专利名称：一种烟检测方法、装置及火灾检测装置的制作方法
技术领域：
本发明涉及模式识别技术领域，更具体的说，是涉及一种烟检测方法、装置及火灾 检测装置。
背景技术：
传统型火灾检测器包括红外传感器和烟雾传感器。这两种传感器可以探测火灾 发生时周围环境的烟、温度和光等参量，将这些参量进行处理后发出火灾报警信号。这两种 传感器检测周围环境中的烟是基于空气透明度的检测。
传统型火灾检测器由于是基于环境周围空气透明度检测周围环境中是否有烟的， 所以需要将传统型火灾检测器放置在易发生火灾地区附近，如果易发生火灾地区面积较 大，则需要多个传统型火灾检测器，使得成本增加。发明内容
有鉴于此，本发明提供了一种烟检测方法、装置及火灾检测装置，以克服现有技术 中由于传统型火灾检测器只能检测周围环境中是否有烟，所以需要在火灾易发生地放置多 个传统型火灾检测器，导致成本增加的问题。
为实现上述目的，本发明提供如下技术方案
一种烟检测方法，包括
获取当前环境的视频图像序列；
从所述视频图像序列中获得当前环境中的前景图像；
从所述前景图像中分离出与预先获得的烟的颜色特征相符合的疑似烟区域，并将 所述疑似烟区域进行二值化；
当二值化后的所述疑似烟区域大于预设区域时，判断二值化后的所述疑似烟区域 中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值化后的所述疑似 烟区域的轮廓是否发生变化；
在上述两个判断结果均为是的情况下，确定所述疑似烟区域为烟。
一种烟检测装置，包括
获取图像序列模块，用于获取当前环境的视频图像序列；
获得前景图像模块，用于从所述视频图像序列中获得当前环境中的前景图像；
分离模块，用于从所述前景图像中分离出与预先获得的烟的颜色特征相符合的疑 似烟区域，并将所述疑似烟区域进行二值化；
判断模块，用于当二值化后的所述疑似烟区域大于预设区域时，判断二值化后的 所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值 化后的所述疑似烟区域的轮廓是否发生变化；
确定模块，用于在所述判断模块中两个判断结果均为是的情况下，确定所述疑似 烟区域为烟。
一种火灾检测装置，包括上述任一所述装置。
经由上述的技术方案可知，与现有技术相比，本发明实施例提供的烟检测方法，通 过获取当前环境的视频图像序列，从所述视频图像序列中获得当前环境中的前景图像，从 所述前景图像中分离出与预先获得的烟的颜色特征相符合的疑似烟区域，并将所述疑似烟 区域进行二值化，当二值化后的所述疑似烟区域大于预设区域时，判断二值化后的所述疑 似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值化后的 所述疑似烟区域的面积是否发生变化，在上述两个判断结果均为是的情况下，确定所述疑 似烟区域为烟。由于上述烟的确定是通过烟的颜色特征确定的，所以只要能够采集到当前 环境的视频图像序列，不论空间有多大，都能确定出烟，从而解决了使用传统型火灾检测器 导致成本高的问题。进一步的，由于操作人员可以根据疑似烟区域判断出当前火灾的大小， 并且可以根据疑似烟区域的面积的变化判断出火灾的蔓延速度。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。
图1为本发明实施例公开的一种烟检测方法的流程图2为本发明实施例提供的一种判断二值化后的所述疑似烟区域中大于预设灰 度值的高频区域对应的灰度值是否发生变化方法的流程图3为本发明实施例提供的一种判断二值化后的所述疑似烟区域的面积是否发 生变化方法的流程图4为本发明实施例提供的一种获得扩张缩小评价系数的方法流程图5为本发明实施例提供的一种获得合并分割评价系数的方法流程图6为本发明实施例提供的一种获得烟的颜色特征的方法流程图7为本发明实施例提供的各种类别的烟的色彩散点图8为本发明实施例提供的一种烟检测装置的结构示意图9为本发明实施例提供的一种判断模块的结构示意图10为本发明实施例提供的一种判断模块的结构示意图11为本发明实施例提供的视频图像序列的一帧视频图像
图12为本发明实施例提供的从视频图像中提取的背景图像
