一种视频监控火焰的识别方法技术

本发明专利技术公开了一种视频监控火焰的识别方法，包括以下步骤：1)采集监控画面中无火焰发生时的基本分析图像；2)利用边缘检测算子分割出基本分析图像的高亮轮廓范围；3)统计高亮轮廓范围内R、G值的在特定区间上的数量，并依此得到判别特征；4)载入视频监控并截取图像，重新检测图像中高亮区域，得到待识别图像的识别特征；5)将判别特征与识别特征进行比较，判别是否发生火焰及火情级别。本算法可以提高在复杂环境下火焰识别的效率与计算效率。

【技术实现步骤摘要】

本专利技术涉及图像识别
，具体涉及。
技术介绍
火灾是日常生活中容易发生且常常带来巨大损失的一种意外事故，现有的火灾报 警系统大部分均依靠于烟雾报警或红外线报警等技术。而这些报警技术的主要缺点在于触 发报警的因素往往是在火灾已经发生到一定程度时才会得到表现，及时性较为欠缺。因而 依靠视频监控的火灾识别报警，依托其相应灵敏且及时，易于推广等因素成为一种新的趋 势。 已有的视频火灾监控机制大都依靠分析灰度、借鉴人脸识别技术等方式进行分 析，分析并不很准确，对火焰的识别也不敏感，设计一种新的识别报警方法，成为了本领域 研宄的主要方向。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种视频监控火焰的识 别方法，通过在未发生火灾的情况下提取R值和G值的数量作为判别特征，当监控的待测图 像中R值和G值的数量明显异常，通过异常情况判定火情，解决了现有技术的问题。 技术方案：为实现上述目的，本专利技术采用的技术方案为：一种视频监控火焰的识 别方法，其特征在于，该方法包括以下步骤： 步骤1)采集基本分析样本： 采集被监控画面无火焰发生的状态下的视频监控图像，分别在充足光线状态、弱 光线状态和昏暗光线状态三种光照环境下的监控图像，每一种光照环境下提取8-10张视 屏截图图像作为基本分析样本，取分析样本的均值； 步骤2)利用边缘检测算子分割出步骤1)中基本分析样本图像的高亮区域边缘轮 廓： 步骤3)统计步骤2)中基本分析样本图像的高亮区域边缘轮廓范围内R值和G值 在预设的数值区间内的数量，得到判别特征； 步骤4)载入待测视屏监控画面并截取图像，获得待测识别图像，检测该待测识别 图像中的高亮区域，判断是否出现与基本分析样本图像的高亮区域不同的新高亮区域，如 判断出现新的高亮区域，计算得到待测识别图像的识别特征；如判断未出现新的高亮区域， 则继续监控； 步骤5)将识别特征与所述判别特征比较，判断是否发生火情，若识别特征超过判 别特征，可以判断发生火情，此时通过计算识别特征的增长速度来判断火情级别。 本专利技术通过分析最容易引起误报的高亮区域，通过分析其上特定区域的R，G值的 像素点数量，可以用非常简单的计算量获得一个能够实现稳定识别火焰的判别特征。而当 样本中非已勾选区域出现高亮时，对这些区域内统计得到的 以及6 3进行加权，更有 针对性得提高火情判别的灵敏度。此方法应用到重点区域的火情视频监控，可以提高火焰 识别效率、保障监控安全。 进一步的，基本分析样本图像上任一像素点P的位置可定义为： P = (Xi, Yj) (i = 1, 2, 3. . . M ； j = 1, 2, 3. . . N) 式中，乂1表示横坐标点，y j表示纵坐标点，M表示图像的横向像素点数，N表示图像 的纵向像素点数。 进一步的，边缘检测算子为Canny算子；利用Canny算子对图像中高亮轮廓进行识 另IJ，得到所需要的敏感识别区域f，该区域描述为： fab =mab Xnab (a = 1，2,3 ;b e ;rnabe (〇，M] ;nabe (〇，N]) 式中，a表示充足光线状态、弱光线状态和昏暗光线状态三种监控环境，b表示每 种监控环境下取的样本数目。 进一步的，步骤3)中，定义坐标点P上的R值为Z1Xxi, y」）、G值zg (Xi, y」）；在 区域4中，对z JxiJj) e 和ZjxiJj) e 这两个区域上的像素点 数目进行统计，分别记为第一区域R值怂和第二区域R值私；在所述区域fab中，对 Zg(XiJj) e 上的像素点数目进行统计，得到第三区域G值Gab; 计算获得所述基本分析样本的每一张图像的第一区域R值、第二区域R值疋， 和第三区域G值G ab; 分别计算基本分析样本中所有图像的第一区域R值的平均值€、第二区域R值的 平均值< 和第三区域G值的平均值，通过上述三个平均值计算相应判别特征。 进一步的，步骤4)中包括计算所述识别特征的增长速度。 