专利名称：一种基于计算机视觉的烟雾检测方法
技术领域：
本发明属于计算机视觉方法，具体涉及基于计算机视觉的烟雾检测方法，可应用于火灾报警监控。
背景技术：
传统的基于烟雾探测器的火灾报警系统由于对烟雾的高灵敏度和低成本等特性在火灾防控方面取得了广泛的应用。但是由于其特殊的工作原理，即探测器必须与一定浓度的烟雾接触才能报警，使得它无法应用于大的空间以及露天环境。此外，烟雾扩散至报警探测器的时间加长了烟雾的发现时间，不利于火灾的及早发现。计算机视觉主要研究从图像数据中获取信息的方法，在基于视频监控的火灾报警系统中，可以通过计算机视觉方法对视频图像内容进行分析，获得对监控区域场景的初步理解，而不需要与烟雾接触产生化学反应，因此能够监控大空间以及露天区域；同时，基于视频监控的火灾报警系统能够获得丰富的现场图像信息数据，可以及时提供对着火位置， 火势大小的初步判断，第一时间提供火情信息，降低火灾损失。烟雾检测属于计算机视觉领域中特定目标的检测识别问题，一些研究人员提出了基于烟雾不同特征的检测算法。目前实际使用中的烟雾检测算法主要有以下几种1)基于颜色信息的烟雾检测颜色信息是图形的重要信息，通过在彩色图形中寻找特定颜色的区域，能够发现潜在的目标区域，从而实现烟雾的检测。然而，利用颜色信息进行烟雾检测也存在一些明显的不足，例如受相似颜色目标的干扰；此外，能否针对不同颜色的烟雾建立合适的颜色模型，也是限制颜色信息在烟雾检测中应用的一个重要限制。2)基于运动信息的烟雾检测烟雾的运动存在特定的规律(烟往高处扩散)，通过计算场景中的光流，发现目标的光流运动特性，能够将烟雾与不具备这些运动特性的目标区分开来。然而，光流计算的准确性，监控区域的成像条件等都对烟雾的准确检测结果有很大影响。3)基于小波分析的烟雾检测小波分析方法作为信号处理，尤其是图像处理中的重要工具，在图像处理领域的很多问题中都有重要应用。通过对场景图像进行小波变换，得到图像的小波域信息，能够在频域和空域同时对图像进行分析。有学者研究了图像中烟雾区域同非烟雾区域在小波域的差别，研究了一系列基于小波变换的烟雾检测方法，如小波域能量损失与保留能量的关系、 小波系数的统计规律等，获得了较好的效果。但是小波分析方法往往只针对特定形态的烟雾，难以满足一些特定场合的应用需求。虽然研究人员提出了不同的烟雾检测算法，但是由于烟雾的形状变化多种多样， 不同燃烧物产生的烟雾的浓度、灰度差异很大，加上检测的背景各不相同，目前很难找到能够很好的描述图像中烟雾的特征。发明内容
本发明的目的在于提供一种基于计算机视觉的烟雾检测方法，首先通过在每帧视频中计算运动区域的特征对区域的类别属性进行初始分析，然后根据帧间运动区域的关系对运动目标属性进行综合判断，能够实现室内外大空间范围内的实时烟雾检测，为大型仓库等场所的火灾防控工作提供技术支持。
一种基于计算机视觉的烟雾检测方法，具体为
检测第t帧图像的运动区域，运动区域的序号记为i ；
提取第t帧第i个运动区域的一个以上的特征；
计算第t帧第i个运动区域的特征加权和得到该运动区域的属性得分；
计算第t帧第i个运动区域与第t_l帧图像的所有运动区域的距离；
确定第t帧第i个运动区域与第t_l帧图像的所有运动区域的距离的最小值；
若第t帧第i个运动区域与第t_l帧图像的所有运动区域的距离的最小值小于最小距离阈值，则依据第t-ι帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分；
若第t帧第i个运动区域与第t-Ι帧图像的所有运动区域的距离的最小值大于等于距离阈值，则计算第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离；
确定第t帧第i个运动区域与第t_2帧图像的所有运动区域的距离的最小值；
若第t帧第i个运动区域与第t_2帧图像的所有运动区域的距离的最小值小于最小距离阈值，则依据第t-2帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分；
若第t帧第i个运动区域的属性得分超过报警阈值，则认定存在烟雾。
进一步地，若第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离的最小值大于等于最小距离阈值，则第t帧第i个运动区域的属性得分保持不变。
进一步地，所述依据第t-Ι帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分步骤具体为第t帧第i个运动区域的属性得分片巧: ，巧: 为第t-Ι帧图像该最小值对应运动区域的属性得分，i i0. 8 彡 a 彡 0. 95。
进一步地，所述依据第t-2帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分步骤具体为第t帧第i个运动区域的属性得分Pl=PhbxΡ1'}，Ρ1'}为第t-2帧图像该最小值对应运动区域的属性得分，i i0. 75 彡 b 彡 0. 9。
