专利名称：基于视频分析的烟火检测装置的制作方法
技术领域：
本发明涉及烟火检测装置，用于实现远距离烟与火的检测与报警。
技术背景
现有的视频烟火检测方法大都是基于前景特征判别的方法，典型步骤为1)在视频图像中分提取动态区域，即前景区域。幻利用烟火的色度学特征从前景中获取烟火区域。3)跟踪前景烟火团块，计算烟火团块的运动参数，如形状、纹理、特征点位置等参数的变化。4)如前景烟火团块的运动各参数满足预先设定的条件则产生烟火报警。
这种基于前景检测的方法在应用中常出现以下问题
1)易误报
视频中烟和火焰的运动速度是由环境中气流的运动速度和拍摄景物距离决定的， 当气流运动很快或物距很小时，烟和火焰在视频中的团块运动状态很不稳定，这使烟火团块的跟踪时间缩短，即需要在较短的时间内基于一个较小的样本数对烟火产生判别。而在复杂环境下一些干扰物短时也能产生与烟火相近的特征，因而会产生误报。
2)易漏报
为了降低误报率，一般须设定更严格的烟火判别条件。但如前面所述，视频中的烟与火焰的特征除颜色以外大部分是由风速、拍摄距离等外部因素决定的，当外部因素出变化很大时，视频中烟火的特征也变化很大，如烟火判别条件没有覆盖特征量变化范围时就可能产生漏报。发明内容
本发明的技术解决问题是克服现有技术的不足，提供一种具有低漏报率和低误报率的烟火检测装置。
本发明的技术解决方案是基于视频分析的烟火检测装置，包括
图像采集单元U1，获取彩色图像帧序列，彩色图像素数值以RGB色空间表示；
背景建模及前景提取单元U2，提取帧序列图像中的前景图像，并且使背景模型参数反应烟火目标的颜色及纹理信息；
前景目标跟踪单元U3，跟踪前景图像序列中的各前景目标，并计算各前景目标的运动参数，其中运动参数包含中心位置、大小、速度、刚性度、刚性度变化率和跳跃指数；记录目标出现时的位置和大小以及目标消失前的位置和大小；
前景目标非烟火判别单元U4,根据各前景目标的运动参数判别前景目标是否为非烟火，令非烟火目标所在区域停止背景模型参数更新；
背景模型烟火特征提取单元U5，间隔数帧为一周期，读取背景模型参数，从中提取出满足颜色及纹理条件的可疑烟火区域；
可疑烟火目标跟踪单元TO，跟踪可疑烟火区域时间序列中的可疑烟火目标；
火焰形状动态属性检测单元U7，计算可疑火目标的火焰占空比、火焰跳跃指数和火焰分裂指数；
烟火判别单元U8，通过关联前景目标参数和可疑烟火目标参数，对烟火进行最终判别。
进一步地，所述背景建模及前景提取单元U2采用改进的混合高斯模型提取帧序列图像中的前景图像，并且使背景模型参数反应烟火目标的颜色及纹理信息；具体包括
图像中每个像素建立3到5个高斯模型(3 < KS 5)，每个高斯模型^auss (i)， 1 ^ i ^ K)包含 RGB 三通道的均值(MeaniPMeaniPMeanuhSS (Vai^10VariPVariJ、 权重(Wi)和匹配数(MatchCnti)；
判断图像中一个像素与某一高斯模型匹配的方法为像素RGB矢量与此高斯模型均值矢量的2-范数的平方大于此高斯模型方差矢量的1-范数的、倍，即
(R-Meani, K) 2+(G-Meani, G) 2+(B-Meani, B)2 < y X (varijE+varijG+varijB)；
若一个像素至少与一个权重大于规定阈值的高斯模型匹配，则此像素为背景，否则为前景；
在存储器中有一个背景更新掩膜，掩膜中的值代表图像对应像素位置是否允许背景模型参数更新；
