一种基于最小二乘法的烟雾根节点检测方法技术

本发明专利技术首先对视频图像进行预处理，预处理过程包括图像的灰度化、二值化、动态区域提取、形态学操作。其次，得出图像中的动态区域，再通过模拟山体崩塌的过程，确定联通区分割界限，将图像划分为以各个连通域为核心的不同区域。在这之后，对每个划分区域内的连通域进行骨骼图计算，得出整张图像的骨骼图信息。接下来，对骨骼图像进行端点计算，这些端点将代替所属连通域进行基于最小二乘法的线性回归运算，得出线性回归方程。最后，对连续三帧图像的线性回归方程进行相交计算，若三帧图像中的回归方程存在角点，则该交点视为烟雾根节点。

A Smoke Root Node Detection Method Based on Least Square Method

The video image is preprocessed at first, and the preprocessing process includes image graying, binarization, dynamic region extraction and morphological operation. Secondly, the dynamic region of the image is obtained, and then the segmentation boundaries of the connection area are determined by simulating the process of mountain collapse, and the image is divided into different regions with each connected area as the core. After that, the skeleton map information of the whole image is obtained by calculating the connected regions in each partition area. Next, the endpoints of skeletal images are computed. These endpoints will replace the connected regions to carry out linear regression operations based on least square method, and the linear regression equation can be obtained. Finally, the intersection of the linear regression equation of three consecutive frames is calculated. If there are corner points in the regression equation of three consecutive frames, the intersection point is regarded as the smoke root node.

