本发明涉及火灾检测方法领域，具体地，涉及基于空间封闭性的火灾中烟的识别方法。
背景技术：
火灾是众多灾害中突发频率较高且极具毁坏性的一种，传统的火灾检测方法是基于烟感、热感等探测器的，其取得了不错的效果，但有如下不足：不适用于开放空间和大空间(包括户外环境)；火灾检出时间较晚，错过了最佳的灭火时机。为此，部分研究人员采用红外摄像机代替那些探测器并借助视频和图像处理技术来检测火灾，然而其设备成本太高。随着可见光监控摄像机的高速发展和视频监控的大面积推广，基于可见光摄像机的火灾检测得到了国内外越来越多研究人员的关注，其可同时克服传统探测器的缺陷和红外摄像机的不足。但是，现有技术中的火灾检测方法仍然存在误警率高、检出率低的问题，尤其是尚未出现明火的情况下。
因此，提供一种可以有效地提高检出率的同时降低误检率的基于空间封闭性的火灾中烟的识别方法是本发明亟需解决的问题。
技术实现要素：
针对上述技术问题，本发明的目的是克服现有技术中对超远距离的火灾检测方法和无明火的早期火灾检测方法仍然存在误警率高、检出率低的问题，从而提供一种可以有效地提高检出率的同时降低误检率的基于空间封闭性的火灾中烟的识别方法。
为了实现上述目的，本发明提供了基于空间封闭性的火灾中烟的识别方法，所述识别方法包括：步骤1，利用监控摄像头采集监控场景的图像序列；步骤2，对摄像头采集到的每帧图像，根据学习到的颜色模型计算烟的存在概率，同时对采集到的图像序列进行背景建模和运动概率计算，从而得到每个像素是烟像素的概率；步骤3，对每帧图像中概率大于80％的像素在空间和时间上进行特征提取；步骤4，通过步骤3中提取到的特征向量来计算空间封闭程度；步骤5，使用计算出的空间封闭程度对烟的颜色概率和运动概率计算进行反馈和参数修正，同时对特征向量进行筛选，过滤掉特征向量值和空间封闭程度不一致的图像区域；步骤6，对过滤后的结果进行二值化处理，并根据有效区域的像素数、空间分布性等进行规则性过滤；步骤7，得出所监控场景中是否存在烟，即是否发生了火灾。优选地，所述运动检测选择背景法，所述背景法中的背景使用GMM建模和实时更新。
优选地，所述步骤3中特征信息包括：烟的空间扩散程度、速度、方向、密度。
优选地，将所述步骤3中提取的特征信息组成特征向量，进行步骤4的计算。
优选地，所述步骤6和所述步骤7之间还包括以下步骤：对检测的环境和天气建立同步模型，所述步骤7中以所述同步模型辅助判别烟的存在度。
优选地，所述识别方法还包括步骤8：所述步骤7中得出烟的存在结果后，报警器启动发生报警信号。
优选地，所述报警器上还有无线传输设备，所述报警器不仅发出报警信号，还会通过无线设备将报警信号发送至用户的移动终端上，通知用户。
根据上述技术方案，本发明提供的基于空间封闭性的火灾中烟的识别方法通过所述监控摄像头采集监控场景的图像信息。然后对采集的图像信息进行检测和统计，再提取出特征信息，通过提取的特征信息计算空间封闭性程度，从而对备选的烟像素进行反馈和筛选，最后进行逻辑规则性过滤，通过最后得到的烟像素得出所监控场景中烟的存在度，从而得出是否发生火灾。本发明提供的基于空间封闭性的火灾中烟的识别方法克服现有技术中的火灾检测方法仍然存在误警率高、检出率低的问题。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明的一种优选的实施方式中提供的基于空间封闭性的火灾中烟的识别方法的流程框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1，本发明提供了一种基于空间封闭性的火灾中烟的识别方法，所述识别方法包括：步骤1，利用监控摄像头采集监控场景的图像序列；步骤2，对摄像头采集到的每帧图像，根据学习到的颜色模型计算烟的存在概率，同时对采集到的图像序列进行背景建模和运动概率计算，从而得到每个像素是烟像素的概率；步骤3，对每帧图像中概率比较大的像素在空间和时间上进行特征提取；步骤4，通过步骤3中提取到的特征向量来计算空间封闭程度；步骤5，使用计算出的空间封闭程度对烟的颜色概率和运动概率计算进行反馈和参数修正，同时对特征向量进行筛选，过滤掉特征向量值和空间封闭程度不一致的图像区域；步骤6，对过滤后的结果进行二值化处理，并根据有效区域的像素数、空间分布性等进行规则性过滤；步骤7，得出所监控场景中是否存在烟，即是否发生了火灾。
根据上述技术方案，本发明提供的基于空间封闭性的火灾中烟的识别方法通过所述监控摄像头采集监控场景的图像信息。然后对采集的图像信息进行检测和统计，再提取出特征信息，通过提取的特征信息计算空间封闭性程度，从而对备选的烟像素进行反馈和筛选，最后进行逻辑规则性过滤，通过最后得到的烟像素得出所监控场景中烟的存在度，从而得出是否发生火灾。本发明提供的基于空间封闭性的火灾中烟的识别方法克服了现有技术中的火灾检测方法仍然存在误警率高、检出率低的问题。
因为烟不是自发光的，其颜色靠反射决定，无法建立准确普适的模型，故而本发明中使用几条宽松的颜色规则，以过滤掉明显不是烟的像素点集。且在本发明的一种优选的实施方式中，所述步骤2中颜色检测使用的是颜色规则法和图像分割法。
在本发明的一种优选的实施方式中，所述运动检测选择背景法，所述背景法中的背景使用GMM建模和实时更新，所述背景法可以有效地符合烟运动速度的不确定性，使得运动检测更加的准确合理。
在本发明的一种优选的实施方式中，所述步骤3中特征信息包括：空间扩散程度、速度、方向、密度，根据这些特征信息，可以有效而清楚地了解所述备选的烟像素的信息。
在本发明的一种优选的实施方式中，将所述步骤3中提取的特征信息组成特征向量，这样方便所述步骤4中对于空间封闭程度的计算。
在本发明的一种优选的实施方式中，所述步骤6和所述步骤7之间还包括以下步骤：对检测的环境和天气建立同步模型，所述步骤7中以所述同步模型辅助判别烟的存在度。因为考虑到烟的扩散性和无边性，而非像火焰一样具有位置固定性，而且烟的特征信息受到周围环境(如墙等)的限制及受天气(如风等)的影响较大，故而本项目对环境和天气建立同步模型，并以此来辅助判别烟的存在度。
在本发明的一种具体的实施方式中，所述方法还包括步骤8：所述步骤7中得出火灾存在结果后，报警器启动发生报警信号，从而有效地提醒用户，防止危险事情地发生。
在本发明的一种优选的实施方式中，所述报警器上还有无线传输设备，所述报警器不仅发出报警信号，还会通过无线设备将报警信号发送至用户的移动终端上，通知用户，这样也可以防止用户不在事发现场而导致危险事件的发生。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。