允许参数更新时，若像素与高斯模型匹配，则对高斯模型RGB均值和方差以及高斯模型的权重进行动态更新；即
Meanijc(t+Ι) = (l-α ) XMeanij0(t) + α XCXMatchiXUpdate
Varijc(t+1) = (1-α ) XVarijC(t) + a X (C-Meanijc(t))2XMatchiXUpdate
Wi (t+1) = (l-α ) Xffi (t) + α XMatchiXUpdate
其中，i = 1，2，. . .，K ;C为(x，y)像素位置值任一 RGB通道；(x，y)位置像素值与第i个高斯模型匹配则Matchi为1，否则为0 ； (X，y)位置背景更新掩膜的值等于0则 Update为1，否则为0，α为更新率。
在允许参数更新的情况下，若像素值与高斯模型匹配，则此高斯模型的匹配数加 1，否则匹配数减1，最小减到0 ；当某个高斯模型的匹配数大于规定阈值时，使这个高斯模型的权重不小于判断其为背景高斯模型的值；
每个像素的各高斯模型按权重由大到小进行排序。
进一步地，所述前景目标跟踪单元U3跟踪前景图像序列中的各前景目标，并计算各前景目标的运动参数，其中运动参数包含中心位置、大小、速度、刚性度和刚性度变化率、 跳跃指数；将消失目标的信息保存在缓冲区中，记录目标出现时的位置和大小以及目标消失前的位置和大小。
其中，所述刚性度为目标轮廓周长的平方与目标面积之比；即
刚什目标轮廓周长)2 目标面积
所述刚性度变化率为前后两帧刚性度之差的绝对值，所述跳跃指数是目标在特定时间内刚性度变化率大于规定阈值的次数。
进一步地，所述前景目标非烟火判别单元U4根据各前景目标的运动参数判别前景目标是否为非烟火，若为非烟火，则利用所述背景更新掩膜停止前景目标区域内的背景模型参数更新。非烟火的判据为前景目标的刚性度小于规定阈值，或刚性度变化率小于规定阈值。
进一步地，所述背景烟火特征提取单元U5间隔数帧交替进入烟判别周期或火判别周期，在烟或火判别周期中，读取所有像素的背景模型参数，将符合烟火颜色及纹理特征的像素标记为可疑点，再根据矩形网格区域内可疑点的数量以及前后两帧图像的变化率确定警戒块的状态，警戒块状态值组成警戒块图像。
由背景模型参数提取烟雾和火焰特征的理论依据为烟雾和火焰有各自的颜色特征，当图像中固定位置在一段时间内有烟火经过时，烟火的颜色特征便逐渐融入到高斯模型的均值参数中。由于烟火目标内部各点的颜色通常是逐渐变化的，区域相关性很强，对于背景模型中固定像素位置的混合高斯模型，如设置适当高的参数更新率，经过此像素位置的烟火RGB值主要会更新某一个高斯模型，并使它的权重升高，此高斯模型的均值相当于烟火目标内某一区域的颜色均值。因为烟雾与火焰特征颜色空间定义为凸形，所以烟火更新的高斯模型RGB均值也在烟火特征颜色空间内，高斯模型的权重反应烟火信号的持续时间。烟雾内部存在很强的纹理相关性，表现为大部分区域颜色变化梯度小，颜色变化梯度大的区域之间颜色重复几率大，运动烟雾的这一特征会体现在权重最低高斯模型的权重和匹配数中。
在烟判别周期中，匹配数最高的高斯模型为主背景模型，高斯模型权重顺序中规定位置的两相邻高斯模型中非主背景模型者为烟颜色模型，权重最低的高斯模型为烟纹理模型。判断某个像素为可疑点的判据为同时满足强度条件、颜色条件、和纹理条件。
条件1 (强度条件)主背景模型的权重小于规定阈值且烟颜色模型的权重大于规定阈值；
