专利名称：一种识别和检测隧道火灾火焰的方法
技术领域：
本发明涉及一种识别和检测隧道火灾火焰的方法，可以将隧道中真实的火焰和闪烁的车灯区分开来，从而较大幅度地降低了误报率。以应用于各种受灯光干扰很大的火灾监控场所(如隧道、夜间火灾监控等)。
背景技术：
基于图像处理的火灾监控方法利用了火灾刚刚发生的短时间内火焰图像在颜色、形状、闪烁特征以及其位置、面积、亮度随时间变化的特性，从含有背景噪音的图像序列中正确识别火焰信息，达到火灾监测的目的。和传统的温感、烟感火灾探测报警系统相比，基于图像处理的火灾探测系统有如下优点 1.由于CCD摄像头的大尺度性，基于图像处理的火灾探测系统提供了一种对大场景、大空间进行火灾探测的可行手段。
2.适用范围广。由于CCD摄像头与外界环境隔离，因此，基于图像处理的火灾探测系统可以在高温、高尘等传统火灾探测装置无法正常发挥的环境下进行火灾初期的快速探测。
3.准确率高、反应速度快。由于可以从图像上直观地看出是否有火灾发生，因此一旦系统产生报警，只需切换到报警的区域，就可从监视器中直接确认。其反应速度及准确率都比传统的火灾监测系统要好。
4.便于火灾原因调查。CCD摄像头会拍摄火灾开始的全过程，而且这些图像信息将直接保存在控制室的存储设备中。因此，事后可以极为方便的查阅这些图像信息，分析事故原因。
5.便于利用计算机开发其他功能。
由于其大尺度性，基于图像处理的火灾探测系统特别适用于大型商场、影剧院、隧道、大型厂房车间、飞机库、大型船舶、货舱等大尺度、大空间室内外建筑场所。考虑到目前隧道内或高层建筑物的闭路电视监控系统和基于图像处理的火灾监控检测系统的硬件耦合度极高，因此完全可以在一套硬件系统中实现以上两种监控功能。
基于图像处理的火灾监控方法目前主要从颜色特征、纹理特征、形状特征和运动特征等方面进行识别分析。
颜色是图像最显著的特征，与其他特征相比，颜色特征计算简单、性质稳定，对于旋转、平移、尺度变化都不敏感，表现出很强的鲁棒性。颜色特征包括颜色直方图、主要颜色、平均亮度等。
纹理分析一直是计算机视觉的一个重要研究方向，其方法可以大致分为统计方法和结构方法。统计方法是对图像的颜色强度的空间分布信息进行统计，又可进一步分为传统的基于模型的统计方法和基于频谱分析的方法，如马尔可夫随机场模型、Fourier频谱特性等。结构方法首先假定纹理模式由纹理单元按照一定规则排列组成，因此纹理分析就变为确定这些单元、定量分析它们的空间排列。
形状分析首先要把对象从背景中分割出来，再使用圆形度、矩形度、矩等各种方法进行形状的相似性比较。形状特征具有对平移、旋转、缩放的不变性，通常形状的表示可以分为基于边界和基于区域2类。基于边界的形状特征用较少的参数可以包含复杂的边界，如Fourier描述子。基于区域的形状特征常用矩不变量来描述。由于形状的相似性比较仍是一个很困难的问题，因而目前在视频处理领域使用得较少。
运动特征是视频镜头的重要特征，反映了视频的时域变化，而动态特征也往往是视频检索时用户能够给出的主要内容。运动分析的方法有基于光流方程的方法、基于块的方法、MPEG运动向量、切片的时空模式、二维参数运动模型、像素递归方法和贝叶斯方法等。
发明内容
本发明的目的在于提供一种识别和检测隧道火灾火焰的方法，这种方法可以把隧道中真实的火焰和闪烁的车灯区分开来，从而较大幅度地降低了误报率。
本发明的上述目的是通过以下技术方案实现的 1.