图13为本发明实施例提供的从视频图像中提取的前景图像
图14为本发明实施例提供的从前景图像中提取的疑似烟区域的图像；
图15为本发明实施例提供的对疑似烟区域对应图像的每一行和每一列进行小波 变换的图像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
实施例一
请参阅附图1，为本发明实施例公开的一种烟检测方法的流程图，该方法包括
步骤SlOl :获取当如环境的视频图像序列。
视频图像序列是指在不同时间对目标依序连续获取的视频图像。本发明实施例中 的视频图像序列是在不同时间对当前环境依序连续获取的视频图像。
步骤S102 :从视频图像序列中获得当前环境中的前景图像。
步骤S103 :从前景图像中分离出与预先获得的烟的颜色特征相符合的疑似烟区 域，并将疑似烟区域进行二值化。
步骤S104 :当二值化后的疑似烟区域大于预设区域时，判断二值化后的疑似烟区 域中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值化后的疑似烟 区域的轮廓是否发生变化。
在确定出疑似烟区域后，需要判断疑似烟区域的面积的大小，如果疑似烟区域的 面积小于预设区域，那么疑似烟区域可能是由空气中气流的波动导致的，或者即使有烟，由 于疑似烟区域的面积很小，对应的火灾范围也很小，可能会自动熄灭。预设区域可以为整个 视频图像面积的5%。
步骤S 105 :在上述两个判断结果均为是的情况下，确定疑似烟区域为烟。
本发明实施例提供的烟检测方法，通过获取当前环境的视频图像序列，从所述视 频图像序列中获得当前环境中的前景图像，从所述前景图像中分离出与预先获得的烟的颜 色特征相符合的疑似烟区域，并将所述疑似烟区域进行二值化，当二值化后的所述疑似烟 区域大于预设区域时，判断二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应 的灰度值是否发生变化，以及判断二值化后的所述疑似烟区域的轮廓是否发生变化，在上 述两个判断结果均为是的情况下，确定所述疑似烟区域为烟。由于上述烟的确定是通过烟 的颜色特征确定的，所以只要能够采集到当前环境的视频图像序列，不论空间有多大，都能 确定出烟，从而解决了使用传统型火灾检测器导致成本高的问题。进一步的，由于操作人员 可以根据疑似烟区域判断出当前火灾的大小，并且可以根据疑似烟区域的面积的变化判断 出火灾的蔓延速度。
实施例二
烟可能会飘散，即烟可能会变浓或变淡，从频域的角度来看，烟在飘散过程中，高 频成分会随着时间的变化而发生变化。根据该原理，高频成分可能随时间的变化而降低(烟 的浓度增加，模糊了疑似烟区域对应的图像的边与角)或增加(烟的浓度减低，疑似烟区域 对应的图像的边与角变得较明显)。所以可以根据上述特征判断疑似烟区域是否为烟，即二 值化后的疑似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化。
请参阅图2，为本发明实施例提供的一种判断二值化后的疑似烟区域中大于预设 灰度值的高频区域对应的灰度值是否发生变化方法的流程图，该方法包括
步骤S201 :分别对二值化后的疑似烟区域对应的图像的每一行和每一列进行一 维小波变换。
如果二值化后的疑似烟区域对应的图像的大小为qXp，那么对每一行进行小波变化就会得到q个小波变换结果，对每一列进行小波变换就会得到P个小波变换结果。
步骤S202 :根据进行小波变换后的每一行和每一列图像的频率值的分布，将所述疑似烟区域分为第一高频区域、第二高频区域、第三高频区域以及低频区域。
根据每一行的小波变换结果以及每一列的小波变换结果可以得到疑似烟区域对应的图像中各个像素对应的频率值坐标(q” Pj)，当行坐标的频率值大于第一预设频率值时，则确定行坐标的频率值为高频率值H，否则为低频率值L，当列坐标的频率值大于第二预设频率值时，则确定列坐标的频率值为高频率值H，否则为低频率值L，这样就将疑似烟区域对应的图像中各个像素分为四类即(L，L)，(H, L), (L, H)以及(H，H)，由(H，H)像素组成的区域为第一高频区域，由(L，H)像素组成的区域为第二高频区域，由(H，L)像素组成的区域为第三高频区域，由(L，L)像素组成的区域为低频区域。