有益效果： 1)对未发生火灾是的视频图像进行事先分析，并针对不同的光线环境提取基本分 析样本，提高了判定结果的准确性； 2)克服了现有技术中最容易引起错误报警的高亮区域，通过分析高亮区域上特定 区域的R值和G值像素点数量，获取能够稳定识别火焰状态的判别特征； 3)通过对不同区域的R值和G值分别分析，能够更有针对性的提高火情判别的灵 敏度； 4)本方法适用于多种环境的火情监控，很大程度上提高了火焰识别的效率，保障 了监控安全。【附图说明】 图1为本专利技术基于分析R、G值的火焰识别算法流程图 图2为发生火情时的软件识别界面 图3火情扩大时的软件识别界面【具体实施方式】 下面结合附图对本专利技术作更进一步的说明。 如图1所示，其特征在于，该方法包括以下步骤： 步骤1)采集基本分析样本： 采集被监控画面无火焰发生的状态下的视频监控图像，分别在充足光线状态、弱 光线状态和昏暗光线状态三种光照环境下的监控图像，每一种光照环境下提取8-10张视 屏截图图像作为基本分析样本，取分析样本的均值； 基本分析样本图像上任一像素点P的位置可定义为式（1): P = (xi； Yj) (i = 1, 2, 3. . . M ； j = 1, 2, 3. . . N) (1) 式中，11表示横坐标点，y j表示纵坐标点，M表示图像的横向像素点数，N表示图像 的纵向像素点数。 步骤2)利用边缘检测算子分割出步骤1)中基本分析样本图像的高亮区域边缘轮 廓： 所述边缘检测算子为Canny算子；利用Canny算子对图像中高亮轮廓进行识别，得 到所需要的敏感识别区域f，该区域描述为式（2): fab =mabXnab (2) (a = 1,2, 3 ；b e ；mabe (〇, M] ；nabe (Ο,Ν]) 式中，a表示充足光线状态、弱光线状态和昏暗光线状态三种监控环境，b表示每 种监控环境下取的样本数目。 步骤3)统计步骤2)中基本分析样本图像的高亮区域边缘轮廓范围内R值和G值 在预设的数值区间内的数量，得到判别特征； 具体的，定义坐标点P上的R值为Z1^xi, y」)、G值zg (Xi, y」）；在区域:^中，对 Zr(XiJj) e 和Zr(XiJj) e 这两个区域上的像素点数目进行统计，分别 记为第一区域1?值尤和第二区域1?值私；在所述区域4中，对28〇^4)￡上的 像素点数目进行统计，得到第三区域G值Gab。 像素点数目统计方法如式（3)-式（8)所示：【主权项】1. ，其特征在于，该方法包括以下步骤： 1) 采集基本分析样本： 采集被监控画面无火焰发生的状态下的视频监控图像，分别在充足光线状态、弱光线 状态和昏暗光线状态三种光照环境下的监控图像，每一种光照环境下提取8-10张视屏截 图图像作为基本分析样本，取分析样本的均值； 2) 利用边缘检测算子分割出步骤1)中基本分析样本图像的高亮区域边缘轮廓： 3) 统计步骤2)中基本分析样本图像的高亮区域边缘轮廓范围内R值和G值在预设的 数值区间内的数量，得到判别特征； 4) 载入待测视屏监控画面并截取图像，获得待测识别图像，检测该待测识别图像中的 高亮区域，判断是否出现与基本分析样本图像的高亮区域不同的本文档来自技高网...

【技术保护点】
一种视频监控火焰的识别方法，其特征在于，该方法包括以下步骤：1)采集基本分析样本：采集被监控画面无火焰发生的状态下的视频监控图像，分别在充足光线状态、弱光线状态和昏暗光线状态三种光照环境下的监控图像，每一种光照环境下提取8‑10张视屏截图图像作为基本分析样本，取分析样本的均值；2)利用边缘检测算子分割出步骤1)中基本分析样本图像的高亮区域边缘轮廓：3)统计步骤2)中基本分析样本图像的高亮区域边缘轮廓范围内R值和G值在预设的数值区间内的数量，得到判别特征；4)载入待测视屏监控画面并截取图像，获得待测识别图像，检测该待测识别图像中的高亮区域，判断是否出现与基本分析样本图像的高亮区域不同的新高亮区域，如判断出现新的高亮区域，计算得到待测识别图像的识别特征；如判断未出现新的高亮区域，则继续监控；5)将所述识别特征与所述判别特征比较，判断是否发生火情，若识别特征数值超过判别特征，可以判断发生火情，此时通过计算识别特征的增长速度来判断火情级别。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘文艺，刘立群，邢倞，邹庆辉，何贞志，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：江苏;32