条件2 (颜色条件)烟颜色模型的RGB均值满足RGB最大值与RGB最小值之差小于规定阈值，且RGB三者平均值介于大小两规定阈值之间。
条件3 (纹理条件)烟纹理模型的权重小于规定阈值或烟纹理模型的匹配数大于规定阈值。
在火判别周期中，规定权重序号范围中的首个权重低于规定阈值的高斯模型为过火模型。判断某个像素为可疑点的判据为同时满足强度条件和颜色条件。
条件1 (强度条件)过火模型的权重大于规定阈值
条件2 (颜色条件)过火模型的RGB均值中，R大于B，且B大于G，且R与RGB之和的比值小于规定阈值。
进一步地，所述可疑烟火目标跟踪单元TO在烟判别周期或火判别周期内，分别对警戒块图像中的可疑烟目标或可疑火目标进行跟踪，并计算目标所在区域内强信号警戒块所占的比例。
进一步地，所述火焰形状动态属性检测定单元U7中，火焰占空比为火焰闪烁区域内当前帧RGB图像满足火焰颜色条件部分所占的比例；
火焰跳跃指数为可疑火目标所在区域对应的前景目标的跳跃指数；
火焰分裂指数为分裂焰尖的数量，即在可疑烟火目标所在区域内产生又在可疑烟火目标上方消失的小尺度目标在特定时间范围内出现的个数。
进一步地，所述烟火判别单元U8对烟雾的判定条件为
条件1 可疑烟目标所在区域中强信号警戒块所占比例大于规定阈值，
条件2 可疑烟目标的面积大于规定阈值，
条件3 可疑烟目标所在区域如果存在前景目标，则前景目标的当前面积需大于目标出现时的面积规定倍数以上；
所述烟火判别单元U8对火焰的判定条件为
条件1 可疑火目标所在区域中强信号警戒块所占比例大于规定阈值，
条件2 可疑火目标的面积大于规定阈值，
条件3 可疑火目标的火焰占空比介于两规定阈值之间，
条件4 可疑火目标的火焰跳跃指数大于规定阈值，
条件5 可疑火目标的火焰分裂指数大于规定阈值。
本发明与现有技术相比具有如下优点本发明可同时或单独检测烟雾和火焰，混合高斯模型不仅用于背景建模与前景提取，而且用于提取烟火的颜色与纹理在较长时间内的统计信息，从而降低了误报率与漏报率。
以下将结合附图对本发明的具体实施方式
进行说明。
图1为根据本发明的烟雾检测装置示意图。
图2为根据本发明的火焰检测装置示意图。
图3为一种烟火检测装置结构框图。
图4为带有远程终端的烟火检测装置结构框图。
具体实施方式
实施例一
如图1-3所示，基于视频分析的烟火检测装置包括
1、图像采集单元Ul
图像采集单元从监控摄像头获取彩色图像帧序列，彩色图像每像素的值以RGB色空间表示，每像素有R、G、B三个通道。
2、背景建模及前景提取单元U2
采用改进的混合高斯模型，提取一帧图像中的前景图像，并且使背景模型参数反应烟火目标的颜色及纹理信息。具体包括
对图像采集单元获取的彩色图像序列进行各像素颜色变化统计。图像中每个像素建立3到5个高斯模型，每个高斯模型包含RGB三通道的均值和方差、权重和匹配数；
判断图像中一个像素与某一高斯模型匹配的方法为像素RGB矢量与此高斯模型均值矢量的2-范数的平方大于此高斯模型方差矢量的1-范数的2. 5倍；如果一个像素至少与一个权重大于规定阈值的高斯模型匹配，则此像素为背景，否则为前景。
在存储器中有一个背景更新掩膜，掩膜中的值对应图像中每个像素位置，当值为0 时允许对应像素的混合高斯模型参数更新，当值为1时停止对应像素的参数更新；
允许参数更新时，如果像素与高斯模型匹配则以特定更新率(例如0.01)对高斯模型的RGB三通道均值分别做动态更新，更新的输入值分别为当前帧图像的RGB各自通道值。