根据实际情况，第一预设频率值与第二预设频率值可以相同，也可以不同。
第一高频区域、第二高频区域以及第三高频区域为大于预设灰度值的高频区域。
步骤S203 :将第一高频区域、第二高频区域以及第三高频区域对应图像的灰度值的绝对值相加得到图像W。
图像W的大小为mXn，m与η均为正整数。
步骤S204 :根据图像 W 得至Ij ξ = Il W Il / (m+n)。
其中IlWlI表示图像W中各个像素的灰度值之和。
步骤S205 :判断序列I ξ k+「ξ k I，k=l, 2，3…是否大于预设序列值,如果是,则确定二值化后的疑似烟区域中大于预设灰度值的高频区域对应的灰度值发生变化，如果否，则确定二值化后的疑似烟区域中大于预设灰度值的高频区域对应的灰度值未发生变化。
k表示第k帧视频图像。按照由小到大的时间顺序将视频图像序列分为第一帧视频图像、第二帧视频图像，以此类推。
预设序列值根据实际情况的不同而不同，当烟的浓度增加时，疑似烟区域对应图像的灰度值减小，所以€k+1_€k可能为负值，此时预设序列值可以比€k+1_€k的绝对值(I lk+1_lk|)大一些即可，当烟的浓度减小时，疑似烟区域对应的图像的灰度值增大， I k+1-1 k可能为正值，此时预设序列值可以比ξ k+1-1 k大一些即可，当烟的浓度有时增大有时减小时，ξ k+1-1 k有时为正值有时为负值，此时预设序列值可以根据实际情况取值，在此不再一一赘述。
实施例三
烟在生成阶段，如果无风则是向上方移动，如果有风则是朝着斜上方移动。随着烟的扩散，烟的面积有变大的趋势，本发明实施例将此定义为烟的扩张；与此相反，在烟的消散阶段，烟的面积有变小的趋势，本发明实施例将此定义为烟的缩小，烟在扩散的过程中， 一定区域中的烟由于不均匀扩散的原因，可能分为若干部分，本发明实施例将此定义为烟的分割，烟的若干部分也可能`会合并为同一部分，本发明实施例将此定义为烟的合并。烟的上述变化都可以体现为轮廓的变化，所以可以根据上述特征判断疑似烟区域是否为烟，即通过判断二值化后的疑似烟区域的轮廓是否发生变化，来判断疑似烟区域是否为烟。
请参阅图3，为本发明实施例提供的一种判断二值化后的所述疑似烟区域的面积是否发生变化方法的流程图，该方法包括
步骤S301 :提取二值化后的疑似烟区域对应的图像Fimg(S)的轮廓线，生成轮廓线列表 Fblobl (s, i), i = 1，2，3·· ·。
s表示第s帧视频图像中的轮廓线列表，i表示第i个轮廓。
步骤S302 :筛选出轮廓线列表Fblobl (s，i)中大于第一预设列表值的轮廓线， 并将大于第一预设列表值的轮廓线按照面积由大到小进行排列，生成新的轮廓线列表 Fblob (s, i)。
第一预设列表值可以根据具体场景而定，例如可以将第一预设列表值的取值设置 为50。
步骤S303 :对图像Fimg(s)与图像Fimg(s+d)进行积运算,获得新的二值化图像 Aimg(s) ο
对图像Fimg(s)与图像 Fimg(s+d)进行积运算，即 Aimg(n) =Fimg(n)and Fimg(n+k),这里and运算定义为图像Fimg(s)与Fimg(s+d)对应像素的积运算。注意到 Fimg(s)图像的像素只可能取O或I,此运算的目的是找出Fimg(s)与Fimg(s+d)对应的图 像中共同的部分。这里使用d的原因是考虑到烟的运动速度与摄像头成像的速度的关系。 优选的，d取4。
步骤S304 :提取二值化图像Aimg(s)的轮廓线，生成轮廓线列表Ablobl (s, i)，i =1，2，3. · ·。
其中，i表示第i个轮廓。
步骤S305 :筛选出轮廓线列表Ablobl (s，i)中大于第二预设列表值的轮廓线，并 将大于所述第二预设列表值的轮廓线按照面积由大到小进行排列，生成新的轮廓线列表 Ablob (s, i)。
第二预设列表值可以根据具体场景而定，例如可以将第二预设列表值的取值设置 为20。
步骤S306 :根据 Ablob (s, i)、Fblob (s, i)和 Fblob (s+d, i)得到所述疑似烟区域 的扩张缩小评价系数以及合并分割评价系数。
