一种火焰检测方法及其系统与流程

文档序号:24161139发布日期:2021-03-05 17:02阅读:112来源:国知局
一种火焰检测方法及其系统与流程

[0001]
本发明涉及图像分析技术领域,具体涉及一种火焰检测方法及其系统。


背景技术:

[0002]
随着计算机视觉的发展,基于计算机视觉的火焰检测技术得到了大量的研究。相较于传统的烟雾等定点传感器,从图像中检测火焰更加迅速,可以在火灾的初期检测到火焰,从而对火灾进行提前预警。
[0003]
目前,火焰检测大致有两种方式:直接基于rgb彩色图像进行检测;采用红外测温传感器或红外测温摄像头进行检测。但是直接基于rgb彩色图像进行检测的检测系统具有误报率高、使用环境复杂时的适应性差的问题,采用红外测温传感器或红外测温摄像头进行检测的检测系统具有使用环境复杂时的适应性差和无法有效留存证据的问题。
[0004]
因此,现有的火焰检测系统具有适应性差、检测准确性低及功能单一的问题。


技术实现要素:

[0005]
有鉴于此,本发明提供一种火焰检测方法及其系统,通过改进检测方法及其系统构成,解决了现有的火焰检测系统具有适应性差、检测准确性低及功能单一的问题。
[0006]
为解决以上问题,本发明的技术方案为采用一种火焰检测方法,包括:基于第一摄像单元和第二摄像单元获取包含同一待检测区域的数字采集视频和rgb采集视频;通过对所述数字采集视频进行高亮区域检测和运动区域检测生成火焰区域掩膜视频;通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频;对所述火焰区域掩膜视频的有效性进行验证并生成包含火焰区域rgb视频的预警信息。
[0007]
可选地,生成所述火焰区域掩膜视频包括:将所述数字采集视频逐帧分解为多个数字图像;利用公式逐一处理全部所述数字图像并生成多个高亮区域图像,其中,src为数字图像,mask高亮区域图像, (i,j)为像素坐标,threshold为特征提取值;对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像;逐帧基于所述高亮区域图像及其对应帧的所述运动区域图像生成多个掩膜区域图像;基于所述多个掩膜区域图像生成所述火焰区域掩膜视频。
[0008]
可选地对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像包括:利用公式更新像素点的像素值的概率分布,其中,p(x)为像素点(i,j)像素值的概率分布,由k个高斯分布的线性组合构成,α
k
为高斯分布系数,μ
k
为高斯分布均值,σ
k
为标准差;对于像素点(i,j),其像素值为x,如果其满足|x-μ
k
|≤d1σ
k
,则x
属于第k个高斯分布,该像素点(i,j) 为背景点,否则像素点(i,j)为前景点,其中,d1为常数;遍历每一帧的全部前景点生成每一帧的运动区域图像。
[0009]
可选地,通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的所述火焰区域rgb视频包括:将所述数字采集视频和所述rgb采集视频逐帧分解为多个帧相同的数字图像和rgb图像对;基于所述数字图像和rgb图像对进行特征点检测和特征点匹配,建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系;基于相同帧的所述掩膜区域图像、所述数字图像和rgb 图像对和所述映射关系生成火焰区域rgb图像;重复上述步骤直至遍历生成全部帧的所述火焰区域rgb图像,并基于全部帧的所述火焰区域rgb图像生成所述火焰区域rgb视频。其中,可以利用opencv的sift算法对所述数字图像和rgb图像对进行特征点检测和特征点匹配,建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系。
[0010]
可选地,对所述火焰区域掩膜视频的有效性进行验证包括:获取火焰数据集;搭建基于cnn+rnn的神经网络模型fire detection;使用火焰数据集对firedetection模型进行训练;使用fire detection模型对所述火焰区域掩膜视频进行验证。
[0011]
相应的,本发明提供,一种火焰检测系统,包括:第一摄像单元,设置有滤光片,用于获取待检测区域的数字采集视频;第二摄像单元,用于获取所述待检测区域的rgb采集视频;数据处理单元,用于对所述数字采集视频进行高亮区域检测和运动区域检测生成火焰区域掩膜视频,并通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频,且对所述火焰区域掩膜视频的有效性进行验证并生成包含火焰区域rgb视频的预警信息。
[0012]
可选地,所述数据处理单元生成所述火焰区域掩膜视频包括:将所述数字采集视频逐帧分解为多个数字图像;利用公式逐一处理全部所述数字图像并生成多个高亮区域图像,其中,src为数字图像,mask 高亮区域图像,(i,j)为像素坐标,threshold为特征提取值;对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像;逐帧基于所述高亮区域图像及其对应帧的所述运动区域图像生成多个掩膜区域图像;基于所述多个掩膜区域图像生成所述火焰区域掩膜视频。