【技术实现步骤摘要】
一种基于最小二乘法的烟雾根节点检测方法
本专利技术属于森林防火和视频目标检测领域，尤其涉及一种基于视频的烟雾源根节点检测方法。
技术介绍
由于森林火灾具有蔓延速度快，损毁面积大的特点，每年有几百万公顷以上的森林面积被烧毁，造成的经济损失和环境损失不可估量。现有的林火监控设备多采用视频设备进行大范围的林火监控。虽然视频监控有着覆盖范围广，成本低等特点，但由于季节环境多变，天气变化复杂等因素，导致单纯依靠图像的识别算法存在误检测和漏检测的可能，这种现象对基于纹理和边缘检测的算法尤为常见。由于森林火灾早起明显特点是烟雾的产生和扩散，所以对森林火灾早起产生烟雾的检测成为了预防森林火灾的重要突破口之一。而通过烟雾分布形态确定烟雾的识别算法往往需要确定烟雾源的基本位置。专利申请号为CN201510099921.2，专利技术名称为“一种基于轨迹辨识的烟雾检测及火灾预警方法”的中国专利。该专利技术在烟雾识别过程[0053]中，通过视频图像得到的u-t、v-t图像进行烟雾源的确定。该方法对视频图像中烟雾的形状完整性要求较高，在高风速状态下，烟雾的扩散会使得图像中的烟雾区域不连续，这种不连续性产生的直接影响基本上分为两大类：第一，如专利技术说明书中所述：如果只有一条烟雾轨迹，不连续会使得算法中的起点位置在不同段的烟雾都具有一个根节点；第二，如专利技术说明书中所述：如果图像中存在多条烟雾轨迹，不连续性会使得烟雾在u-t、v-t方向投影具有多段，而此时若图像中的干扰因素(例如：云朵)若距离烟雾很近，则很难区分云朵是否为分段烟雾的一部分，导致烟雾源确定的位置和真实结果有很大的误差。除此之外，该算法[0022]中的没有雾霾的假设条件在清晨晨雾的干扰下很难达到，也使得烟雾源的确定算法在多雾条件下产生大量的干扰点。专利申请号为CN201711440134.5，专利技术名称为“一种基于特征根和流体力学的森林火灾烟视频目标检测方法”的中国专利。该专利技术在烟雾源提取过程[0022]中采用基于距离的判定条件，虽然符合客观烟雾源判断的基本事实，但算法实现过程中并没有摆脱阈值的限制。但由于骨骼图像提取算法存在一定的随机性，仅仅依靠距离判定的算法若依赖阈值，对算法的稳定性会产生干扰并造成隐患。虽然在烟雾源(烟雾根)的计算过程中采用多帧图像共同提取数据计算的方法来平均误差增强鲁棒性，但对于高分辨率图像而言，这种算法增加了内存的要求，对硬件设备要求较高。以上两种方法一种是基于烟雾分布规律进行计算，一种是基于物理模型进行建模计算，虽然方式不同，但都用到了烟雾根节点信息。所以烟雾根节点的检测方法不仅仅可以单独进行燃烧源的定位，对烟雾分布也有着重要的参考计算作用。
技术实现思路
本专利技术提供了一种烟雾根节点检测方法，能够通过连续帧图像对烟雾源进行定位。根据本专利技术计算过程，所述根节点检测方法包括：第一步，视频信息预处理：通过采集固定摄像头的连续帧烟雾图像，进行帧图像提取，并通过基本的图像处理方法，得到图像中动态区域的连通域二值化图像；第二步，连通区域的合并与分割：通过采用模拟山崩过程进行计算的“山崩算法”，进行二值化连通区域的近似合并与分割，将图像分割成不同的计算域；第三步，动态区域替代点计算：通过对分割后的图像进行骨骼图像细化计算，得到全图中所有连通域的骨骼图像，并计算骨骼图像端点，得到连通域的替代近似点；第四步，基于最小二乘法的线性方程回归计算：对分割成功后的每个区域进行基于最小二乘法的回归计算，得到每个分割与域内的回归曲线表达式；第五步，连续帧图像的烟雾根判定与标记：对连续三帧图像进行回归结果计算，并对三帧图像进行线性回归方程的相交计算，得出交点，确定烟雾跟位置；根据如上所述的五个步骤，一种基于最小二乘法的烟雾根节点检测方法，其特征在于所述第二步中的模拟山崩过程进行计算的“山崩算法”，其计算方法为:首先对二值化后的联通区域最外层像素进行标记，对相应的联通区域进行“山崩”过程的模拟：以联通区域最外层像素为“山崖”，其二值化后的像素值为山崖高度，即255；其次，以山崖指向向联通区域外的方向为崩塌方向，进行扩散。以山崖像素8邻域区域为崩塌模拟区域，每轮计算延伸一个像素，并将高度(即像素值)减1，并循环进行；接下来，对全图范围的联通区域进行崩塌模拟，不同联通区域崩的塌扩散区域的相交线即为分割线，若存在联通区域的崩塌线不相交的情况，则以两个崩塌区域最低点(即像素值为1)的点为端点，其中点则为分割线上的像素点；最后，若存在崩塌区域相交线所处像素的像素值大于128，则将引起对应崩塌区域的连通域定为“兄弟连通区”，兄弟连通区视为同一个连通域，不再进行分割；根据如上所述的五个步骤，一种基于最小二乘法的烟雾根节点检测方法，其特征在于所述第三步骤中的连通区域替代点计算采用二值化骨骼图像的端点进行替代计算；根据如上所述的五个步骤，一种基于最小二乘法的烟雾根节点检测方法，其特征在于所述第四步骤中的对每个分割区域内基于最小二乘法的线性回归计算结果，具体的回归线长度确定方式为：回归线方程与图像连通域分割线进行相交计算，确定回归线与分割线的最多两个交点。若回归线伸出边缘，则边缘交点与分割线交点即为所需的两个交点，其次，确定的两个交点之间所截取的回归线长度即为确定的区域内长度；根据如上所述的五个步骤，一种基于最小二乘法的烟雾根节点检测方法，其特征在于所述第五步所述的烟雾根计算采用连续三帧图片得出计算结果。本专利技术的有益效果在于：通过连续帧图像中连通域分布情况进行连通区域替代点的统计计算，得出在连续帧图像中持续存在的动态区域。通过回归算法得出持续存在动态区域的相交点，确定烟雾源。参照后文的说明和附图，详细公开了本专利技术的特定实施方式，指明了本专利技术的原理可以被采用的方式。应该理解，本专利技术的实施方式在范围上并不因而受到限制。在所附权利要求的条款范围内，本专利技术的实施方式包括许多改变、修改和等同。附图说明图1为本专利技术计算过程的流程图；图2为本专利技术计算过程中“山崩”算法相交线的确定过程。具体实施方式参照附图，通过下面文本说明书，本专利技术的前述以及其他的特征将变得明显。在说明书和附图中，具体公开了本专利技术的特定实施方式，其表明了其中可以采用文本专利技术的原则部分实施方式，应了解的是，本专利技术不限于所描述的实施方式，相反，本专利技术包括落入所附权利要求的范围内的全部修改、变形以及等同物。本专利技术实施例提供一种烟雾检测方法。图1是本专利技术实施例的烟雾检根测方法的流程示意图，如图1所示，所述烟雾根节点检测方法包括：步骤101，对基本参数进行初始化后，进行三帧图像的读入和处理，形成初始基本的长度为3的处理队列。步骤201，将读入的当前帧图像进行处理操作，处理过程主要目的是得出图像中动态区域的替代点。步骤202，首先通过灰度化和二值化以及帧间差分算法得出图片中动态区域，并通过形态学操作对动态区域进行噪点消除和合并，形成基本的动态区域连通区域。其中形态学操作采用先腐蚀后膨胀的开运算进行，腐蚀过程采用十字核心进行，尺寸大小为7×7，膨胀过程采用矩形核心进行，尺寸大小为13×13。步骤203，对图像中的动态连通区域进行分割，形成不同的识别区域，并进行编号标记，分割过程主要涉及联通区域合并划分和联通区域分割划分。步骤204，首先对二值化后的联通区域最外层像本文档来自技高网...