进一步地，所述运动区域的特征包括灰度均值、运动区域内前继历史帧图像中的平均灰度均值穿越次数、运动区域内前继历史帧图像中灰度最大增加图像与灰度最大减少图像均值的比值、前继历史帧图像中灰度最大变化图像在运动区域的均值和方差、运动区域内较大梯度像素点与区域面积的比值。
进一步地，所述计算第t帧第i个运动区域与第t_l帧图像的所有运动区域的距离步骤具体为
在第i个运动区域和第t_l帧图像的第j个运动区域内分别选个#和个方块；5
计算第i个运动区域与第t_l帧图像的第j个运动区域的距离 ι Y L'/2 Rankma^ (Y L'jl/2 Rankma^ (diJ ))
权利要求
1.一种基于计算机视觉的烟雾检测方法，具体为 检测第t帧图像的运动区域，运动区域的序号记为i ； 提取第t帧第i个运动区域的一个以上的特征；计算第t帧第i个运动区域的特征加权和得到该运动区域的属性得分； 计算第t帧第i个运动区域与第t-i帧图像的所有运动区域的距离； 确定第t帧第i个运动区域与第t-i帧图像的所有运动区域的距离的最小值； 若第t帧第i个运动区域与第t-i帧图像的所有运动区域的距离的最小值小于最小距离阈值，则依据第t-ι帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分；若第t帧第i个运动区域与第t-i帧图像的所有运动区域的距离的最小值大于等于距离阈值，则计算第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离； 确定第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离的最小值； 若第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离的最小值小于最小距离阈值，则依据第t-2帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分；若第t帧第i个运动区域的属性得分超过报警阈值，则认定存在烟雾。
2.根据权利要求1所述的烟雾检测方法，其特征在于，若第t帧第i个运动区域与第 t-2帧图像的所有运动区域的距离的最小值大于等于最小距离阈值，则第t帧第i个运动区域的属性得分保持不变。
3.根据权利要求1所述的烟雾检测方法，其特征在于，所述依据第t-Ι帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分步骤具体为第t帧第i个运动区域的属性得分ρ/，fji为第t-i帧图像该最小值对应运动区域i i的属性得分，0. 8彡a彡0. 95。
4.根据权利要求1所述的烟雾检测方法，其特征在于，所述依据第t-2帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分步骤具体为第t帧第i个运动区域的属性得分# =Pti +bxP^，巧二2为第t-2帧图像该最小值对应运动区域的属性得分，0. 75彡b彡0.9。
5.根据权利要求1所述的烟雾检测方法，其特征在于，所述运动区域的特征包括灰度均值、运动区域内前继历史帧图像中的平均灰度均值穿越次数、运动区域内前继历史帧图像中灰度最大增加图像与灰度最大减少图像均值的比值、前继历史帧图像中灰度最大变化图像在运动区域的均值和方差、运动区域内较大梯度像素点与区域面积的比值。
6.根据权利要求1所述的烟雾检测方法，其特征在于，所述计算第t帧第i个运动区域与第t-Ι帧图像的所有运动区域的距离步骤具体为在第i个运动区域和第t-Ι帧图像的第j个运动区域内分别选个#和个方块；计算第i个运动区域与第t-ι帧图像的第j个运动区域的距离
7.根据权利要求1所述的烟雾检测方法，其特征在于，所述检测第t帧图像的运动区域步骤包括生成运动前景图像步骤第t帧图像Ft中的每一像素点Ft(x，y)，分别与第t-Atl，t-At2, t_At3帧图像中对应的像素点巧_Δ ι(χ,_ν)、巧為(及少)、相减并取绝对值，得到差值 dlfft-4X,y、, dlfft-4X,y、, 6/跃-~3(及少)，取差值的最大值与运动检测阈值八？作比较，若大于阈值AF则认为该点处存在运动，则将该像素点/χυ)置为255，否则置0，从而得到运动前景图像；运动前景图像滤波步骤；连通域标记步骤。
8.根据权利要求7所述的烟雾检测方法，其特征在于，AF取值为10至30之间。
全文摘要
本发明公开了一种基于计算机视觉的烟雾检测方法，首先检测场景中的运动区域，然后通过运动区域的特征加权求和得到每个运动区域的初始属性评判，最后通过帧间运动区域关联的方法，确定视频序列中运动区域是否属于同一目标，对同一目标进行综合分析，判断该目标是否为烟雾。本发明采用帧间目标关联方法确定帧间运动区域的关系，对运动目标属性进行综合判断。该方法具有复杂度低、降低虚警率的特点，能够及时准确的发现监控场景中出现的烟雾。
文档编号G08B17/10GK102509414SQ20111036578
公开日2012年6月20日 申请日期2011年11月17日 优先权日2011年11月17日
发明者宋萌萌, 李驰, 杜俭, 桑农, 王岳环, 袁志伟, 郭敏, 顾舒航 申请人:华中科技大学