扩张缩小评价系数用于表示疑似烟区域是否出现扩张和/或缩小的现象。合并分 割评价系数用于表示疑似烟区域是否出现分割和/或合并的现象。
步骤S307 :根据扩张缩小评价系数以及合并分割评价系数计算出变形系数。
步骤S308 :当变形系数大于预设系数值时，确定二值化后的疑似烟区域的面积发 生了变化。
只有在疑似烟区域既发生扩张和/或缩小的现象，又发生割和/或合并的现象变 形系数才会大于预设系数值。
实施例四
请参阅图4，为本发明实施例提供的一种获得扩张缩小评价系数的方法流程图，该 方法包括
步骤S401 :当第s帧视频图像中存在第a个轮廓以及第b个轮廓使得Ablob(s，a) 与Fblob(s，b)对应的各个像素的灰度值差的绝对值之和小于误差阈值时，设置扩张参数D1 =1，否则 D1 = O。
由于Ablob(s，a)表示第s帧视频图像与第s+k帧视频图像的共同部分，如果 Ablob (s, a)与Fblob(s，b)对应的各个像素的灰度值的差的绝对值之和小于误差阈值时,则说明Ablob (s, a)与Fblob(s，b)可能是同一个轮廓，由于第s巾贞视频图像与第s+k巾贞视 频图像的共同部分与第s帧图像中的疑似烟区域的轮廓相同，则说明第s+k帧视频图像中 的疑似烟区域可能出现扩张现象，或者没有改变。
步骤S402 :当第s帧视频图像中存在第a个轮廓以及第b个轮廓使得Ablob(s， a)与Fblob(s+d，b)对应的像素的灰度值差的绝对值之和小于所述误差阈值时，设置缩小 参数D2 = I,否则D2 = O。
由于Ablob(s，a)表示第s帧视频图像与第s+k帧视频图像的共同部分，如果 Ablob (s, a)与Fblob (s+d, b)对应的各个像素的灰度值的差的绝对值之和小于误差阈值 时，则说明Ablob (s, a)与Fblob (s+d, b)可能是同一个轮廓，由于第s巾贞视频图像与第s+k 帧视频图像的共同部分与第s+k帧图像中的疑似烟区域的轮廓相同，则说明第s+k帧视频 图像中的疑似烟区域可能出现缩小现象，或者没有改变。
步骤S403 :将扩张参数与缩小参数进行异或运算，所述运算的结果为所述扩张缩 小评价系数。
当扩张参数D1=I且缩小参数D2=I时，则说明第s帧视频图像的疑似烟区域的轮廓 与第s+k帧视频图像的疑似烟区域的轮廓一样，没有出现扩张以及缩小现象，当扩张参数D1 =I且缩小参数D2 = O时，说明第s+k帧视频图像的疑似烟区域相对于第s帧视频图像的 疑似烟区域扩张了，当扩张参数D1=O且缩小参数D2=I时，说明第s+k帧视频图像的疑似烟 区域相对于第s帧视频图像的疑似烟区域缩小了。
所以扩张缩小评价系数为扩张参数与缩小参数异或运算的结果，即只有疑似烟区 域发生扩张和/或缩小时，扩张缩小评价系数才为1，其他时刻为O。
实施例五
请参阅图5，为本发明实施例提供的一种获得合并分割评价系数的方法流程图，该 方法包括
步骤S501 :当第s帧视频图像中存在第Ii1个轮廓、第J1个轮廓以及第I1个轮廓， 使得Fblob (s, I1)围成的区域包括Ablob (s, Ii1)围成的区域以及Ablob (s, jj围成的区域 时，确定Fblob (s，I1)所围成的区域为分割区域，设置分割系数L1 = 1，否则L1 = O。
步骤S502 :当第s帧视频图像中存在第h2个轮廓、第j2个轮廓以及第I2个轮廓， 使得Fblob (s+d, I2)围成的区域包括Ablob (s, h2)围成的区域以及Ablob (s, j2)围成的区 域时，确定Fblob (s+d，I2)所围成的区域为合并区域，设置合并系数L2= 1，否则L2 = 0。
步骤S503 :确定合并分割评价系数为max (L1, L2)。
根据实际情况的不同，Ii1可以与h2相等，也可以不等，同理，J1可以与j2相等，也 可以不等，I1可以与I2相等，也可以不等。
在实施例五和实施例四的基础上，步骤“根据所述扩张缩小评价系数以及所述合 并分割评价系数计算出变形系数”包括所述变形系数为max(所述扩张缩小评价系数，所 述合并分割评价系数)，预设系数值为大于零小于I的正数。
