一种基于视频的龙卷风形成识别与预警系统及方法

本发明涉及龙卷风识别与预警，具体涉及一种基于视频的龙卷风形成识别与预警系统及方法。

背景技术：

1、随着天网建设的不断推进，视频监控设备已经十分普及，使得通过视频监控获取环境中的各种异常状况成为可能。龙卷风作为一种短时气象灾害，持续时间短则数分钟，长则数小时，具有突发性和难以预报的特点，利用视频监控则可以快速获取龙卷风形成的图像，通过智能视频识别，可以实时识别出已经形成并正在发展中的龙卷风，与通信网络结合，可以向龙卷风区域附近以及行进路径上的人们进行预警，减少龙卷风导致的人们生命和财产损失。

2、目前已有的龙卷风检测主要基于各种雷达和传感器进行气压和声波等的检测。多普勒雷达对准龙卷风发出的微波束，微波信号被龙卷风中的碎屑和雨点反射后重被雷达接收。如果龙卷风远离雷达而去，反射回的微波信号频率将向低频方向移动；反之，如果龙卷风越来越接近雷达，则反射回的信号将向高频方向移动。接收到信号后，雷达操作人员就可以通过分析频移数据，计算出龙卷风的速度和移动方向。

3、例如中国专利cn214201812u公开了福特公司的龙卷风探测系统，该系统以多普勒雷达、激光雷达、加速度计和陀螺仪等传感器为核心，以探测到汽车附近的龙卷风，并推测龙卷风的行进方向，提醒驾驶员进行避让。

4、但是，目前已公开的文献尚未有采用视频以识别龙卷风形成的方案。基于此，本发明设计了一种基于视频的龙卷风形成识别与预警系统及方法以解决上述问题。

技术实现思路

1、针对现有技术所存在的上述缺点，本发明提供了一种基于视频的龙卷风形成识别与预警系统及方法。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、一种基于视频的龙卷风形成识别与预警系统，包括：

4、视频图像采集模块，通过视频摄像头连续采集同一场景的监控图像，保证监控背景的一致性和连续性；

5、gmm模型，用于提取之前的背景图像；

6、背景减除法模块，用于基于当前帧和背景图像提取前景目标对象；

7、形态学处理模块，用于对前景目标对象进行形态学处理并将前景对象连通为一个整体；

8、二值化处理模块，用于对前景目标对象进行二值化处理并转换为黑白二值图像；

9、逐行像素统计模块，用于从前景二值图像上端第一行开始，从上到下，依次统计各行像素值为1的白色像素个数，将各行的白色像素个数统计结果按照索引由小到大的顺序存入一个图像识别数组；

10、龙卷风识别模块，用于基于上一步统计出的各行白色像素的数量，识别是否为龙卷风；

11、相似对象去除模块，用于将与龙卷风相似形状的对象进行去除；

12、龙卷风报警系统，用于在检测到龙卷风时向监控室预警。

13、进一步的，背景减除法模块使用当前视频帧中获取的图像与上一步提取出来的5分钟前的背景图像进行减除运算，获取除去背景之后的前景图像。

14、进一步的，二值化处理模块利用背景减除法减除背景图像之后，设定一个阈值δ，当背景减除之后的对应像素灰度值小于该阈值δ时，置该像素值为0，为黑色；当背景减除之后的对应像素灰度值大于该阈值δ时，置该像素值为1，呈现为白色；

15、使得：

16、

17、进一步的，龙卷风识别模块的基本判断标准为：白色像素区域连通为一个整体，图像呈上大下小的蘑菇形状或漏斗形状，图像上端各行统计的白色像素的数量，大于图像下方白色像素数量的1.5倍；在图像识别数组中体现出来的是，数组存储的数值有明显的数值从大到小的变化，索引较小的数值较大，索引较大的数值较小，且较大的数值大于较小数值的1.5倍。

18、进一步的，与龙卷风相似形状的对象主要是蘑菇状云和漏斗状云；为了避免将这两类云错误识别为龙卷风，通过边缘检测算法检测图像上端的蘑菇状或漏斗状对象与地面是否接近，若不接近，则判定为非龙卷风。

19、进一步的，相似对象去除模块根据图像识别数组的值的大小进行检测，若数组中仅有小于数组长度1/4的元素有连续非零值，且连续非零值的数组元素总数小于数组长度的1/3，则认为检测到的是形成的蘑菇状云和漏斗状云，系统发出提示，提醒监控人员核实。

20、进一步的，当若识别出龙卷风已经形成后，触发龙卷风报警系统向监控室预警；由监控人员核实是否确实是龙卷风，并在认定龙卷风形成后，再发出龙卷风报警。

21、本发明还提供了一种基于视频的龙卷风形成识别与预警方法，包括以下步骤：

22、一、通过视频图像采集模块的视频摄像头连续采集同一场景的监控图像，保证监控背景的一致性和连续性；

23、二、通过gmm模型提取5分钟前的背景图像；

24、三、通过背景减除法模块基于当前帧和背景图像提取前景目标对象；

25、四、通过形态学处理模块对前景目标对象进行形态学处理并将前景对象连通为一个整体；

26、五、通过二值化处理模块对前景目标对象进行二值化处理并转换为黑白二值图像；

27、六、通过逐行像素统计模块从前景二值图像上端第一行开始，从上到下，依次统计各行像素值为1的白色像素个数，将各行的白色像素个数统计结果按照索引由小到大的顺序存入一个图像识别数组；

