一种视频流监控用烟火检测预警方法及系统与流程

本发明涉及安防监控，特别是涉及一种视频流监控用烟火检测预警方法及系统。

背景技术：

1、随着科技的发展，视频监控已广泛应用于各种领域，包括公共安全、交通管理、环境监测等。其中，烟火检测是视频监控的重要应用之一，旨在通过实时视频流分析，及时发现并预警火灾等危险情况，以保障人们的生命财产安全。

2、传统的视频流监控用烟火检测预警方法主要存在以下问题：

3、检测精度不高：由于烟火的特征复杂，且受环境因素的影响大，如光照、背景等，传统的图像处理技术往往难以准确识别烟火。

4、检测效率不高：传统的机器学习模型需要大量的计算资源和时间来训练和预测，这在实时视频流监控中往往难以满足需求。

5、视频流的质量问题：由于网络带宽和设备性能的限制，视频流的清晰度和实时性往往难以保证，这会影响烟火检测的效果。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种视频流监控用烟火检测预警方法及系统。

2、为实现上述目的，本发明提供了如下方案：

3、一种视频流监控用烟火检测预警方法，包括：

4、获取目标区域的视频流信息；所述视频流信息包括多帧图像；

5、对所述多帧图像进行一次预处理，得到第一预处理图像；所述一次预处理包括灰度处理；

6、利用自适应阈值滤波方法对所述第一预处理图像进行二次预处理，得到第二预处理图像；

7、从所述第二预处理图像提取火焰颜色特征，并基于对所述第二预处理图像进行分割，得到分割结果，所述分割结果包括火焰运动前景；

8、从所述火焰运动前景提取火焰运动特征，所述火焰运动特征包括火焰形状特征、火焰纹理特征和火焰面积特征；

9、将所述火焰颜色特征、所述火焰形状特征、所述火焰纹理特征和所述火焰面积特征进行多特征融合，得到融合特征，并将所述融合特征输入至预训练好的神经网络进行火焰预测，并基于火焰预测结果输出火灾预警信息。

10、优选地，所述灰度处理包括阈值变换。

11、优选地，利用自适应阈值滤波方法对所述第一预处理图像进行二次预处理，得到第二预处理图像，包括：

12、对所述第一预处理图像在多个尺度上进行小波分解，得到对应的小波系数；

13、根据所述第一预处理图像的大小和分解尺度构建滤波阈值；

14、利用所述滤波阈值构建图像滤波模型；

15、利用所述图像滤波模型对所述第一预处理图像进行滤波，得到所述第二预处理图像。

16、优选地，所述滤波阈值的公式为：其中，λj表示在第j个分解尺度下的滤波阈值，σj表示在第j个分解尺度下的噪声标准差，nj表示在第j个分解尺度下的信号长度，j表示分解尺度。

17、优选地，所述图像滤波模型的公式为：

18、

19、其中，sign为符号函数，a为第一预设系数，b为第二预设系数，ωj,k表示在第j个分解尺度下第k个小波系数，表示滤波后的小波系数。

20、优选地，从所述第二预处理图像提取火焰颜色特征，包括：

21、通过空间差异分析法从所述第二预处理图像提取所述火焰颜色特征。

22、优选地，从所述火焰运动前景提取火焰运动特征，所述火焰运动特征包括火焰形状特征、火焰纹理特征和火焰面积特征，包括：

23、通过相邻两帧的火焰像素变化计算所述火焰面积特征；

24、通过统计学特征获取所述火焰纹理特征；

25、通过计算圆形度获取所述火焰形状特征。

26、优选地，所述神经网络为基于arcface算法的神经网络模型。

27、根据本发明提供的具体实施例，本发明公开了以下技术效果：

28、本发明提供了一种视频流监控用烟火检测预警方法，包括：获取目标区域的视频流信息；所述视频流信息包括多帧图像；对所述多帧图像进行一次预处理，得到第一预处理图像；所述一次预处理包括灰度处理；利用自适应阈值滤波方法对所述第一预处理图像进行二次预处理，得到第二预处理图像；从所述第二预处理图像提取火焰颜色特征，并基于对所述第二预处理图像进行分割，得到分割结果，所述分割结果包括火焰运动前景；从所述火焰运动前景提取火焰运动特征，所述火焰运动特征包括火焰形状特征、火焰纹理特征和火焰面积特征；将所述火焰颜色特征、所述火焰形状特征、所述火焰纹理特征和所述火焰面积特征进行多特征融合，得到融合特征，并将所述融合特征输入至预训练好的神经网络进行火焰预测，并基于火焰预测结果输出火灾预警信息。本发明通过多次图像预处理，提高了对火灾预测的精准程度。

技术特征：

1.一种视频流监控用烟火检测预警方法，其特征在于，包括：

2.根据权利要求1所述的视频流监控用烟火检测预警方法，其特征在于，所述灰度处理包括阈值变换。

3.根据权利要求1所述的视频流监控用烟火检测预警方法，其特征在于，利用自适应阈值滤波方法对所述第一预处理图像进行二次预处理，得到第二预处理图像，包括：

4.根据权利要求3所述的视频流监控用烟火检测预警方法，其特征在于，所述滤波阈值的公式为：其中，λj表示在第j个分解尺度下的滤波阈值，σj表示在第j个分解尺度下的噪声标准差，nj表示在第j个分解尺度下的信号长度，j表示分解尺度。

5.根据权利要求4所述的视频流监控用烟火检测预警方法，其特征在于，所述图像滤波模型的公式为：

6.根据权利要求1所述的视频流监控用烟火检测预警方法，其特征在于，从所述第二预处理图像提取火焰颜色特征，包括：

7.根据权利要求1所述的视频流监控用烟火检测预警方法，其特征在于，从所述火焰运动前景提取火焰运动特征，所述火焰运动特征包括火焰形状特征、火焰纹理特征和火焰面积特征，包括：

8.根据权利要求1所述的视频流监控用烟火检测预警方法，其特征在于，所述神经网络为基于arcface算法的神经网络模型。

技术总结
本发明提供了一种视频流监控用烟火检测预警方法，包括：获取目标区域的视频流信息；对多帧图像进行一次预处理，得到第一预处理图像；利用自适应阈值滤波方法对第一预处理图像进行二次预处理，得到第二预处理图像；从第二预处理图像提取火焰颜色特征，并基于对第二预处理图像进行分割，得到分割结果，分割结果包括火焰运动前景；从火焰运动前景提取火焰运动特征，火焰运动特征包括火焰形状特征、火焰纹理特征和火焰面积特征；将火焰的各个特征进行多特征融合，得到融合特征，并将融合特征输入至预训练好的神经网络进行火焰预测，并基于火焰预测结果输出火灾预警信息。本发明通过多次图像预处理，提高了对火灾预测的精准程度。

技术研发人员：熊玳莹,刘旗,付意波,孙希夷,熊泗洲
受保护的技术使用者：上海芭比信息技术服务有限公司
技术研发日：
技术公布日：2024/4/24