一种烟雾检测方法及装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，尤其涉及一种烟雾检测方法，包括：利用暗通道先验方法和双边滤波方法增强采集到的视频图像；根据增强后的视频图像和大气散射模型，获取视频图像的透射函数；利用ViBe方法检测获取的透射函数，得到烟雾候选区域；根据ViBe方法检测结果，对增强后的视频图像进行梯度重建，还原烟雾候选区域覆盖的背景区域；针对梯度重建后背景区域的每个像素，求该像素与增强后的视频图像的背景区域中对应像素的相似程度，当相似程度超过预设的相似阈值，判定所述像素为烟雾像素。本发明专利技术还涉及一种烟雾检测装置。本发明专利技术所提供的烟雾检测方法及装置检测快且准确率高，不但能够区分烟雾与其他的运动目标，而且能够区分烟雾与阴影。

Smoke detection method and device

The invention relates to the technical field of image processing, in particular to a smoke detection method, which comprises: using a dark channel prior method and a bilateral filtering method to enhance the captured video image; acquiring the transmission function of the video image according to the enhanced video image and the atmospheric scattering model; and detecting the acquired transmission using the Vibe method. Function, get smoke candidate region; according to the results of Vibe method detection, the enhanced video image is gradient reconstructed to restore the background region covered by smoke candidate region; for each pixel of the background region after gradient reconstruction, the pixel similarity with the corresponding pixel in the background region of the enhanced video image is calculated. When the similarity exceeds the preset similarity threshold, the pixel is determined to be smoke pixels. The invention also relates to a smoke detection device. The smoke detection method and device provided by the invention have the advantages of fast detection and high accuracy, and can not only distinguish smoke from other moving targets, but also distinguish smoke from shadow.