允许参数更新时，如果像素与高斯模型匹配则以特定更新率(例如0.01)对高斯模型的RGB三通道方差分别做动态更新，更新的输入值分别为当前帧图像的RGB值与高斯模型RGB均值各自通道值的差的平方。
允许参数更新时，对高斯模型的权重按特定更新率进行动态更新，如果像素与高斯模型匹配则更新输入值为1，否则更新输入值为0 ；
允许参数更新时，如像素与高斯模型匹配，则此高斯模型的匹配数加1，否则匹配数减1，最小减到0 ；当某个高斯模型的匹配数大于规定阈值时，使这个高斯模型的权重不小于判断其为背景高斯模型的值；
每个像素的各高斯模型按权重由大到小进行排序。
3、前景目标跟踪单元U3
前景目标跟踪单元U3对前景图像中的各目标进行跟踪，计算目标的中心位置(一阶矩)、目标大小(二阶中心矩)、速度、刚性度、刚性度变化率、跳跃指数等目标运动特征， 将消失目标的信息保存在缓冲区中；记录目标刚出现时的位置、大小以及目标消失前的位置、大小；所述刚性度为目标轮廓周长的平方与目标面积之比。
前景目标跟踪单元U3可采用多种目标跟踪算法，如区域跟踪法、MeanShift跟踪算法、粒子滤波跟踪法、MeanShift嵌入粒子滤波跟踪法以及主动轮廓跟踪法等。
这里详述的目标跟踪算法为基于Kalman滤波的区域跟踪法。步骤如下
1)前景连通域标记
前景连通域标记采用二次扫描法，输入前景图像，输出连通域索引图和连通域参数列表。连通域索引图中每个像素位置标记此像素所属连通域的编号，连通域参数列表中每个连通域的信息包括外接矩形、一阶矩、二阶中心距、连通域面积、边缘点个数等参数。
2)前景连通域聚类
对各连通域进行相关计算，如果两个不同连通域非常接近(如在水平和垂直方向同时满足两一阶矩差的绝对值小于两二阶中心矩之和)则将这两个连通域合并。聚类后的连通域称为团块(blob)。此过程产生一个前景团块列表。
3)前景团块静态特征计算
计算每个团块的中心位置(一阶矩)、大小(二阶中心矩)、外接矩形、团块面积和刚性度。
团块面积为团块中所有连通域面积之和。
刚性度为团块边缘点数的平方与团块面积之比。
4)前景团块跟踪
前景团块跟踪过程中管理目标跟踪列表、试跟踪列表、跟踪回收列表。一个目标在视频中出现后，在试跟踪列表中生成一个跟踪单元。经过3至5帧确认此目标运动稳定(目标速度的方差在规定阈值内)后，将此跟踪单元移至目标跟踪列表。目标在视频中消失规定帧数后，将此跟踪单元移至跟踪回收列表，等待其他功能单元读取其信息后释放存储器空间。
每一帧的具体操作步骤如下
a)目标跟踪列表中各跟踪单元的Kalman滤波器预测目标在新的一帧中的位置和大小。检测出相互遮挡的目标。
b)将目标跟踪列表中不会遮挡的跟踪单元与前景团块进行相关比较。对于一个跟踪单元，在所有它的中心位置和大小接近程度满足规定阈值且最接近(如在水平和垂直方向同时满足两一阶矩差的绝对值小于两二阶中心矩之和)的前景团块与其匹配。用匹配团块的中心位置、团块大小修正Kalman滤波器对目标中心位置、目标大小和速度的估计量。
c)如果目标跟踪列表中某个跟踪单元没有匹配的团块，则判别目标为消失状态， 消失次数加1。如果目标连续多帧消失则其对应的跟踪单元被移至回收列表中。
d)试跟踪列表中的各跟踪单元与剩下的未匹配的前景团块进行相关比较。如果一个跟踪单元没有匹配的前景团块则此跟踪单元被删除，存储器空间被释放。如果跟踪单元连续多帧匹配，且运动状态稳定(目标速度的方差在规定阈值内)则此跟踪单元被移动至目标跟踪列表中，否则此跟踪单元被删除，存储器空间被释放。
