，获取多个初始化高斯模型； 对所述烟雾检测视频图像进行灰度化处理，以使所述烟雾检测视频图像的像素点与所 述多个初始化高斯模型进行匹配，当匹配成功时，将匹配成功像素点的数据更新到初始化 高斯模型，获得更新的高斯模型； 选取所述更新的高斯模型表征烟雾检测视频图像背景，查找所述烟雾检测视频图像中 的像素点不属于背景的像素点，获得查找结果； 根据所述查找结果，获取所述烟雾检测视频图像序列中的运动区域。
3. 根据权利要求1或2所述的烟雾检测方法，其特征在于，所述标记所述运动区域，对 每个所述运动区域的视频图像进行特征提取，得到多个多维新组合的特征向量组具体包括 步骤： 标记所述运动区域； 对每个所述运动区域中的视频图像进行小波特征变换，提取运动区域中的视频图像的 多个小波特征，将所述多个小波特征进行整合，获得多维小波特征； 提取运动区域中的视频图像的亮度值和所述运动区域中的视频图像对应的背景区域 的亮度值，计算两者的亮度值比特征，提取多维亮度值特征； 根据所述多维小波特征和所述多维亮度值特征，获取多个多维新组合的特征向量组。
4. 根据权利要求1或2所述的烟雾检测方法，其特征在于，所述根据所述多个多维新组 合的特征向量组，检测所述运动区域是否产生烟雾具体为： 根据所述多个多维新组合的特征向量组，利用分类器，检测所述运动区域是否产生烟 雾。
5. 根据权利要求1或2所述的烟雾检测方法，其特征在于，所述根据所述多个多维新组 合的特征向量组，检测所述运动区域是否产生烟雾之后还有步骤： 当检测到所述运动区域发生烟雾时，标记所述运动区域，并发出报警信号。
6. -种烟雾检测系统，其特征在于，包括： 获取分析模块，用于获取烟雾检测视频图像，并分析烟雾检测视频图像序列，获得所述 烟雾检测视频图像的像素点； 运动区域获取模块，用于对所述烟雾检测视频图像中的像素点进行运动区域检测，获 取所述烟雾检测视频图像序列中的运动区域； 特征向量组获取模块，用于标记所述运动区域，对每个所述运动区域中的视频图像进 行特征提取，得到多个多维新组合的特征向量组，其中，所述特征包括m维小波特征和η维 亮度值特征，所述m和所述η均为正整数； 检测模块，用于根据所述多个多维新组合的特征向量组，检测所述运动区域是否产生 烟雾。
7. 根据权利要求6所述的烟雾检测系统，其特征在于，所述运动区域获取模块具体包 括： 高斯模型初始获取单元，用于利用高斯分布表征所述烟雾检测视频图像序列，获取多 个初始化高斯模型； 高斯模型更新单元，用于对所述烟雾检测视频图像进行灰度化处理，以使所述烟雾检 测视频图像的像素点与所述多个初始化高斯模型进行匹配，当匹配成功时，将匹配成功像 素点的数据更新到初始化高斯模型，获得更新的高斯模型； 查找单元，用于选取所述更新的高斯模型表征烟雾检测视频图像背景，查找所述烟雾 检测视频图像中的像素点不属于背景的像素点，获得查找结果； 运动区域获取单元，用于根据所述查找结果，获取所述烟雾检测视频图像序列中的运 动区域。
8. 根据权利要求6或7所述的烟雾检测系统，其特征在于，所述特征向量组获取模块具 体包括： 标记单元，用于标记所述运动区域； 小波特征提取单元，用于对每个所述运动区域中的视频图像进行小波特征变换，提取 运动区域中的视频图像的多个小波特征，将所述多个小波特征进行整合，获得多维小波特 征； 亮度值特征提取单元，用于提取运动区域中的视频图像的亮度值和所述运动区域中的 视频图像对应的背景区域的亮度值，计算两者的亮度值比特征，提取多维亮度值特征； 特征向量组获取单元，用于根据所述多维小波特征和所述多维亮度值特征，获取多个 多维新组合的特征向量组。
9. 根据权利要求6或7所述的烟雾检测系统，其特征在于，所述检测模块具体用于： 根据所述多个多维新组合的特征向量组，利用分类器，检测所述运动区域是否产生烟 雾。
10. 根据权利要求6或7所述的烟雾检测系统，其特征在于，还包括： 报警模块，用于当检测到所述运动区域发生烟雾时，标记所述运动区域，并发出报警信 号。
【文档编号】G06T7/20GK104050478SQ201410325268
【公开日】2014年9月17日 申请日期:2014年7月9日 优先权日:2014年7月9日
【发明者】杨胜, 郑雪梅 申请人:湖南大学