【技术保护点】
1.一种基于最小二乘法的烟雾根节点检测方法，其特征在于，包含以下步骤：第一步，视频信息预处理：通过采集固定摄像头的连续帧烟雾图像，进行帧图像提取，并通过基本的图像处理方法，得到图像中动态区域的连通域二值化图像；第二步，连通区域的合并与分割：通过采用模拟山崩过程进行计算的“山崩算法”，进行二值化连通区域的近似合并与分割，将图像分割成不同的计算域；第三步，动态区域替代点计算：通过对分割后的图像进行骨骼图像细化计算，得到全图中所有连通域的骨骼图像，并计算骨骼图像端点，得到连通域的替代近似点；第四步，基于最小二乘法的线性方程回归计算：对分割成功后的每个区域进行基于最小二乘法的回归计算，得到每个分割与域内的回归曲线表达式；第五步，连续帧图像的烟雾根判定与标记：对连续三帧图像进行回归结果计算，并对三帧图像进行线性回归方程的相交计算，得出交点，确定烟雾跟位置。

【技术特征摘要】
1.一种基于最小二乘法的烟雾根节点检测方法，其特征在于，包含以下步骤：第一步，视频信息预处理：通过采集固定摄像头的连续帧烟雾图像，进行帧图像提取，并通过基本的图像处理方法，得到图像中动态区域的连通域二值化图像；第二步，连通区域的合并与分割：通过采用模拟山崩过程进行计算的“山崩算法”，进行二值化连通区域的近似合并与分割，将图像分割成不同的计算域；第三步，动态区域替代点计算：通过对分割后的图像进行骨骼图像细化计算，得到全图中所有连通域的骨骼图像，并计算骨骼图像端点，得到连通域的替代近似点；第四步，基于最小二乘法的线性方程回归计算：对分割成功后的每个区域进行基于最小二乘法的回归计算，得到每个分割与域内的回归曲线表达式；第五步，连续帧图像的烟雾根判定与标记：对连续三帧图像进行回归结果计算，并对三帧图像进行线性回归方程的相交计算，得出交点，确定烟雾跟位置。2.根据权利要求1所述的一种基于最小二乘法的烟雾根节点检测方法，其特征在于所述第二步中的模拟山崩过程进行计算的“山崩算法”，其计算方法为:首先对二值化后的联通区域最外层像素进行标记，对相应的联通区域进行“山崩”过程的模拟：以联通区域最外层像素为“山崖”，其二值化后的像素值为山崖高度，即255；其次，以山崖指向向联通区域外的方向为崩塌方向，...

【专利技术属性】
技术研发人员：程朋乐，高宇，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京,11