e)剩下的前景团块产生新的跟踪单元置于试跟踪列表中。
5)目标运动特征计算
计算目标的中心位置、大小、速度、刚性度、刚性度变化率。
目标中心位置为经Kalman滤波的团块一阶矩。
目标大小为经Kalman滤波的团块二阶矩。
目标速度为经Kalman滤波的团块速度。
目标刚性度为与当前帧目标对应团块的刚性度。
刚性度变化率为前后两帧刚性度之差的绝对值。
跳跃指数是目标在特定时间内刚性度变化率大于规定阈值的次数。具体计算方式为每一帧处理中，如刚性度变化率大于规定阈值，则跳跃指数加1 ；以预设帧数为周期跳跃指数减1，最小减到0。
4、前景目标非烟火判别单元U4
如果前景目标的刚性度小于规定阈值，或刚性度变化率小于规定阈值，则前景目标被判断为非烟火，利用背景建模及前景提取单元中所述背景更新掩膜停止前景目标区域内的背景模型参数更新。每一帧处理中先将背景更新掩膜中所有数据全部置0，需要停止非烟火目标背景模型参数更新时，将目标外接矩形范围内的背景更新掩膜的值置1。
在本单元中还计算目标的跳跃指数，跳跃指数是目标在特定时间内刚性度变化率大于规定阈值的次数。具体计算方式为每一帧处理中，如刚性度变化率大于规定阈值，则跳跃指数加1 ；以预设帧数为周期跳跃指数减1，最小减到0。5、背景烟火特征提取单元TO
背景烟火特征提取单元的具体操作如下
背景烟火特征提取单元间交替进入烟判别周期和火判别周期，之间可间隔数帧的空闲时间(例如5帧)；烟或火判别周期中，读取所有像素的背景模型参数，将符合烟火颜色及纹理特征的像素标记为可疑点，再根据矩形区域内可疑点的数量确定警戒块的状态；
烟判别周期中，匹配数最高的高斯模型为主背景模型，高斯模型权重顺序中规定位置的两相邻高斯模型中非主背景模型者为烟颜色模型，权重最低的高斯模型为烟纹理模型。对于K等于3的情况，Gauss(I)与GauSS(2)中匹配数高的为主背景模型，低的为烟颜色模型，GauSS(3)为烟纹理模型。
烟判别周期可疑点的判别条件为
条件1 (强度条件)主背景模型的权重小于规定阈值(例如0. 9)且烟颜色模型的权重大于规定阈值(例如0. 3)；
条件2(颜色条件)烟颜色模型的RGB均值满足RGB最大值与RGB最小值之差小于规定阈值(例如40)，且RGB三者平均值介于大小两规定阈值之间(例如80和M0)。
条件3(纹理条件)烟纹理模型的权重小于规定阈值(例如0. 或烟纹理模型的匹配数大于规定阈值(例如20)。
将一帧图像划分为网格状的大小相等的若干块状子区域(例如8x8)，每个子区域为一个警戒块，用于标记区域内的烟火信号状态。在存储器中存储烟警戒块图像和火警戒块图像。警戒块图像中某一像素数值代表对应的警戒块状态。
烟判别周期内，通过一个状态机根据警戒块内可疑点的数量来决定警戒块状当前周期的状态，状态包括0无信号，1弱信号，2，强信号，3失常信号。
状态机实现按以下方式实现
0)警戒块初始状态为无信号
1)当警戒块状态在上一判别周期为无信号时，如块内可疑点数小于规定阈值1则本判别周期的状态继续为无信号，如块内可疑点数介于规定阈值1和规定阈值3之间，则本判别周期的状态为弱信号，如块内可疑点数大于规定阈值3，则本判别周期的状态为失常信号；
2)当警戒块状态在上一判别周期为弱信号时，如块内可疑点数小于规定阈值1则本判别周期的状态为无信号，如块内可疑点数介于规定阈值1和规定阈值2之间则本判别周期的状态继续为弱信号，如块内可疑点数大于规定阈值2则本判别周期的状态为强信号；