【技术实现步骤摘要】
一种烟雾检测方法及装置
本专利技术涉及图像处理
，尤其涉及一种烟雾检测方法及装置。
技术介绍
火灾是威胁社会发展和人员安全的重要原因之一。传统的火灾检测手段是通过对火灾燃烧的颗粒进行判别。然而在空间比较开阔的地方，火灾粒子到达检测器检测标准的时间会大大增加，这样就很难达到火灾预警的目的。随着基于图像的模式识别和图像处理的发展。基于视频图像的火灾检测已经是一个主流的研究方向。当火灾发生时，往往先产生烟雾，所以基于视频图像的烟雾检测是火灾预警的主要手段。目前，很多基于视频图像的烟雾检测方法通常无法准确检测烟雾位置，易受到阴影等环境因素的干扰，或检测的效率低，反应时间慢，不能实现及时且有效的火灾预警。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是解决现有技术中基于图像的烟雾检测方法准确率低，检测速度慢，难以获取理想检测结果的问题。(二)技术方案为了解决上述技术问题，本专利技术提供了一种烟雾检测方法，包括：S1、利用暗通道先验方法和双边滤波方法增强采集到的视频图像；S2、根据增强后的视频图像和大气散射模型，获取视频图像的透射函数；S3、利用ViBe方法检测获取的透射函数，得到烟雾候选区域；S4、根据ViBe方法检测结果，对增强后的视频图像中的烟雾候选区域进行梯度重建，还原烟雾候选区域覆盖的背景区域；S5、针对梯度重建后背景区域的每个像素，求该像素与步骤S1进行增强后的视频图像的背景区域中对应像素的相似程度，当所述相似程度超过预设的相似阈值时，判定所述像素为烟雾像素，否则为非烟雾像素。优选地，所述步骤S4中对视频图像中的烟雾候选区域进行梯度重建时，采用如下公式得到视频图像在水平方向和竖直方向的梯度图像：Gh(m,n)＝p(m+1,n)-p(m,n)；Gv(m,n)＝p(m,n+1)-p(m,n)；其中，Gh(m,n)表示水平方向的梯度图像，Gv(m,n)表示竖直方向的梯度图像，(m,n)表示视频图像中的点，p(m,n)表示点(m,n)的像素值；通过如下公式恢复视频图像在水平方向和竖直方向的梯度：Gh-estimate(x,y)＝k(p(x+1,y)-p(x,y))；Gv-estimate(x,y)＝k(p(x,y+1)-p(x,y))；其中，Gh-estimate(x,y)表示水平方向上移动目标的梯度估计，Gv-estimate(x,y)表示竖直方向上移动目标的梯度估计，(x,y)表示视频图像中的点，p(x,y)表示点(x,y)的像素值，k表示梯度中的倍数因子。优选地，所述梯度中的倍数因子k的范围为1.3-1.5。优选地，所述步骤S4中，根据Gh-estimate(x,y)和Gv-estimate(x,y)得到梯度因子G'(x,y)，通过求解泊松方程从梯度因子G'(x,y)中获得梯度重建后的图像I'(x,y)，I'(x,y)与G'(x,y)的关系满足如下公式：其中，▽2表示拉普拉斯因子，I'(x,y)表示梯度重建后的图像，(x,y)表示视频图像中的点；梯度因子G'(x,y)的表达式为G'(x,y)＝[Gh-estimate(x,y),Gv-estimate(x,y)]。优选地，所述步骤S4中求解泊松方程时，采用快速泊松解法求解泊松方程的近似解，以正弦变换代替拉普拉斯因子，I'(x,y)与G'(x,y)的关系满足如下公式：sinI'(x,y)＝div(G'(x,y))＝div([Gh-estimate(x,y),Gv-estimate(x,y)])；其中，sin表示正弦变换拉普拉斯因子，I'(x,y)表示梯度重建后的图像，(x,y)表示视频图像中的点。优选地，所述步骤S4中求解泊松方程时，利用狄利克雷边界条件求解，在各个方向将灰度值填充为零。优选地，所述步骤S5包括：以I'(x,y)表示重建后的图像，对于梯度重建后的背景区域中的每一个像素(x,y)，选择一个大小为3×3像素的块m1，其中心为像素点(x,y)；在未进行梯度重建的图像中，从最近邻的图像帧里相同的位置选取块m2，计算块m1和块m2之间的相似性：其中，r(x,y)表示像素点(x,y)的梯度重建图像和未进行梯度重建的背景区域图像的相似程度，M×N表示视频图像的大小，E(m1)表示块m1的均值，E(m2)表示块m2的均值；设定相似阈值threhold，若相似程度r(x,y)＞threhold，则判定该像素点(x,y)为烟雾像素。优选地，所述步骤S5中，最近邻的图像帧满足以下条件：在位置(x,y)处，块m2中的像素是背景区域像素，且该帧与当前帧之间的时间差最小。优选地，所述步骤S5中，相似阈值threhold为0.9。本专利技术还提供了一种烟雾检测装置，包括：图像增强模块，用于利用暗通道先验方法和双边滤波方法增强采集到的视频图像；透射函数获取模块，用于根据增强后的视频图像和大气散射模型，获取视频图像的透射函数；运动目标检测模块，用于利用ViBe方法检测获取的透射函数，得到烟雾候选区域；梯度重建模块，用于根据ViBe方法检测结果，对增强后的视频图像中的烟雾候选区域进行梯度重建，还原烟雾候选区域覆盖的背景区域；烟雾判定模块，用于针对梯度重建后背景区域的每个像素，求该像素与只进行增强的背景区域中对应像素的相似程度，当所述相似程度超过预设的相似阈值时，判定所述像素为烟雾像素。(三)有益效果本专利技术的上述技术方案具有如下优点：本专利技术提供了一种基于视频图像处理的烟雾检测方法，首先利用暗通道先验方法和双边滤波方法增强采集到的视频图像，去除环境因素的干扰，得到轮廓清晰的视频图像。然后根据增强后的视频图像和大气散射模型，获取视频图像的透射函数，透射函数反映的是背景目标和成像传感器之间的透射率，而且透射函数只依赖于场景的深度信息。根据烟雾的运动特征，将运动目标的运动视为背景目标到成像传感器之间透射率的变化，利用ViBe方法检测获取的透射函数，检测出运动的目标，其中包括烟雾和其他运动目标。根据烟雾的半透明特征，对视频图像进行梯度重建，还原出烟雾候选区域内被烟雾覆盖的背景区域。最后求梯度重建还原后的背景区域与只进行增强的背景区域的相似性，如果相似性较高，则认为该区域是烟雾区域。该方法避免了直接利用Vibe方法检测原始视频造成的结果不准确，消除视频中光照的变化等因素对运动检测结果的影响，并利用了烟雾的半透明特性区分烟雾与其他运动目标，是一种非常有效而且处理速度很快的目标检测方法。本专利技术还提供了一种基于视频图像处理的烟雾检测装置，包括：图像增强模块，透射函数获取模块，运动目标检测模块，梯度重建模块和烟雾判定模块。该装置不但能够把烟雾与其他的运动目标区分看来，而且能够把烟雾与阴影区分开来。附图说明图1是本专利技术实施例中烟雾检测方法步骤图；图2是本专利技术实施例中烟雾检测方法检测结果图之一；图3是本专利技术实施例中烟雾检测方法检测结果图之二；图4是本专利技术实施例中烟雾检测方法检测结果图之三；图5是本专利技术实施例中烟雾检测方法检测结果图之四；图6是本专利技术实施例中烟雾检测装置结构示意图。图中：100：图像增强模块；200：透射函数获取模块；300：运动目标检测模块；400：梯度重建模块；500：烟雾判定模块。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中本文档来自技高网...