一种识别和检测隧道火灾火焰的方法，其特征在于包括如下步骤 1)对输入的视频流进行剔除光照的预处理对于隧道中各种情况下由安装在隧道顶部的摄像机拍摄下来的黑白或者彩色视频画面，首先把彩色图像转化为灰度图像，然后使用伽马变换的方法来剔除多余光照，其中伽马变换的阈值通过计算图像中像素灰度的最大值来动态确定； 2)对视频流进行运动检测，获得运动像素对步骤1中所获得的光照预处理后的图像，使用带有固定阈值的时域差分方法进行运动检测，首先初始化背景图像，然后根据当前帧利用帧与帧之间的关联性来更新背景图像和前景图像； 3)对视频流进行颜色检测，获得具有火焰特征颜色的像素通过在训练视频和图片中提取具有火焰颜色的像素，分析其强度值或者RGB分量值，假如当前像素的颜色值位于符合火焰颜色特征的像素区间内部，则此像素被判断为具有火焰颜色的像素，进入下一阶段的检测； 4)搜索把所有符合相同特征且相互连接的像素组成的连通区域对于运动检测和颜色检测后的图像，进行连通区域的搜索；连通区域搜索包括区域标记和区域搜索两个步骤首先使用掩码方法分别对运动像素区域、火焰颜色像素区域和属于火焰边缘的像素区域进行标记，然后使用广度优先搜索算法来进行连通区域的搜索； 5)对所得的连通区域计算其周长和面积，进行形状分析形状分析包括使用深度优先搜索算法结合形态学的方法提取各个连通区域的边界；分别计算各个连通区域边界的周长；计算各个连通区域的面积；计算各个连通区域的圆形度； 6)对每个连通区域，进行面积改变量分析，最后判断火灾是否发生这一步中包括标记属于火焰边缘区域的像素；使用广度优先搜索算法搜索上述像素所组成的连通区域；建立数据结构来存储找到的连通区域；使用先到先处理的顺序匹配前后帧对应的连通区域；计算对应连通区域的面积改变量，判断火灾是否发生。
本发明的识别和检测隧道火灾火焰的方法，是基于图像处理的火灾探测系统，能够根据火焰图像在颜色、形状、闪烁特征以及其位置、面积、亮度随时间变化的特性，从含有背景噪音的图像序列中正确识别火焰信息，把隧道中真实的火焰和闪烁的车灯区分开来，较大幅度地降低了误报率，可达到火灾监测的目的。
图1为本发明方法的流程图。
具体实施例方式 分布在隧道内和隧道外各个路段的摄像头把所拍摄到的画面转变成模拟信号通过光纤传输到控制室的CCTV控制器上。在CCTV控制器上，模拟信号被转化为数字信号，一部分传送到位于各个监控室的计算机监视器屏幕上，另一部分被传送到数字化监控主机中，还有一部分被编码(一般为MPEG编码)存储到硬盘录像机中。
如图1所示，本发明发明包括输入视频流通过预处理、运动检测、颜色检测、连通区域搜索、形状分析和面积改变量分析等过程，最终将产生一个综合的判断结果。
下面对各个步骤进行详细说明 1.预处理 由于隧道等相对密闭空间受到光照的影响和干扰比较大，直接把原始图像用于运动检测将产生令人难以接受的效果，从而影响之后的操作，因此需要通过某种方法尽可能降低光照的影响。采用伽马变换(也称为幂次变换)的方法来处理。
幂次变换的基本形式为 s＝crγ (1) 其中c和γ为正常数。有时考虑到偏移量(即当输入为0时的可测量输出)，式(2)也写做s＝c(r+ε)γ。不管怎样，偏移量通常是显示标定的衍生，并且一般在式(3)中忽略掉。幂次变换中γ的部分值把输入窄带暗值映射到宽带输出值。相反，输入高值时也成立。
本发明中的方法首先把彩色图像转化成灰度图像(如果有)，然后遍历整幅图像，找到所有像素中最高的灰度值g。即 g＝max{g1，g2，...，gM×N}(2) 然后使用幂次变换的变形公式 s＝c(r-g)γ (3) 及 s＝c(r+L-1-g)γ (4) 其中L为灰度级图像的灰度级数(一般为256)。
2.运动检测 经过预处理后，就可以对输出的视频帧进行运动检测。运动检测的目的是初步区分运动的车灯和火焰。
使用时域差分的方法来判定运动像素和运动区域。把第i+1帧中位于坐标(x，y)上的像素的灰度值记为gi(x，y)，把第一帧中(x，y)坐标上的背景像素值记为B0(x，y)。
初始情况B0(x，y)＝g0(x，y)；之后对于每一帧，所预测的下一帧背景像素值根据当前帧背景像素值和当前实际像素值进行更新 其中α为一比例系数，表示背景更新的速率，通常情况下其值接近1。