3)当警戒块状态在上一判别周期为强信号时，如块内可疑点数小于规定阈值1则本判别周期的状态为无信号，否则状态继续为强信号；
4)当警戒块状态在上一判别周期为失常强信号时，如块内可疑点数小于规定阈值 1则本判别周期的状态为无信号，否则状态继续为失常强信号。
其中，阈值1的值可为10，阈值2的值可为20。
火判别周期中，规定权重序号范围中首个权重低于规定阈值的高斯模型为过火模型。对于K等于3的情况，如GaussO)的权重小于规定阈值(例如0. 4)，则过火模型为 Gauss (2)，否则过火模型为Gauss (3)。
火判别周期可疑点的判别条件为
条件1 (强度条件)过火模型的权重大于规定阈值(例如0. 2)
条件2 (颜色条件)过火模型的RGB均值中，R大于B，且B大于G，且R与RGB之和的比值小于规定阈值(例如0. 4)。
火判别周期警戒块状态通过判断块内可疑点数量来赋值，状态分为0无信号，1 弱信号，2强信号。如果块内可疑点数量小于规定阈值1，则状态为无信号，如果块内可疑点数量介于规定阈值1与规定阈值2之间则状态为弱信号，如果块内可疑点数量大于规定阈值2则状态为强信号。其中，阈值1的值可为10，阈值2的值可为20。
烟或火判别周期中，如果警戒块状态非0且警戒块位置对应的先后两帧图像块的 RGB差值平方和小于规定阈值(例如1280)，即图像动态性低，则将警戒块状态赋值为0。
6、可疑烟火目标跟踪单元TO
在烟判别周期和火判别周期内，分别对警戒块图像中的可疑烟目标和可疑火目标进行区域跟踪。
用与前景目标跟踪单元相同的二次扫描法求得状态非0 (无信号)警戒块的连通域。将警戒块连通域用与前景目标跟踪单元相同的连通域聚类方法产生团块，即可疑烟火目标。用区域跟踪法分别对烟判别周期和火判别周期可疑目标进行跟踪。并计算可疑烟火目标的中心位置(一阶矩)和大小(二阶中心矩)、包含警戒块数量(目标面积)、和强信号警戒块的比例。强信号警戒块比例为可疑烟火目标中状态为强信号警戒块的数量与此目标所有警戒块数量之比。
7、火焰形状动态属性检测单元U7
在火判别周期中，火焰形状动态属性检测单元计算火焰占空比、火焰跳跃指数和分裂指数；
火焰占空比为可疑火目标中所有警戒块对应当前帧图像像素中RGB值满足背景烟火特征提取单元中所述火焰颜色条件的比例。
火焰跳跃指数为将可疑火目标的中心位置和目标大小警戒块大小所定的比例关系(8倍)换算到当前帧图像中决定一个矩形区域，如果这个矩形区域与前景目标跟踪单元中保存的某个前景目标在中心位置和目标大小的接近程度在规定阈值内(如在水平和垂直方向同时满足两一阶矩差的绝对值小于两二阶中心矩之和)则将此前景目标的跳跃指数作为可疑火目标的火焰跳跃指数。
火焰分裂指数的计算方法为将可疑火目标的中心位置和目标大小按警戒块大小所定比例关系(8倍)换算到当前帧图像中决定一个矩形区域，遍历前景目标跟踪单元的消失目标缓冲区，当发现某个消失目标的宽高小于前述矩形区域宽高的规定倍数(例如 1/4)，且消失目标的目标产生位置为前述矩形区域内，且消失目标的目标消失位置在前述矩形区域上方，则将火焰分裂指数加1。火焰分裂指数每到规定的数个火检测周期减1，最小减到0。
8、烟火判别单元U8
在烟判别周期中完成烟雾的判别，烟雾的判定条件为
条件1 可疑烟目标包含的所有警戒块中强信号警戒块所占比例大于规定阈值 (例如30% ),
条件2 可疑烟目标所含警戒块数量大于规定阈值(例如4个)，
