一种基于组合传感器图像融和技术的火焰检测与定位方法与流程

本发明属于图像火灾探测与报警领域，具体涉及一种组合传感器图像融合技术的火焰检测与定位方法。

背景技术：

近年来视觉火灾探测技术受到了广泛的关注。相对于其他火灾检测技术，基于计算机图像视觉技术的火灾检测系统对于火灾检测区域的限制最小。一旦摄像机视野区域内发生火灾，视觉火灾检测系统可以立即检测并指出图像中的火灾目标，从而避免火势的进一步扩大。因此，视觉火灾检测系统具有对大空间区域进行火灾检测的优势。另外，视觉火灾探测器可以布设到移动平台上，比如机器人上，因此，视觉火灾检测技术具有极大的灵活性。为了拓展视觉火灾探测技术对火灾场景三维信息的还原能力，通常将火灾探测算法和双目立体视觉技术结合起来，形成具有空间定位能力的火灾探测器。

资料显示，目前国内图像型火灾探测器在火焰探测方面，较多使用的是双可见光相机工作体制和可见光结合红外测温多波段复合探测工作体制。可见光成像分辨率高、细节分辨力好，对场景成像优势明显。而缺点在于同时对灯光等人造光源和火焰光源成像时，灯光对火焰产生干扰，无法从视觉上区分，只能通过识别算法从光源外形、晃动频率等方面区分。在传统的火灾检测与定位系统中，大多基于可见光算法，其产生的误报较多，在甚多场景下不适用。

技术实现要素：

为了解决上述问题，本发明提出了一种基于组合式传感器融合技术的火焰检测与定位方法。

一种基于组合传感器图像融和技术的火焰检测与定位方法，包括如下步骤：

步骤s1：输入近红外图像

采集的近红外图像，该图像覆盖所需监控区域，近红外图像大小为1280*720；

步骤s2：对步骤s1的图像采用otsu算法进行分割，得到二值化图像；

步骤s3：对步骤s2输入的二值化图像进行中值滤波，得到中值滤波后的图像；

步骤s4：对步骤s3的中值滤波后图像进行八邻域标记，统计疑似火焰目标的面积信息area(rk)，area(rk)取值范围要在area(rk)th_min和area(rk)th_max之间，则认为是疑似火焰目标区域，剔除面积小于设定最小阈值area(rk)th_min和大于设定最大阈值area(rk)th_max的区域，并计算保留疑似火焰目标区域的长度lk、宽度wk，形心位置坐标(xk,yk)；

步骤s5：求火焰形心位置坐标(xk,yk)

目标的形心坐标计算方法为：

其中，设i、j分别为行和列，rk(i,j)为中值滤波后图像中提取的第k个疑似火焰区域s(i,j)处灰度值，取值为0或者1，m和n分别为一行和一列中像素的数量，xk和yk为图像的形心坐标；

步骤s6：根据步骤s4求得质心的几何关系对检测目标进行聚类，得到n个疑似火焰目标区域，并计算每个疑似火焰目标区域的长宽比、圆形度、面积增长率特征；

s6.1计算疑似火焰目标区域的长宽比特征ratiok

ratiok＝lk/wk(3)

当长宽比特征ratiok在[ratioth_min,ratioth_max]之间，判断为火焰目标，如果超出此范围则判断为干扰区域，ratioth_min为设定的长宽比最小阈值，ratioth_max为设定的长宽比最大阈值；

s6.2计算火焰的圆形度特征ck

圆形度计算公式如下

式(4)中ck、ak、pk分别为第k个疑似火焰目标的圆形度、面积和周长，n为疑似火焰目标个数；若疑似火焰目标形状越接近圆形，则ck越大，反之形状越复杂ck越小，ck的值在0和1之间；设定一个阈值c0，当ck＞c0时，该疑似火焰目标轮廓较为规则，则认为是非火焰目标；反之，ck＜c0时，疑似火焰目标轮廓不规则，符合火焰的特征，判定目标是火焰；

s6.3计算面积增长率特征gk

计算相邻时刻的图像的提取的疑似火焰目标的面积，并计算其比值，用疑似火焰目标的面积增长率gk作为判据；可以利用式(5)计算gk：

式(5)中，rk为第k个疑似火焰目标区域，area(rk)t、分别t、t0时刻疑似火焰目标区域面积；设定一个阈值g0，当gk＞g0时，该疑似火焰目标轮廓较为剧烈，则认为是火焰目标；反之，gk＜g0时，疑似火焰目标面积变化不剧烈，不符合火焰的特征，判定目标不是火焰；

步骤s7：步骤s4及步骤s6中的疑似火焰目标的面积信息area(rk)、长宽比特征ratiok、圆形度特征ck、面积增长率特征均判断为火焰目标时，根据步骤5求得火焰目标的质心坐标，在近红外图像中的火焰检测矩形框位置及可见光图像中画出火焰区域，输出报警信号，供监控人员确认。

