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。
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。