实施例六
请参阅图6，为本发明实施例提供的一种获得烟的颜色特征的方法流程图，该方法 包括
步骤S601 :划分烟的种类。
烟种类包括树木、纸张以及化学燃料(汽油，柴油)等生成的烟。
步骤S602 :计算每一种烟的颜色均值和颜色方差。
步骤S603 :根据每一种烟的颜色均值和颜色方差，获得划分的所有种类的烟的高斯分布。
由于不可能一次性的将所有烟种类采集完毕，所以要不断的对各种烟对应的高斯分布进行更新，也就是对混合高斯分布中的参数进行更新，在更新多次后，可以确定最终的混合高斯分布。下面是对混合高斯分布中的参数进行更新的过程。下面是将实际问题简化后得到的结果，因为实际问题和简化问题不一样，简化问题是将期望作为实际值，所以要不停的更新期望值，优选的可以使用最大期望EM算法计算混合高斯分布中的参数。详细过程如下。
假设一共有m种烟，(Q1, . . .，QJ，m种烟对应的混合高斯分布为
权利要求
1.一种烟检测方法，其特征在于，包括获取当如环境的视频图像序列；从所述视频图像序列中获得当前环境中的前景图像；从所述前景图像中分离出与预先获得的烟的颜色特征相符合的疑似烟区域，并将所述疑似烟区域进行二值化；当二值化后的所述疑似烟区域大于预设区域时，判断二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值化后的所述疑似烟区域的轮廓是否发生变化；在上述两个判断结果均为是的情况下，确定所述疑似烟区域为烟。
2.根据权利要求1所述方法，其特征在于，所述判断二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化包括分别对二值化后的所述疑似烟区域对应的图像的每一行和每一列进行一维小波变换；根据进行小波变换后的每一行和每一列图像的频率值的分布，将所述疑似烟区域分为第一高频区域、第二高频区域、第三高频区域以及低频区域，所述第一高频区域、所述第二高频区域以及所述第三高频区域为大于所述预设灰度值的高频区域；将所述第一高频区域、所述第二高频区域以及所述第三高频区域对应图像的灰度值的绝对值相加得到图像W，图像W的大小为mXn，m与η均为正整数；根据所述图像W得到ξ = ||W||/(m+n)，其中Il W Il表示图像W中各个像素的灰度值之和；判断序列I €k+1_€k|，k=l，2，3…是否大于预设序列值，如果是，则确定二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值发生变化，如果否，则确定二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值未发生变化，k表示第 k帧视频图像序列。
3.根据权利要求1或2所述方法，其特征在于，所述判断二值化后的所述疑似烟区域的面积是否发生变化包括提取二值化后的所述疑似烟区域对应的图像Fimg(S)的轮廓线，生成轮廓线列表 Fblobl (s, i), i = I, 2, 3. . . , s表示第s巾贞视频图像中的轮廓线列表，i表示第i个轮廓； 筛选出轮廓线列表Fblobl (s，i)中大于第一预设列表值的轮廓线，并将大于所述第一预设列表值的轮廓线按照面积由大到小进行排列，生成新的轮廓线列表Fblob (s，i)；对图像Fimg(s)与图像Fimg(s+d)进行积运算,获得新的二值化图像Aimg(s), d为预设定值；提取二值化图像Aimg(s)的轮廓线，生成轮廓线列表Ablobl (s, i), i = 1,2,3···； 筛选出轮廓线列表Ablobl (s，i)中大于第二预设列表值的轮廓线，并将大于所述第二预设列表值的轮廓线按照面积由大到小进行排列，生成新的轮廓线列表Ablob(s，i)；根据Ablob (s, i)、Fblob (s, i)和Fblob (s+d, i)得到所述疑似烟区域的扩张缩小评价系数以及合并分割评价系数；根据所述扩张缩小评价系数以及所述合并分割评价系数计算出变形系数；当所述变形系数大于预设系数值时，确定二值化后的所述疑似烟区域的面积发生了变化。