条件3 将可疑火目标的中心位置和目标大小按警戒块大小所定的比例关系(8 倍)换算到当前帧图像中，决定一个矩形区域，如果这个矩形区域与前景目标跟踪单元中保存的某个前景目标在中心位置和目标大小的接近程度在规定阈值内(如在水平和垂直方向同时满足两一阶矩差的绝对值小于两二阶中心矩之和)，则此前景目标当前宽高乘积需大于目标产生时的宽高乘积的规定倍数(例如2倍)以上。
在火判别周期中完成火焰的判别，火焰的判定条件为
条件1 可疑火目标包含的所有警戒块中强信号警戒块所占比例大于规定阈值 (例如30% ),
条件2 可疑火目标所含警戒块数量大于规定阈值(例如4个)，
条件3 可疑火目标的火焰占空比需介于两规定阈值之间(例如40%至90% )，
条件4 可疑火目标的火焰跳跃指数大于规定阈值，
条件5 可疑火目标的火焰分裂指数大于规定阈值。
实施例二
如图4所示，在实施例一的基础上，系统中增加了 RTU功能组件负责获取采集状态量或数据向远端发送，或输出控制量。
本发明不局限于权利要求和上述实施例所述及的内容，只要是根据本发明的构思所创作出来的任何发明，都应归属于本发明的保护范围之内。
权利要求
1.基于视频分析的烟火检测装置，其特征在于，包括图像采集单元(Ul)，获取彩色图像帧序列，彩色图像素数值以RGB色空间表示； 背景建模及前景提取单元(U2)，提取帧序列图像中的前景图像，并且使背景模型参数反应烟火目标的颜色及纹理信息；前景目标跟踪单元(U； )，跟踪前景图像序列中的各前景目标，并计算各前景目标的运动参数，其中运动参数包含中心位置、大小、速度、刚性度、刚性度变化率和跳跃指数；前景目标非烟火判别单元(U4)，根据各前景目标的运动参数判别前景目标是否为非烟火，令非烟火目标所在区域停止背景模型参数更新；背景模型烟火特征提取单元(冊)，间隔数帧为一周期，读取背景模型参数，从中提取出满足颜色及纹理条件的可疑烟火区域；可疑烟火目标跟踪单元⑴6)，跟踪可疑烟火区域时间序列中的可疑烟火目标； 火焰形状动态属性检测单元(U7)，计算可疑火目标的火焰占空比、火焰跳跃指数和火焰分裂指数；烟火判别单元(U8)，通过关联前景目标参数和可疑烟火目标参数，对烟火进行最终判别。
2.根据权利要求1所述的基于视频分析的烟火检测装置，其特征在于，所述背景建模及前景提取单元(似)采用改进的混合高斯模型提取帧序列图像中的前景图像，并且使背景模型参数反应烟火目标的颜色及纹理信息；具体包括图像中每个像素建立3到5个高斯模型，每个高斯模型包含RGB三通道的均值、方差、 权重和匹配数；若一个像素至少与一个权重大于规定阈值的高斯模型匹配，则此像素为背景，否则为前景；在存储器中有一个背景更新掩膜，掩膜中的值代表图像对应像素位置是否允许背景模型参数更新；在允许参数更新的情况下，若像素与高斯模型匹配，则对高斯模型RGB均值和方差以及高斯模型的权重进行动态更新；在允许参数更新的情况下，若像素值与高斯模型匹配，则此高斯模型的匹配数加1，否则匹配数减1，最小减到0 ；当某个高斯模型的匹配数大于规定阈值时，使这个高斯模型的权重不小于判断其为背景高斯模型的值；每个像素的各高斯模型按权重由大到小进行排序。
3.根据权利要求2所述的基于视频分析的烟火检测装置，其特征在于，所述前景目标跟踪单元(TO)跟踪前景图像序列中的各前景目标，将消失目标的信息保存在缓冲区中，记录目标出现时的位置和大小以及目标消失前的位置和大小。
4.根据权利要求3所述的基于视频分析的烟火检测装置，其特征在于，所述刚性度为目标轮廓周长的平方与目标面积之比；所述跳跃指数为目标在特定时间内刚性度变化率大于规定阈值的次数。
