【技术实现步骤摘要】
基于视频流数据的烟雾识别方法
本专利技术涉及数字视频智能分析
,具体涉及一种基于视频流数据的烟雾识别方法,是一种用于火灾预警检测的技术。
技术介绍
在一些对火险等级要求高的应用场合,如仓库、弹药库、林场、景区等地,需要对火灾特征进行分析识别,这些特征包括烟雾、火焰、温度等,希望能在火灾发生的初期,经智能分析得知火灾发生的地点,使人们能够及时发现火灾,并及时采取有效措施,扑灭初期火灾,最大限度的减少因火灾造成的生命和财产的损失,因此基于视频图像的火灾分析监测技术近年来得到蓬勃发展。现有技术中,基于视频图像的火灾分析监测设备获取的视频图像,忽略了烟雾的持续性,存在一定的局限性。烟雾虽然具有丰富的特征,但是要将其从复杂的环境中准确识别出来,与刚性物体相比,还是具有不少的困难。现有检测技术所存在的不足主要有两个方面:(1)准确性不够目前的烟雾检测,无论是利用单一特性还是综合利用多种特性,都会有漏报和误报,尤其是在复杂的环境里。采用单一特性的烟雾检测,误报率往往较高,特别是无法对淡而少的烟和浓而厚的烟同样处理。准确性不够的根本原因,是这些特征不够本质,与烟雾没有一一对应关系。(2)适应性不强虽然有些算法在一定条件下具有较好的效果,但在复杂环境下其检测性能有所降低。本专利技术采用基于视频流数据的烟雾识别方法,根据烟雾持续性的特征,通过视频流数据实时获取活动目标,并将其进行多种动态特征和神经网络特征识别,提高烟雾识别的准确度。
技术实现思路
本专利技术旨在针对现有烟雾识别技术在准确率不高和适用性不强的不足,提出一种动态特征和神经网络特征识别的烟雾识别方法。为实现上述目 ...
【技术保护点】
1.基于视频流数据的烟雾识别方法,其特征在于,包括以下步骤:步骤一、采集视频监控区的视频流数据,并对视频流数据中的视频图像进行逐帧解码,转化为Lab空间表示,使其转换为相应的彩色图像;步骤二、对视频图像中的运动目标采用背景帧分法进行提取,获得有运动目标的前景图片;步骤三:截取步骤二中获取的运动目标的前景图片,过滤夜晚、过滤下雨及大雾天气、过滤摄像机抖动转动的情况,若检测到这些情况中任一种情况时,直接忽略返回步骤二;反之,进入下一步;步骤四:对满足步骤三的前景图片采用reblur二次模糊算法进行模糊度分析,比较原图和模糊后的图片相邻像素值的差别大小,若差别大,则判断为清晰图片,直接忽略,若差别小;则判断为模糊图片,进入下一步;步骤五:将步骤四中满足模糊度的前景图片的烟雾目标进行离散性匹配,同一烟雾目标累计观察N帧,并获取在N帧累加区域的最大活动轨迹,然后通过历史活动轨迹和最大活动轨迹比值计算离散度,离散度越高离散性越低,离散度越低离散性越高,若离散度大于M值,则排除目标的前景图片,返回步骤二,反之,则进入下一步;其中,M值表示离散度,M=(0,10],值越大表示目标对象在空间分布上越集中 ...
【技术特征摘要】
1.基于视频流数据的烟雾识别方法,其特征在于,包括以下步骤:步骤一、采集视频监控区的视频流数据,并对视频流数据中的视频图像进行逐帧解码,转化为Lab空间表示,使其转换为相应的彩色图像;步骤二、对视频图像中的运动目标采用背景帧分法进行提取,获得有运动目标的前景图片;步骤三:截取步骤二中获取的运动目标的前景图片,过滤夜晚、过滤下雨及大雾天气、过滤摄像机抖动转动的情况,若检测到这些情况中任一种情况时,直接忽略返回步骤二;反之,进入下一步;步骤四:对满足步骤三的前景图片采用reblur二次模糊算法进行模糊度分析,比较原图和模糊后的图片相邻像素值的差别大小,若差别大,则判断为清晰图片,直接忽略,若差别小;则判断为模糊图片,进入下一步;步骤五:将步骤四中满足模糊度的前景图片的烟雾目标进行离散性匹配,同一烟雾目标累计观察N帧,并获取在N帧累加区域的最大活动轨迹,然后通过历史活动轨迹和最大活动轨迹比值计算离散度,离散度越高离散性越低,离散度越低离散性越高,若离散度大于M值,则排除目标的前景图片,返回步骤二,反之,则进入下一步;其中,M值表示离散度,M=(0,10],值越大表示目标对象在空间分布上越集中;所述历史活动轨迹为活动目标的过去的空间活动坐标范围;所述最大活动轨迹为活动目标在N帧累加区域的空间活动坐标范围;步骤六、对步骤五中满足离散度的前景图片中烟雾目标进行扩散方向匹配,对同一烟雾目标累计观察N帧,并进行帧内对比,若发现目标出现向下移动的特征则排除,返回步骤二,反之,则进入下一步;步骤七、对步骤六中满足扩散方向的前景图片中烟雾目标进行运动速度匹配,对同一烟雾目标累计观察N帧,并通过多帧对比计算该目标的运动速度,若目标运动速度高于经验值S,则忽略返回步骤二,反之,则判断前景图片具有烟雾通用特质,并进入下一步;其中,目标运动速度=两帧之间的距离像素差/两帧间时间;经验值S反映烟雾的较慢的运动速度,S值约1~50之间;步骤八:对步骤七中具有满足烟雾通用特质的目标的前景图片通过神经网络进行烟雾特征模型匹配,如匹配大于相似度L,则输出识别到烟雾,反之则返回步骤二;其中L=[0,1],精度要求越高,则越接近1;其中,N表示目标的观察区间跨度的帧数,N=[1,100],值越大观察时间越长、灵敏度越低。2.根据权利要求1所述的基于视频流数据的烟雾识别方法,其特征在于:步骤三中,过滤夜晚、过滤下雨及大雾天气、过滤摄像机抖动转动情况的具体方法为:S1、过滤所述夜晚检测的具体方法为:通过全帧亮度监测来获取步骤二中活动目标的前景图片的亮度值,设定一个经验值L,当亮度值低于该值时判断为夜晚,直接忽略;S2、过滤所述下雨、大雾天气检测的具体方法为:将步骤二中获取的前景图片的全图画面进行九宫图碎片化切割,对每个碎片采用reblur二次模糊算法进行模糊度识别,若检测到全图有70%以上碎片区域为模...
【专利技术属性】
技术研发人员:杨贤文,
申请(专利权)人:武汉倍特威视系统有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。