一种基于视频图像的大空间火灾监测系统的制作方法
【技术领域】
[0001] 本发明涉及火灾探测领域，特别涉及一种基于视频图像的大空间火灾监测系统。
【背景技术】
[0002] 随着社会进步，火灾监测领域越来越受到人们的关注。尤其是当大空间场所发生 火灾时，如不能及早发现火情，将会导致无法估量的损失，所以一种有效的大空间火灾监测 系统是极其重要的。
[0003] 而现有的火灾自动监测设备，都普遍存在着不足之处，例如：
[0004] (1)感温型火灾探测器：此类探测器是通过辨别火灾后温度的变化来发出警报 的，然而在大空间，气流速度超过5m/s或空间高度过高时，都会影响其感应，导致其感应效 果下降。
[0005] (2)感烟型火灾探测器：此类探测器是通过探测火灾产生的烟气来报警的，而在 大空间中，烟气随着高度的增高而稀释，最终导致这类探测器的感应效果下降。
[0006] (3)感光型火灾探测器：此类探测器是通过识别火灾火焰发出的特有的红外线或 紫外线来发出警报的。这类探测器容易受强光物体的干扰，导致其感应效果下降。
[0007] (4)其他复合类型的火灾探测器也没有能够很好的解决这些问题。
[0008] 另外，现在也有一些探测器是基于视频图像的，经过对疑似火焰的空间颜色分布， 纹理特征，边缘检测等的分析来判断是否为火灾，但这些探测器于边缘检测上用的算子都 有其不足之处，如Roberts算子①，Sobel算子②，Prewitt算子③，Canny算子④等对噪声 较敏感，如图1所示，图中箭头为边缘不连续处，结果图边缘连续性较差，影响火焰图像的 周长计算，进而影响火焰圆形度的测量，对火焰特征参数的提取不利。
[0009] 综上所述，传统探测器的作用范围都太局限，受环境因素的影响较大，无法用于大 空间的火灾监测，并且其他一些基于视频图像的的探测器期检验方法受噪声影响较大，也 导致火焰识别率下降。
【发明内容】
[0010] 针对传统火灾探测器的不足，本发明目的是：提供一种受环境因素影响较小，多角 度分析，检测效率高，便于火灾原因调查的基于视频图像的大空间火灾监测系统。
[0011] 本发明的技术方案是：
[0012] 一种基于视频图像的大空间火灾监测系统，其特征在于，包括：
[0013] CXD摄像头，所述C⑶摄像头设置有红外传感器，所述红外传感器监测到运动物体 时，CCD摄像头采集视频图像；
[0014] 图像处理模块，用于将采集的视频图像转换成帧图像，通过图像增强过滤噪声；
[0015] 图像分析模块，用于对处理的图像进行分析，所述图像分析包括以下步骤：初步检 测，检测是否存在运动物体并计算运动物体的运动范围，若存在运动物体并且运动范围一 定时，判定为疑似火焰；
[0016] 静态特征提取，通过对疑似火焰所在图像位置进行基于RGB颜色空间的火焰颜色 特征提取，将运动图像中的像素进行小波变换提取低频像素点，然后进行频域分析是否为 火焰颜色；
[0017] 动态特征提取，包括分析疑似火焰面积的变化、计算疑似火焰的圆形度、疑似火焰 的边缘检测和计算疑似火焰的闪烁频率；
[0018] 综合判断，通过对疑似火焰的静态特征与动态特征的提取，综合分析判断是否为 火焰；
[0019] 火灾报警器，用于判定为火焰时触发火灾报警。
[0020] 优选的，所述运动物体采用背景运动估计的方法，通过变化的区域来计算背景更 新图像Bn+1，即
[0021]
【主权项】
