本发明属于森林防火和视频目标检测领域,尤其涉及一种基于视频的森林火灾检测方法。
背景技术:
传统的火灾检测报警技术通常利用能够感应烟雾颗粒的传感器来实现。然而,这些传感器只有在靠近烟火的时候才起作用,作用距离非常有限,并且在野外空旷的条件下由于空气流动较快,烟雾颗粒也很难被传感器有效接收。基于视频的火灾检测手段利用布设的远程监控摄像机,可以监控周围较远距离范围内是否发生火灾。对于大面积的森林或山林区域,一般要隔一定距离设置瞭望塔并布设监控摄像机以覆盖整个区域,并将所有实时获取的视频都传输到监控中心。通过人工直接察看视频的方式来发现火灾,需要耗费大量的人员和精力。观察者也很难一直保持注意力,及时发现火灾并报警。基于视频的自动火灾检测技术正是在这种背景下提出并被广泛研究。
对森林火灾发现得越早,越有利于控制火势和减少火灾损失。因此,火灾的早期发现意义更为重大。在森林火灾发生的早期阶段,由于火势不是很大,或受其他树木等障碍物的遮挡,通常在监控视频里首先看到的不是火焰,而是由着火点产生并升起的烟雾。因此,基于视频的森林火灾早期检测一般是通过检测火灾产生的烟雾来实现。现有技术大部分是通过运动特征来分割出烟雾区域,或利用火灾烟雾的颜色、纹理和形状等显著性信息,以此为基础来设计火灾烟雾检测的自动算法。由于其他物体也可能有相似的特征,这些方法和技术很容易产生误检。并且,在烟雾距离很远时,视频中的烟雾纹理和形状特征并不显著,太过依赖这些特征很难有效地检测出远距离的火灾烟雾。
现有的其他某些火灾烟雾视频检测技术是在频域中进行的,利用其在频域中的高频特性与背景物体进行区分。然而这种方法主要是在火灾处在较近距离,且烟雾呈现出较剧烈的形状变化态势下才具有较好效果。另外,基于运动特征来分割潜在烟雾区域的方法对远距离烟雾也可能失效,这是因为远距离烟雾在视频中一般移动较为缓慢,通过运动信息难以有效准确地获取烟雾区域。除此之外,机器学习和训练技术也被广泛用于火灾烟雾视频检测中,这类技术需要规模庞大的训练样本,而实际中人们能够获取到的各类场景森林火灾视频资料很有限;对于远距离拍摄的视频烟雾,由于成像不清晰,烟雾区域较小等原因,一般缺乏显著的纹理和形状等特征可供机器学习技术来进行学习和训练,从而也会使得最终检测的效果并不理想。
技术实现要素:
为解决上述问题,本发明提供了一种基于区域生长分析的森林火灾早期视频检测方法,通过提取视频中的备选烟雾区域,并进行区域的生长变化情况分析判别,来检测出火灾产生的烟雾,在火灾发生的早期阶段就能够及时发现和报警。首先,提取出视频中的前景运动区域,从而定位烟雾可能存在的位置;然后,根据森林火灾烟雾的颜色通常接近白色且相对背景具有亮色调这一特征,分割出可能的烟雾区域;接下来,通过对区域的颜色、形状等特征的判断,进一步确定分割出的区域是否为潜在烟雾区域;最后,观测视频帧中所有备选烟雾区域的生长变化情况,根据火灾发生时所产生的烟雾会逐渐扩大并呈上升趋势这一变化特点,判别备选烟雾区域是否为实际火灾烟雾。
一种基于视频的森林火灾检测方法,包括以下步骤:
步骤1:从视频的设定帧数第i帧开始进行烟雾检测,将第i帧视频图像ii进行彩色-灰度转化得到灰度图像ei,并通过逐帧迭代法计算第i帧视频图像ii的背景图像
步骤2:基于背景图像
步骤3:根据前景运动区域,得到可能的烟雾区域
步骤31:将步骤2中得到的各个前景运动区域分别记为
步骤32:确定各个前景运动区域
步骤33:在灰度图像ei中与各个前景运动区域
步骤4:通过颜色、灰度以及区域形状特征对每个可能的烟雾区域
步骤5:对于步骤4得到的各个备选烟雾区域
步骤6:按照步骤5的方法,分别以阈值vk在第i+2帧灰度图像ei+2与备选烟雾区域
步骤7:重复步骤6的方法,分别以阈值vk依次计算后续第i+n帧视频图像中对应的备选烟雾区域
步骤8:判别备选烟雾区域的生长变化过程是否具有真实烟雾区域的扩散和上升的变化特征;如果同时满足扩散特征和上升特征这两个判别条件,则备选烟雾区域为真实烟雾区域,表明视频中存在火灾烟雾,检测系统立即发出火灾报警;否则,从第i+4n+1帧视频图像开始按步骤1-7继续进行烟雾检测。
一种基于视频的森林火灾检测方法,步骤8所述的扩散特征和上升特征的判别条件分别为:
(1)扩散特征判别条件:
(2)上升特征判别条件:
其中,算子|·|表示计算对应区域中像素点的个数,算子ch(·)表示计算对应区域中所有像素点在竖直方向上图像平面纵坐标的平均值,
一种基于视频的森林火灾检测方法,步骤1所述的通过逐帧迭代法计算第i帧视频图像ii的背景图像
其中,
一种基于视频的森林火灾检测方法,步骤2所述通过背景减除法从第i帧视频图像ii中提取出前景运动区域,具体步骤如下:
步骤21:计算第i帧视频图像ii的二值图像ki,其中:
如果第i帧灰度图像ei任一点的像素值与第i-1帧背景图像
如果第i帧灰度图像ei任一点的像素值与第i-1帧背景图像
步骤22:对第i帧二值图像ki进行数学形态学开运算,剔除二值图像ki中尺寸小于数学形态学开运算算子半径的前景运动区域。
一种基于视频的森林火灾检测方法,步骤4所述的颜色、灰度以及区域形状特征判别条件如下:
(1)颜色特征判别条件:可能的烟雾区域
(2)灰度特征判别条件:可能的烟雾区域
(3)形状特征判别条件:可能的烟雾区域
一种基于视频的森林火灾检测方法,所述i为大于100的整数。
有益效果:
本发明基于森林火灾烟雾独特的生长变化特点,通过对备选烟雾区域生长变化情况的判别分析来实现森林火灾烟雾检测,使得烟雾检测不容易受其他颜色和形状相近物体的干扰,同时也能有效排除其他形式运动物体的影响,具有较高的检测鲁棒性;
同时本发明的森林火灾早期视频检测方法运用累加区域,并在一定帧数间隔内基于累加区域进行多次比较,使得对区域生长变化的判别分析具有更好的稳定性;本发明技术可以在森林火灾早期发生时,通过其烟雾的检测,有效解决远距离监控视频的火灾自动检测和报警问题。
附图说明
图1为本发明森林火灾烟雾视频检测流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细叙述。
本发明技术基于森林火灾烟雾的生长变化特点,检测森林火灾点升起的烟雾,从而在火灾发生的早期阶段即可通过监控视频自动发现火灾。火灾烟雾检测的流程图如图1所示,假设从视频的第i帧开始进行烟雾检测,具体处理步骤为:
步骤1:从视频的设定帧数第i帧开始进行烟雾检测,将第i帧视频图像ii进行彩色-灰度转化得到灰度图像ei,并通过逐帧迭代法计算第i帧视频图像ii的背景图像
其中,
步骤2:基于背景图像
步骤21:计算第i帧视频图像ii的二值图像ki,其中:
如果第i帧灰度图像ei任一点的像素值与第i-1帧背景图像
如果第i帧灰度图像ei任一点的像素值与第i-1帧背景图像
步骤22:对第i帧二值图像ki进行数学形态学开运算,剔除二值图像ki中尺寸小于数学形态学开运算算子半径的前景运动区域。
步骤3:根据前景运动区域,得到可能的烟雾区域
步骤31:对二值图像ki中的每个独立连通的前景运动区域进行标记,分别记为
步骤32:然后在灰度图像ei中,确定各个前景运动区域
步骤33:在灰度图像ei中与各个前景运动区域
步骤4:通过颜色、灰度和区域形状特征对每个可能的烟雾区域
判别条件如下:(1)根据红、绿、蓝三个色彩通道图像ri、gi和bi提供的像素颜色值,计算每个区域
同时满足上述三种条件的可能的烟雾区域
步骤5:对于步骤4得到的每一个备选烟雾区域
步骤6:对于第i+1帧图像中每一备选烟雾区域
步骤7:在第i+2帧后,按步骤6的处理方法,依次计算后续第i+n帧(其中,n的取值从n=3依次增加)图像中对应的备选烟雾区域
步骤8:判断分析备选烟雾区域的生长变化过程是否具有真实烟雾区域的不断扩散和上升的变化特征,以此来判别备选烟雾区域是否为真实烟雾区域;对每一备选烟雾区域的具体分析判别方法为:
判断是否同时满足以下两个区域生长变化条件:
(1)区域扩散判别条件:
(2)区域上升判别条件:
上式中,算子|·|表示计算对应区域的大小,即统计区域中像素点的个数;算子ch(·)表示计算对应区域的质心在竖直方向上的位置,即计算区域中所有像素点在竖直方向上位置坐标的平均值。满足上述条件(1)表明备选烟雾区域呈现出不断扩散的生长趋势;满足上述条件(2)表明备选烟雾区域呈现出上升的运动特征。
同时满足上述条件(1)和(2)即可判断出该备选烟雾区域为真实烟雾区域,从而检测结果表明视频中存在火灾烟雾,检测系统立即发出火灾报警。否则,从当前的下一帧(即第i+4n+1帧)开始,按上述方法由步骤一开始继续进行视频烟雾检测。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。