5.根据权利要求2所述的基于视频分析的烟火检测装置，其特征在于，所述前景目标非烟火判别单元(U4)根据各前景目标的运动参数判别前景目标是否为非烟火，若为非烟火，则利用所述背景更新掩膜停止前景目标区域内的背景模型参数更新。
6.根据权利要求2所述的基于视频分析的烟火检测装置，其特征在于，所述背景烟火特征提取单元(冊)间隔数帧交替进入烟判别周期或火判别周期，在烟或火判别周期中，读取所有像素的背景模型参数，将符合烟火颜色及纹理特征的像素标记为可疑点，再根据矩形网格区域内可疑点的数量以及前后两帧图像的变化率确定警戒块的状态，警戒块状态值组成警戒块图像。
7.根据权利要求6所述的基于视频分析的烟火检测装置，其特征在于，在烟判别周期中，匹配数最高的高斯模型为主背景模型，高斯模型权重顺序中规定位置的两相邻高斯模型中非主背景模型者为烟颜色模型，权重最低的高斯模型为烟纹理模型；在火判别周期中，规定权重序号范围中的首个权重低于规定阈值的高斯模型为过火模型。
8.根据权利要求6所述的基于视频分析的烟火检测装置，其特征在于，所述可疑烟火目标跟踪单元(U6)在烟判别周期或火判别周期内，分别对警戒块图像中的可疑烟目标或可疑火目标进行跟踪，并计算目标所在区域内强信号警戒块所占的比例。
9.根据权利要求6所述的基于视频分析的烟火检测装置，其特征在于，所述火焰形状动态属性检测单元(U7)中，火焰占空比为火焰闪烁区域内当前帧RGB图像满足火焰颜色条件部分所占的比例；火焰跳跃指数为可疑火目标所在区域对应的前景目标的跳跃指数； 火焰分裂指数为分裂焰尖的数量，即在可疑烟火目标所在区域内产生又在可疑烟火目标上方消失的小尺度目标在特定时间范围内出现的个数。
10.根据权利要求9所述的基于视频分析的烟火检测装置，其特征在于，所述烟火判别单元(U8)对烟雾的判定条件为条件1 可疑烟目标所在区域中强信号警戒块所占比例大于规定阈值， 条件2 可疑烟目标的面积大于规定阈值，条件3 可疑烟目标所在区域如果存在前景目标，则前景目标的当前面积需大于目标出现时的面积规定倍数以上；所述烟火判别单元(U8)对火焰的判定条件为条件1 可疑火目标所在区域中强信号警戒块所占比例大于规定阈值，条件2 可疑火目标的面积大于规定阈值，条件3 可疑火目标的火焰占空比介于两规定阈值之间，条件4 可疑火目标的火焰跳跃指数大于规定阈值，条件5 可疑火目标的火焰分裂指数大于规定阈值。
全文摘要
基于视频分析的烟火检测装置，包括图像采集单元；背景建模及前景提取单元，提取帧序列图像中的前景图像；前景目标跟踪单元，跟踪前景图像中的各目标，计算目标的运动参数；前景目标非烟火判别单元，根据运动参数判别目标是否为非烟火，令非烟火目标所在区域停止背景模型参数更新；背景模型烟火特征提取单元，读取背景模型参数，提取满足颜色及纹理条件的可疑烟火区域；可疑烟火目标跟踪单元，跟踪可疑烟火区域时间序列中的可疑烟火目标；火焰形状动态属性检测单元，计算可疑火目标的占空比、跳跃指数和分裂指数；烟火判别单元，通过关联前景目标参数和可疑烟火目标参数，对烟火进行最终判别。本发明具有低漏报率和低误报率的优点。
文档编号G06K9/00GK102509078SQ201110335578
公开日2012年6月20日 申请日期2011年10月28日 优先权日2011年10月28日
发明者任鹏远, 俞凌, 卓明, 卢铭, 黄维光 申请人:北京安控科技股份有限公司