[0013]
可选地,对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像包括:利用公式更新像素点的像素值的概率分布,其中,p(x)为像素点(i,j)像素值的概率分布,由k个高斯分布的线性组合构成,α
k
为高斯分布系数,μ
k
为高斯分布均值,σ
k
为标准差;对于像素点(i,j),其像素值为x,如果其满足|x-μ
k
|≤d1σ
k
,则x属于第k个高斯分布,该像素点(i,j) 为背景点,否则像素点(i,j)为前景点,其中,d1为常数;遍历每一帧的全部前景点生成每一帧的运动区域图像。
[0014]
可选地,所述数据处理单元对所述火焰区域掩膜视频进行视角变换获取rgb 采集视频中包含的所述火焰区域rgb视频包括:将所述数字采集视频和所述rgb 采集视频逐帧
分解为多个帧相同的数字图像和rgb图像对;基于所述数字图像和 rgb图像对进行特征点检测和特征点匹配,建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系;基于相同帧的所述掩膜区域图像、所述数字图像和rgb图像对和所述映射关系生成火焰区域rgb图像;重复上述步骤直至遍历生成全部帧的所述火焰区域rgb图像,并基于全部帧的所述火焰区域rgb 图像生成所述火焰区域rgb视频。
[0015]
可选地,所述火焰检测系统还包括用于对所述火焰区域掩膜视频的有效性进行验证的神经网络单元,其中,所述神经网络单元获取火焰数据集,搭建基于 cnn+rnn的神经网络模型fire detection;,并使用火焰数据集对fire detection模型进行训练,通过fire detection模型对所述火焰区域掩膜视频进行验证。
[0016]
本发明的首要改进之处为提供的火焰检测方法及其系统,通过设置第一摄像单元获取过滤干扰区域的数字采集视频,并通过高亮区域检测作为火焰区域判定第一条件以及通过运动区域检测作为火焰区域判定第二条件,有效的提升了火焰区域的检测精度。同时,通过对火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频作为证据,使得用户能够根据rgb视频判定火焰起因。
附图说明
[0017]
图1是本发明的火焰检测方法的简化流程图;和
[0018]
图2是本发明的火焰检测的简化模块连接图。
具体实施方式
[0019]
为了使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施例对本发明作进一步的详细说明。
[0020]
如图1所示,一种火焰检测方法,包括:基于第一摄像单元和第二摄像单元获取包含同一待检测区域的数字采集视频和rgb采集视频;通过对所述数字采集视频进行高亮区域检测和运动区域检测生成火焰区域掩膜视频;通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频;对所述火焰区域掩膜视频的有效性进行验证并生成包含火焰区域rgb视频的预警信息。其中,对所述火焰区域掩膜视频的有效性进行验证包括:获取火焰数据集;搭建基于cnn+rnn的神经网络模型fire detection;使用火焰数据集对fire detection模型进行训练;使用fire detection模型对所述火焰区域掩膜视频进行验证。具体的,所述神经网络模型fire detection的工作步骤为输入n张连续rgb火焰区域图片,通过cnn模块对每张图像进行特征提取,然后对n张图片形成的特征序列通过rnn 模型进行分类,判断该序列是否为火焰,其中n为常数,取值可以是10。
[0021]
具体的,第一摄像单元和第二摄像单元均为常规的rgb摄像头,第一摄像单元的探头处设置有950nm滤光片,使得第一摄像单元采集的视频能够将波长低于950nm的光波全部过滤掉,只留下红外波,而只有热源才能够辐射红外波,从而在视频中去除掉干扰信息,产生近似黑白图像的数字采集视频。
[0022]
但是发明人在实际试验中发现热源可能不仅火焰这一种,因此仅通过高亮区域检测无法准确获取火焰区域,因此本发明通过设置第一摄像单元获取过滤干扰区域的数字采集视频,并通过高亮区域检测作为火焰区域判定第一条件以及通过运动区域检测作为火焰
区域判定第二条件,有效的提升了火焰区域的检测精度。同时,通过对火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频作为证据,使得用户能够根据rgb视频判定火焰起因。
[0023]