最后，如果满足下列不等式，则认为坐标位置(x，y)上的像素为运动像素 |gi(x，y)-Bi(x，y)|>T (6) 3.颜色检测 通过在训练视频和图片中提取具有火焰颜色的像素，分析其强度值(黑白图片或视频)或者RGB分量值(彩色图片或视频)。记当前像素的颜色值为IR，IG，IB(黑白则为像素的强度值Ig)，则假如满足下列条件，则此像素被判断为具有火焰颜色的像素，进入下一阶段的检测 LR1<IR<LR2，LG1<IG<LG2，LB1<IB<LB2或Lg1<Ig<Lg2 4.连通区域搜索 把运动像素和具有火焰颜色的像素标记出来后，将使用一种称为掩码(mask)的方法对区域进行标记。
首先初始化三个和原始帧具有相同大小的掩码(把所有对应位置都置为0)，这三个掩码分别用于运动检测、颜色检测和之后将要提到的面积改变量分析。经过运动检测步骤后，把当前帧中所有运动像素在运动掩码中对应位置上的值置为1；同样，经过颜色检测步骤后，把当前帧中所有符合火焰颜色特征的像素在颜色掩码中对应位置上的值置为1。
然后对于运动掩码，使用广度优先算法来搜索连通分量。
使用广度优先算法的充要条件有三个 1.有一组具体的状态，状态是问题可能出现的每一种情况；全体状态所构成的状态空间是有限的；问题规模较小。
2.在问题的解答过程中，可以从一个状态按照问题所给定的条件，转变为另外一个或几个状态。
3.可以判断一个状态的合法性，并且有明确的一个或多个目标状态。
4.所要解决的问题是根据给定的初始状态找出目标状态，或根据给定的初始状态和结束状态，找出一条从初始状态到结束状态的路径。
首先，构造一个队列数据结构，在掩码中任意被标记为运动像素的位置处指定一个搜索起始点，记录其坐标，并使其进入队列；然后以当前点作为基点，搜索其相邻的8个像素点，如果其相邻的8个像素点中存在被标记为运动的像素，则根据搜索的先后次序按序入队(同样记录下其坐标)，同时在掩码中把对应位置上的值标记为已处理过。当找不到符合所述条件的点时，则搜索终止。
记一帧中所有像素集合为V，同一帧中所有被标记为运动的像素集合为Vm，且用来存储运动像素的队列记为Q。
初始状态
0<k≤M×N 第一步取i∈{1，2，...，k}且
第二步如果且则 第三步如果且则 每次按FIFO的次序(先进先出)从Q中取出一个像素点
重复第一步到第三步，直到满足下述终止条件
且
同理可以进行对于颜色掩码的连通分量搜索。
5.形状分析 (1)提取各个连通区域的边界 使用深度优先搜索方法提取连通区域的边界。
记一个连通区域的边界点集合为E，所有边界像素的集合记为Ve。
初始状态
属于连通区域边界的一个像素点vi； 第一步E＝E+{vi}，Ve＝Ve-{vi}； 第二步对如果且则E＝E+{vj}，Ve＝Ve-{vj}； 之后每次重复这两个步骤，直到满足下列终止条件
(2)分别计算各个连通区域边界的周长 在第(1)步深度优先搜索连通区域时，使用的是递归算法，那么递归树每增加一层，用来存放连通区域周长值的变量也自增1，当递归结束时，得到的自然就是该连通区域的周长值。
(3)计算各个连通区域的面积 在广度优先搜索连通区域时，使用队列来存储待处理的像素，那么每次一个像素进队，用来存放连通区域面积值的变量也自增1，当满足终止条件时，得到的自然就是该连通区域的面积值。
(4)计算各个连通区域的圆形度 记所计算出的连通区域周长为C，面积为S，则圆形度可计算为 Dcircle＝C2/4πS (7) 所计算出的圆形度越接近1，则说明连通区域的形状越规则，则其为火焰的概率越低。
6.面积改变量分析 (1)标记属于火焰边缘区域的像素 仍然使用掩码的方法来标记属于火焰边缘区域的像素。如果一个像素的强度值小于某个预先指定的强度值P(表示火焰中心的强度值，比这个值小就说明此像素属于火焰的边缘)，那么在掩码相应位置处标记为1，否则标记为0。
(2)搜索上述像素所组成的连通区域 使用广度优先搜索算法搜素各个连通区域，过程可参考第4节，不再详述。
(3)建立数据结构来存储找到的连通区域 使用结构体数组来存储找到的连通区域，分别用来存储连通区域的序号、连通区域外接矩形的长和宽、连通区域外接矩形的左下角顶点坐标、连通区域自身的面积和当前连通区域被判断为火焰区域的次数。