针对单一波段传感器容易产生误报的问题，本发明基于可见光和近红外波段的图像，提出了基于组合传感器图像融合的火灾检测与定位方法，该方法有效的解决了单一可见光波段容易产生误报的问题，经过在具体工程中的验证，火灾检测与定位效果理想。

附图说明

图1为本发明流程框图。

具体实施方式

本发明针对火灾检测与定位问题，提出了基于组合式传感器图像融合的特征提取算法，有效准确提取火灾的位置信息，并进行报警定位。经过大量实际采集的图像进行验证取得了良好的效果，具有较强的实用性和通用性，对以后的类似设计具有一定的指导意义。

下面结合附图对本发明做进一步描述。

一种基于组合传感器图像融和技术的火焰检测与定位方法，如图1所示，包括如下步骤：

步骤s1：输入近红外图像。

该步骤输入采集的近红外图像，该图像覆盖所需监控区域。近红外图像大小为1280*720。

步骤s2：对步骤s1的图像采用otsu算法进行分割，得到二值化图像。

otsu算法是一种基于阈值的图像分割算法，其基本思想是利用图像的灰度直方图，以目标与背景的类间方差最大来动态地确定图像的最佳分割阈值，从而得到图像相应的二值化图像。

步骤s3：对步骤s2输入的二值化图像进行中值滤波，得到中值滤波后的图像。

中值滤波是一种能有效抑制图像噪声、提高信噪比的非线性滤波技术。它是一种邻域运算，类似于卷积，其计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素值。这样噪声就会在排序的过程中被排到了最前或最后，选择中间位置的值，达到抑制噪声的目的。本实施例采用中值滤波函数，完成对小干扰的滤除，滤波器的窗口大小设置为11*11。

步骤s4：由于分割后的图像出现小目标干扰、亮斑、光照现象，因此需要对分割后的图像进行小目标进行剔除处理，对步骤3的中值滤波后图像进行八邻域标记，然后统计疑似火焰目标的面积信息area(rk)，area(rk)取值范围要在area(rk)th_min和area(rk)th_max之间，则认为是疑似火焰目标区域，剔除面积小于设定最小阈值area(rk)th_min和大于设定最大阈值area(rk)th_max的区域，并计算保留的疑似火焰目标区域的长度lk、宽度wk，形心位置坐标(xk,yk)。

步骤s5：求火焰形心位置坐标(xk,yk)

图像中火灾区域的形心点不会随着图像移动、旋转、伸缩以及添加噪声而有大幅度的位置变化，目标的形心坐标计算方法为：

其中，设i、j分别为行和列，rk(i,j)为中值滤波后图像中提取的第k个疑似火焰区域s(i,j)处灰度值，取值为0或者1，m和n分别为一行和一列中像素的数量，xk和yk为图像的形心坐标。

步骤s6：根据步骤s4求得质心的几何关系对检测目标进行聚类，得到n个疑似火焰目标区域，并计算每个疑似火焰目标区域的长宽比、圆形度、面积增长率特征。

s6.1计算疑似火焰目标区域的长宽比特征ratiok

ratiok＝lk/wk(3)

当长宽比特征ratiok在[ratioth_min,ratioth_max]之间，判断为火焰目标，如果超出此范围则判断为干扰区域，ratioth_min为设定的长宽比最小阈值，ratioth_max为设定的长宽比最大阈值。

s6.2计算火焰的圆形度特征ck

早期火焰形状极不规则,大部分固定的干扰源，如烟头、白炽灯等轮廓比较规则，而圆形度是计算物体或区域的形状复杂程度的特征量，其定义如下

式(4)中ck、ak、pk分别为第k个疑似火焰目标的圆形度、面积和周长，n为疑似火焰目标个数。若疑似火焰目标形状越接近圆形，则ck越大，反之形状越复杂ck越小，ck的值在0和1之间。因此，设定一个阈值c0，当ck＞c0时，认为该疑似火焰目标轮廓较为规则，从而认为是非火焰目标；反之，ck＜c0时，认为疑似火焰目标轮廓不规则，符合火焰的其他特征，判定目标是火焰。

s6.3计算面积增长率特征gk

计算相邻时刻的图像的提取的疑似火焰目标的面积，并计算其比值，用疑似火焰目标的面积增长率gk作为判据。可以利用式(5)计算gk：

式(5)中，rk为第k个疑似火焰目标区域，area(rk)t、分别t、t0时刻疑似火焰目标区域面积。设定一个阈值g0，当gk＞g0时，认为该疑似火焰目标轮廓较为剧烈，从而认为是火焰目标；反之，gk＜g0时，认为疑似火焰目标面积变化不剧烈，不符合火焰的其他特征，判定目标不是火焰。

步骤s7：步骤s4及步骤s6中的疑似火焰目标的面积信息area(rk)、长宽比特征ratiok、圆形度特征ck、面积增长率特征均判断为火焰目标时，根据步骤5求得火焰目标的质心坐标，在近红外图像中的火焰检测矩形框位置及可见光图像中画出火焰区域，输出报警信号，供监控人员确认。