1. 一种基于视频图像的大空间火灾监测系统，其特征在于，包括： CXD摄像头，所述C⑶摄像头设置有红外传感器，所述红外传感器监测到运动物体时， CCD摄像头采集视频图像； 图像处理模块，用于将采集的视频图像转换成帧图像，通过图像增强过滤噪声； 图像分析模块，用于对处理的图像进行分析，所述图像分析包括以下步骤：初步检测， 检测是否存在运动物体并计算运动物体的运动范围，若存在运动物体并且运动范围一定 时，判定为疑似火焰； 静态特征提取，通过对疑似火焰所在图像位置进行基于RGB颜色空间的火焰颜色特征 提取，将运动图像中的像素进行小波变换提取低频像素点，然后进行频域分析是否为火焰 颜色； 动态特征提取，包括分析疑似火焰面积的变化、计算疑似火焰的圆形度、疑似火焰的边 缘检测和计算疑似火焰的闪烁频率； 综合判断，通过对疑似火焰的静态特征与动态特征的提取，综合分析判断是否为火 焰； 火灾报警器，用于判定为火焰时触发火灾报警。
2. 根据权利要求1所述的基于视频图像的大空间火灾监测系统，其特征在于，所述运 动物体采用背景运动估计的方法，通过变化的区域来计算背景更新图像Bn+1，即
其中α为更新系数，取值范围为O~1，是一个时间常量，X是一个像素点，Bn+1表示第 n+1时刻背景图像，In是第η时刻的视频帧像素 ，B "是η时刻的背景帧，背景图只更新静止 的像素。
3. 根据权利要求1所述的基于视频图像的大空间火灾监测系统，其特征在于，所述颜 色分析的辨别式为：
其中，（x，y)表征一个像素点在图像中的空间位置，F表征像素点为火焰像素点，τ为 一个经验常量，根据一系列的火焰图像测试所得出的值，Cb，Cr分别表示蓝色色度值和红色 色度值。
4. 根据权利要求1所述的基于视频图像的大空间火灾监测系统，其特征在于，所述分 析疑似火焰面积的变化包括：将图像中的疑似火焰区域进行强度分析并进行傅里叶变化对 图像增强，然后对增强后的区域在复频域分析处理，对处理后的区域进行阙值分割，计算其 白色像素点的个数来近似等于疑似火焰的面积，通过比较连续几帧的结果得出变化规律。
5. 根据权利要求4所述的基于视频图像的大空间火灾监测系统，其特征在于，所述计 算疑似火焰的圆形度为将图像进行边缘检测以及必要的噪声处理，得到火焰边缘的长度， 然后计算面积与周长的比值。
6. 根据权利要求1所述的基于视频图像的大空间火灾监测系统，其特征在于，所述疑 似火焰的闪烁频率通过分析疑似火焰的高度与宽度的比值变化得到。
7.根据权利要求1所述的基于视频图像的大空间火灾监测系统，其特征在于，所述疑 似火焰的边缘检测用改进的LoG算子进行边缘检测，利用双边滤波对图像进行平滑滤波， 将原始图像f (X，y)与滤波后的图像/〇,>0进行卷积运算，得出平滑后的图像I (X，y)，然后 采用二维拉普算子进行图像增强。
【专利摘要】本发明公开了一种基于视频图像的大空间火灾监测系统，该系统由硬件设备和软件模块两部分组成，硬件部分包括了安置于大空间的CCD探测器，视频捕捉卡，硬盘录像机，火灾报警器等。软件模块主要包括图像处理模块与图像分析模块。视频捕捉卡将捕捉来的视频经过图像增强等预处理后传入分析模块，通过对疑似火焰的静态特征与动态特征提取来分析判断。静态特征提取为基于YCbCr空间颜色模型对疑似火焰进行颜色特征提取，动态特征提取包括对疑似火焰进行面积变化，圆形度及闪烁频率的计算，其中运用改良的LoG边缘检测算法。多方面的综合分析判断，有利于减少环境因素对分析系统产生的干扰，提高检测的成功率。
【IPC分类】G06T7-00, H04N7-18
【公开号】CN104853151
【申请号】CN201510184975
【发明人】杨平乐, 潘志宏, 陈文博, 程海洋, 张仕杰
【申请人】张家港江苏科技大学产业技术研究院
【公开日】2015年8月19日
【申请日】2015年4月17日