28、七、通过龙卷风识别模块基于上一步统计出的各行白色像素的数量，识别是否为龙卷风；

29、八、通过相似对象去除模块将与龙卷风相似形状的对象进行去除；

30、九、通过龙卷风报警系统在检测到龙卷风时向监控室预警。

31、更进一步的，视频图像采集模块的视频摄像头获取的图像以地平面为基准，地平面以上部分的画面不少于80％。

32、有益效果

33、本发明利用现在已经遍布各地的视频摄像头采集连续序列图像，通过图像处理技术识别出场景中最近形成的龙卷风，具有实时监测的特点，能够弥补气象预报无法预报龙卷风的难题，具有技术先进性；

34、本发明利用监控视频的序列连续图像，采用图像识别，实现对监控图像中出现的龙卷风的自动识别，在检测到形成的龙卷风后，能够及时向龙卷风区域附近的人们发出声音或通信预警，减少龙卷风导致的人们生命和财产损失。

技术特征：

1.一种基于视频的龙卷风形成识别与预警系统，其特征在于，包括：

2.根据权利要求1所述的基于视频的龙卷风形成识别与预警系统，其特征在于，背景减除法模块使用当前视频帧中获取的图像与上一步提取出来的5分钟前的背景图像进行减除运算，获取除去背景之后的前景图像。

3.根据权利要求2所述的基于视频的龙卷风形成识别与预警系统，其特征在于，二值化处理模块利用背景减除法减除背景图像之后，设定一个阈值δ，当背景减除之后的对应像素灰度值小于该阈值δ时，置该像素值为0，为黑色；当背景减除之后的对应像素灰度值大于该阈值δ时，置该像素值为1，呈现为白色；

4.根据权利要求3所述的基于视频的龙卷风形成识别与预警系统，其特征在于，龙卷风识别模块的基本判断标准为：白色像素区域连通为一个整体，图像呈上大下小的蘑菇形状或漏斗形状，图像上端各行统计的白色像素的数量，大于图像下方白色像素数量的1.5倍；在图像识别数组中体现出来的是，数组存储的数值有明显的数值从大到小的变化，索引较小的数值较大，索引较大的数值较小，且较大的数值大于较小数值的1.5倍。

5.根据权利要求4所述的基于视频的龙卷风形成识别与预警系统，其特征在于，与龙卷风相似形状的对象主要是蘑菇状云和漏斗状云；为了避免将这两类云错误识别为龙卷风，通过边缘检测算法检测图像上端的蘑菇状或漏斗状对象与地面是否接近，若不接近，则判定为非龙卷风。

6.根据权利要求5所述的基于视频的龙卷风形成识别与预警系统，其特征在于，相似对象去除模块根据图像识别数组的值的大小进行检测，若数组中仅有小于数组长度1/4的元素有连续非零值，且连续非零值的数组元素总数小于数组长度的1/3，则认为检测到的是形成的蘑菇状云和漏斗状云，系统发出提示，提醒监控人员核实。

7.根据权利要求6所述的基于视频的龙卷风形成识别与预警系统，其特征在于，当若识别出龙卷风已经形成后，触发龙卷风报警系统向监控室预警；由监控人员核实是否确实是龙卷风，并在认定龙卷风形成后，再发出龙卷风报警。

8.一种如权利要求7所述的基于视频的龙卷风形成识别与预警方法，其特征在于，包括以下步骤：

9.根据权利要求8所述的基于视频的龙卷风形成识别与预警方法，其特征在于，视频图像采集模块的视频摄像头获取的图像以地平面为基准，地平面以上部分的画面不少于80％。

技术总结
本发明公开了一种基于视频的龙卷风形成识别与预警系统及方法，属于龙卷风识别与预警技术领域，包括：视频图像采集模块、GMM模型、背景减除法模块、形态学处理模块、二值化处理模块、逐行像素统计模块、龙卷风识别模块、相似对象去除模块和龙卷风报警系统。通过上述方式，本发明利用现在已经遍布各地的视频摄像头采集连续序列图像，通过图像处理技术识别出场景中最近形成的龙卷风，具有实时监测的特点，能够弥补气象预报无法预报龙卷风的难题，在检测到形成的龙卷风后，能够及时向龙卷风区域附近的人们发出声音或通信预警，减少龙卷风导致的人们生命和财产损失。

技术研发人员：王平,朱雪梅,方刚,马京晶,张娟娟
受保护的技术使用者：四川财经职业学院
技术研发日：
技术公布日：2024/1/14