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。 ...
【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,...
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。