4.根据权利要求3所述方法，其特征在于，根据Ablob(s, i)、Fblob (s, i)和 Fblob (s+d, i)得到所述疑似烟区域的扩张缩小评价系数包括当第s帧视频图像中存在第a个轮廓以及第b个轮廓使得Ablob (s，a)与Fblob (s，b) 对应的各个像素的灰度值差的绝对值之和小于误差阈值时，设置扩张参数01 = 1，否则D1 = O ；当第s帧视频图像中存在第a个轮廓以及第b个轮廓使得Ablob (s，a)与Fblob (s+d, b) 对应的像素的灰度值差的绝对值之和小于所述误差阈值时，设置缩小参数D2 = 1，否则D2 = O ；将所述扩张参数与所述缩小参数进行异或运算，所述运算的结果为所述扩张缩小评价系数。
5.根据权利要求3或4所述方法，其特征在于，根据Ablob(s, i)、Fblob (s, i)和 Fblob (s+d, i)得到所述疑似烟区域的合并分割评价系数包括当第s帧视频图像中存在第Ii1个轮廓、第J1个轮廓以及第I1个轮廓，使得Fblob (s，I1) 围成的区域包括Ablob (s，hi)围成的区域以及Ablob (s，J1)围成的区域时，确定 Fblob (s，I1)所围成的区域为分割区域，设置分割系数L1 = 1，否则L1 = O ;当第s帧视频图像中存在第h2个轮廓、第j2个轮廓以及第I2个轮廓，使得 Fblob (s+d, I2)围成的区域包括Ablob (s, h2)围成的区域以及Ablob (s, j2)围成的区域时， 确定Fblob (s+d，I2)所围成的区域为合并区域，设置合并系数L2= 1，否则L2=O;确定所述合并分割评价系数为max (L1, L2)。
6.根据权利要求5所述方法，其特征在于，所述根据所述扩张缩小评价系数以及所述合并分割评价系数计算出变形系数包括所述变形系数为max (所述扩张缩小评价系数，所述合并分割评价系数)，所述预设系数值为大于O小于I的正数。
7.根据权利要求1所述方法，其特征在于，获得烟的颜色特征的方法包括划分烟的种类；计算每一种烟的颜色均值和颜色方差；根据所述每一种烟的颜色均值和颜色方差，获得划分的所有种类的烟的高斯分布；根据预先设置的各种烟的权重，得到各个高斯分布组成的混合高斯分布。
8.一种烟检测装置，其特征在于，包括获取图像序列模块，用于获取当前环境的视频图像序列；获得前景图像模块，用于从所述视频图像序列中获得当前环境中的前景图像；分离模块，用于从所述前景图像中分离出与预先获得的烟的颜色特征相符合的疑似烟区域，并将所述疑似烟区域进行二值化；判断模块，用于当二值化后的所述疑似烟区域大于预设区域时，判断二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值化后的所述疑似烟区域的轮廓是否发生变化；确定模块，用于在所述判断模块中两个判断结果均为是的情况下，确定所述疑似烟区域为烟。
9.根据权利要求8所述装置，其特征在于，所述判断模块包括变换单元，用于分别对二值化后的所述疑似烟区域所在图像的每一行和每一列进行一维小波变换；划分单元，用于根据进行小波变换后的每一行和每一列图像的频率值的分布，将所述疑似烟区域分为第一高频区域、第二高频区域、第三高频区域以及低频区域，所述第一高频区域、所述第二高频区域以及所述第三高频区域为大于所述预设灰度值的高频区域；获取图像单元，用于将所述第一高频区域、所述第二高频区域以及所述第三高频区域对应图像的灰度值的绝对值相加得到图像W，图像W的大小为mXn，m与η均为正整数；获取公式单元，用于根据所述图像W得到ξ = IIW||/(m+n)，其中IIWlI表示图像W中各个像素的灰度值之和；判断单元，用于判断序列