在此对最后一项做一下解释如果在一帧中当前的连通区域被判断为火焰区域，本方法并不马上认为当前区域为火焰区域；只有当此同一连通区域连续被判断为火焰区域的次数超过一个阈值时，才认为此区域为火焰区域。
(4)匹配前后帧对应的连通区域 记当前视频帧上所有连通区域集合为C，则初始情况为
之后每当找到一个连通区域Ri时，把它按FIFO的顺序添加到集合C中 C＝C+{Ri} 在处理下一帧时，首先检查当前连通区域集合C的第一个连通区域，若此区域已经超出了显示范围，即
则把其从连通区域集合中删除；否则不做任何操作。
然后对于每个区域Ri，把其与当前处理的连通区域进行面积改变量的比较；如果检测到新的连通区域Rk，k>max{i}，则把其添加到连通区域集合C中C＝C+{Rk}。
(5)计算对应连通区域的面积改变量 其中
表示上一帧中所对应的连通区域的面积，而AR表示当前所比较的连通区域的面积。
最后，假如Tlow<ΔA<Thigh，那么此连通区域可能为火焰区域。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非作为对本发明的限定，只要在本发明的实质范围内，对以上所述实施例的变化、变型都将落在本发明权利要求书的范围内。
权利要求
1.一种识别和检测隧道火灾火焰的方法，其特征在于包括如下步骤
1)对输入的视频流进行剔除光照的预处理对于隧道中各种情况下由安装在隧道顶部的摄像机拍摄下来的黑白或者彩色视频画面，首先把彩色图像转化为灰度图像，然后使用伽马变换的方法来剔除多余光照，其中伽马变换的阈值通过计算图像中像素灰度的最大值来动态确定；
2)对视频流进行运动检测，获得运动像素对步骤1中所获得的光照预处理后的图像，使用带有固定阈值的时域差分方法进行运动检测，首先初始化背景图像，然后根据当前帧利用帧与帧之间的关联性来更新背景图像和前景图像；
3)对视频流进行颜色检测，获得具有火焰特征颜色的像素通过在训练视频和图片中提取具有火焰颜色的像素，分析其强度值或者RGB分量值，假如当前像素的颜色值位于符合火焰颜色特征的像素区间内部，则此像素被判断为具有火焰颜色的像素，进入下一阶段的检测；
4)搜索把所有符合相同特征且相互连接的像素组成的连通区域对于运动检测和颜色检测后的图像，进行连通区域的搜索；连通区域搜索包括区域标记和区域搜索两个步骤首先使用掩码方法分别对运动像素区域、火焰颜色像素区域和属于火焰边缘的像素区域进行标记，然后使用广度优先搜索算法来进行连通区域的搜索；
5)对所得的连通区域计算其周长和面积，进行形状分析形状分析包括使用深度优先搜索算法结合形态学的方法提取各个连通区域的边界；分别计算各个连通区域边界的周长；计算各个连通区域的面积；计算各个连通区域的圆形度；
6)对每个连通区域，进行面积改变量分析，最后判断火灾是否发生这一步中包括标记属于火焰边缘区域的像素；使用广度优先搜索算法搜索上述像素所组成的连通区域；建立数据结构来存储找到的连通区域；使用先到先处理的顺序匹配前后帧对应的连通区域；计算对应连通区域的面积改变量，判断火灾是否发生。
全文摘要
本发明涉及一种识别和检测隧道火灾火焰的方法，包括对输入的视频流进行剔除光照的预处理；对视频流进行运动检测，获得运动像素；对视频流进行颜色检测，获得具有火焰特征颜色的像素；搜索把所有符合相同特征且相互连接的像素组成的连通区域；对所得的连通区域计算其周长和面积，进行形状分析；对每个连通区域，进行面积改变量分析，最后判断火灾是否发生等步骤。本发明方法基于图像处理的火灾探测系统，能够根据火焰图像在颜色、形状、闪烁特征以及其位置、面积、亮度随时间变化的特性，从含有背景噪音的图像序列中正确识别火焰信息，把隧道中真实的火焰和闪烁的车灯区分开来，较大幅度地降低了误报率，可达到火灾监测的目的。
文档编号G06K9/00GK101393603SQ20081012137
公开日2009年3月25日 申请日期2008年10月9日 优先权日2008年10月9日
发明者迪 谢, 廖胜辉, 童若峰 申请人:浙江大学