进一步的,生成所述火焰区域掩膜视频包括:将所述数字采集视频逐帧分解为多个数字图像;利用公式逐一处理全部所述数字图像并生成多个高亮区域图像,其中,src为数字图像,mask高亮区域图像,(i,j)为像素坐标,threshold为特征提取值,可以是160;对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像;逐帧基于所述高亮区域图像及其对应帧的所述运动区域图像生成多个掩膜区域图像;基于所述多个掩膜区域图像生成所述火焰区域掩膜视频。其中,对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像包括:利用公式更新像素点的像素值的概率分布,其中,p(x)为像素点(i,j)像素值的概率分布,由 k个高斯分布的线性组合构成,α
k
为高斯分布系数,μ
k
为高斯分布均值,σ
k
为标准差;对于像素点(i,j),其像素值为x,如果其满足|x-μ
k
|≤d1σ
k
,则x属于第k 个高斯分布,该像素点(i,j)为背景点,否则像素点(i,j)为前景点,d1为常数;遍历每一帧的全部前景点生成每一帧的运动区域图像。其中,d1可以是2.5,第一预设阈值区间被定义为由|x-μ
k
|≤d1σ
k
限定,满足该公式的像素点(i,j)的像素值x的阈值区间即为所述第一预设阈值区间。
[0024]
更进一步的,通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的所述火焰区域rgb视频包括:将所述数字采集视频和所述rgb采集视频逐帧分解为多个帧相同的数字图像和rgb图像对;基于所述数字图像和rgb图像对进行特征点检测和特征点匹配,建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系;基于相同帧的所述掩膜区域图像、所述数字图像和rgb图像对和所述映射关系生成火焰区域rgb图像;重复上述步骤直至遍历生成全部帧的所述火焰区域rgb图像,并基于全部帧的所述火焰区域rgb图像生成所述火焰区域rgb视频。
[0025]
相应的,本发明提供,如图2所示,一种火焰检测系统,包括:第一摄像单元,设置有滤光片,用于获取待检测区域的数字采集视频;第二摄像单元,用于获取所述待检测区域的rgb采集视频;数据处理单元,用于对所述数字采集视频进行高亮区域检测和运动区域检测生成火焰区域掩膜视频,并通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频,且对所述火焰区域掩膜视频的有效性进行验证并生成包含火焰区域rgb视频的预警信息。其中,所述火焰检测系统还包括用于对所述火焰区域掩膜视频的有效性进行验证的神经网络单元,其中,所述神经网络单元获取火焰数据集,搭建基于cnn+rnn的神经网络模型fire detection;,并使用火焰数据集对fire detection模型进行训练,通过firedetection模型对所述火焰区域掩膜视频进行验证。具体的,所述数据处理单元分别与第一摄像单元、第二摄像单元、神经网络单元和终端建立通信连接,在所述数据
处理单元生成所述预警信息时将所述预警信息传输至所述终端。
[0026]
进一步的,所述数据处理单元生成所述火焰区域掩膜视频包括:将所述数字采集视频逐帧分解为多个数字图像;利用公式逐一处理全部所述数字图像并生成多个高亮区域图像,其中,src为数字图像,mask 高亮区域图像,(i,j)为像素坐标,threshold为特征提取值;对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像;逐帧基于所述高亮区域图像及其对应帧的所述运动区域图像生成多个掩膜区域图像;基于所述多个掩膜区域图像生成所述火焰区域掩膜视频。其中,对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模,并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像包括:利用公式更新像素点的像素值的概率分布,其中,p(x)为像素点(i,j)像素值的概率分布,由k 个高斯分布的线性组合构成,α
k
为高斯分布系数,μ
k
为高斯分布均值,σ
k
为标准差;对于像素点(i,j),其像素值为x,如果其满足|x-μ
k
|≤d1σ
k
,则x属于第k个高斯分布,该像素点(i,j)为背景点,否则像素点(i,j)为前景点,其中,d1为常数;遍历每一帧的全部前景点生成每一帧的运动区域图像。
[0027]
更进一步的,所述数据处理单元对所述火焰区域掩膜视频进行视角变换获取 rgb采集视频中包含的所述火焰区域rgb视频包括:将所述数字采集视频和所述 rgb采集视频逐帧分解为多个帧相同的数字图像和rgb图像对;基于所述数字图像和rgb图像对进行特征点检测和特征点匹配,建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系;基于相同帧的所述掩膜区域图像、所述数字图像和rgb图像对和所述映射关系生成火焰区域rgb图像;重复上述步骤直至遍历生成全部帧的所述火焰区域rgb图像,并基于全部帧的所述火焰区域 rgb图像生成所述火焰区域rgb视频。
[0028]
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1