10.根据权利要求8或9所述装置，其特征在于，所述判断模块包括第一提取单元，用于提取二值化后的所述疑似烟区域对应的图像Fimg(S)的轮廓线， 生成轮廓线列表Fblobl (s, i), i = 1，2，3. . . , s表示第s巾贞视频图像中的轮廓线列表,i表示第i个轮廓；第一筛选单兀，用于筛选出轮廓线列表Fblobl (s, i)中大于第一预设列表值的轮廓线，并将大于所述第一预设列表值的轮廓线按照面积由大到小进行排列，生成新的轮廓线列表 Fblob (s，i)；第一计算单元，用于对图像Fimg(S)与图像Fimg(s+d)进行积运算，获得新的二值化图像Aimg(s)，d为预设定值；第二提取单元，用于提取二值化图像Aimg(S)的轮廓线，生成轮廓线列表 Ablobl (s, i)，i = I, 2，3. · ·；第二筛选单元，用于筛选出轮廓线列表Ablobl (s，i)中大于第二预设列表值的轮廓线，并将大于所述第二预设列表值的轮廓线按照面积由大到小进行排列，生成新的轮廓线列表 Ablob (s, i)；获取系数单元，用于根据Ablob (s，i)、Fblob(s，i)和Fblob(s+d，i)得到所述疑似烟区域的扩张缩小评价系数以及合并分割评价系数；第二计算单元，用于根据所述扩张缩小评价系数以及所述合并分割评价系数计算出变形系数；第一确定单元，用于当所述变形系数大于预设系数值时，确定二值化后的所述疑似烟区域的面积发生了变化。
11.根据权利要求10所述装置，其特征在于，所述获取系数单元包括第一设置单元，用于当第s帧视频图像中存在第a个轮廓以及第b个轮廓使得 Ablob (s, a)与Fblob(s，b)对应的各个像素的灰度值差的绝对值之和小于误差阈值时,设置扩张参数D1 = I,否则D1 = O ;第二设置单元，用于当第s帧视频图像中存在第a个轮廓以及第b个轮廓使得Ablob (s, a)与Fblob (s+d, b)对应的像素的灰度值差的绝对值之和小于所述误差阈值时， 设置缩小参数D2 = I,否则D2 = O ;第三计算单元，用于将所述扩张参数与所述缩小参数进行异或运算，所述运算的结果为所述扩张缩小评价系数。
12.根据权利要求10或11所述装置，其特征在于，所述获取系数单元包括第三设置单元，用于当第s帧视频图像中存在第Ii1个轮廓、第J1个轮廓以及第I1个轮廓，使得Fblob (s, I1)围成的区域包括Ablob (s, Ii1)围成的区域以及Ablob (s, jj围成的区域时，确定Fblob(s，I1)所围成的区域为分割区域，设置分割系数L1 = 1，否则L1=O ；第四设置单元，用于当第s帧视频图像中存在第h2个轮廓、第j2个轮廓以及第I2个轮廓，使得Fblob (s+d, I2)围成的区域包括Ablob (s, h2)围成的区域以及Ablob (s, j2)围成的区域时，确定Fblob (s+d，I2)所围成的区域为合并区域，设置合并系数L2= 1，否则L2=O;第二确定单元，用于确定所述合并分割评价系数为Hiaxai, L2)。
13.根据权利要求12所述装置，其特征在于，所述第二计算单元具体为所述变形系数为max (所述扩张缩小评价系数，所述合并分割评价系数)，所述预设系数值为大于O小于I的正数。
14.根据权利要求8所述装置，其特征在于，还包括划分种类模块，用于划分烟的种类；计算模块，用于计算每一种烟的颜色均值和颜色方差；获得高斯分布模块，用于根据所述每一种烟的颜色均值和颜色方差，获得划分的所有种类的烟的高斯分布；获得混合高斯分布模块，用于根据预先设置的各种烟的权重，得到各个高斯分布组成的混合高斯分布。
15.一种火灾检测装置，其特征在于，包括权利要求8至13任一所述装置。
全文摘要
本发明实施例提供了一种烟检测方法、装置及火灾检测装置，该方法包括获取当前环境的视频图像序列；从所述视频图像序列中获得当前环境中的前景图像；从所述前景图像中分离出与预先获得的烟的颜色特征相符合的疑似烟区域，并将所述疑似烟区域进行二值化；当二值化后的所述疑似烟区域大于预设区域时，判断二值化后的所述疑似烟区域中大于预设灰度值的高频区域对应的灰度值是否发生变化，以及判断二值化后的所述疑似烟区域的轮廓是否发生变化；在上述两个判断结果均为是的情况下，确定所述疑似烟区域为烟。采用本发明实施例提供的方法、装置及火灾检测装置可以降低成本。
文档编号G08B17/10GK103065124SQ20121056773
公开日2013年4月24日 申请日期2012年12月24日 优先权日2012年12月24日
发明者吴磊, 武德安, 陈鹏, 刘杰, 冯江远, 夏云霓 申请人:成都国科海博计算机系统有限公司