【技术保护点】
1.一种烟雾检测方法，其特征在于，包括：S1、利用暗通道先验方法和双边滤波方法增强采集到的视频图像；S2、根据增强后的视频图像和大气散射模型，获取视频图像的透射函数；S3、利用ViBe方法检测获取的透射函数，得到烟雾候选区域；S4、根据ViBe方法检测结果，对增强后的视频图像中的烟雾候选区域进行梯度重建，还原烟雾候选区域覆盖的背景区域；S5、针对梯度重建后背景区域的每个像素，求该像素与步骤S1进行增强后的视频图像的背景区域中对应像素的相似程度，当所述相似程度超过预设的相似阈值时，判定所述像素为烟雾像素，否则为非烟雾像素。

【技术特征摘要】
1.一种烟雾检测方法，其特征在于，包括：S1、利用暗通道先验方法和双边滤波方法增强采集到的视频图像；S2、根据增强后的视频图像和大气散射模型，获取视频图像的透射函数；S3、利用ViBe方法检测获取的透射函数，得到烟雾候选区域；S4、根据ViBe方法检测结果，对增强后的视频图像中的烟雾候选区域进行梯度重建，还原烟雾候选区域覆盖的背景区域；S5、针对梯度重建后背景区域的每个像素，求该像素与步骤S1进行增强后的视频图像的背景区域中对应像素的相似程度，当所述相似程度超过预设的相似阈值时，判定所述像素为烟雾像素，否则为非烟雾像素。2.根据权利要求1所述的烟雾检测方法，其特征在于，所述步骤S4中对视频图像中的烟雾候选区域进行梯度重建时，采用如下公式得到视频图像在水平方向和竖直方向的梯度图像：Gh(m,n)＝p(m+1,n)-p(m,n)；Gv(m,n)＝p(m,n+1)-p(m,n)；其中，Gh(m,n)表示水平方向的梯度图像，Gv(m,n)表示竖直方向的梯度图像，(m,n)表示视频图像中的点，p(m,n)表示点(m,n)的像素值；通过如下公式恢复视频图像在水平方向和竖直方向的梯度：Gh-estimate(x,y)＝k(p(x+1,y)-p(x,y))；Gv-estimate(x,y)＝k(p(x,y+1)-p(x,y))；其中，Gh-estimate(x,y)表示水平方向上移动目标的梯度估计，Gv-estimate(x,y)表示竖直方向上移动目标的梯度估计，(x,y)表示视频图像中的点，p(x,y)表示点(x,y)的像素值，k表示梯度中的倍数因子。3.根据权利要求2所述的烟雾检测方法，其特征在于，所述梯度中的倍数因子k的范围为1.3-1.5。4.根据权利要求2所述的烟雾检测方法，其特征在于，所述步骤S4中，根据Gh-estimate(x,y)和Gv-estimate(x,y)得到梯度因子G'(x,y)，通过求解泊松方程从梯度因子G'(x,y)中获得梯度重建后的图像I'(x,y)，I'(x,y)与G'(x,y)的关系满足如下公式：▽2I'(x,y)＝div(G'(x,y))＝div([Gh-estimate(x,y),Gv-estimate(x,y)])；其中，▽2表示拉普拉斯因子，I'(x,y)表示梯度重建后的图像，(x,y)表示视频图像中的点；梯度因子G'(x,y)的表达式为G'(x,y)＝[Gh-estimate(x,y),...

【专利技术属性】
技术研发人员：李斌，张挺，张樯，赵凯，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京,11