一种基于烟雾区域密度的森林火灾烟雾根节点检测方法技术

本发明专利技术公开了一种基于烟雾区域密度的森林火灾烟雾根节点检测方法。通过Lambert‑Beer定律，可推导出烟雾密度与图像灰度具有一定的函数关系，图像灰度随烟雾密度的递增而递增，因而将图像灰度的相对大小视为烟雾密度的相对大小，通过烟雾根节点密度较大的原理，对骨骼端点进行筛选以减少烟雾根候选点的数量。该方法可以通过对一帧烟雾图像进行识别判定烟雾根候选点的位置，改变了需要多帧烟雾图像以判定烟雾根候选点的局面，大大减少了计算量，对输入帧灰度图的二次密度判定使得获得的烟雾根候选点的准确率得到了提升。

【技术实现步骤摘要】
一种基于烟雾区域密度的森林火灾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
由于森林的特殊性，森林火灾一旦引发，很容易在风力推动下迅速蔓延，由于森林的面积较大，火灾发生时不一定能及时发现，发现火灾时往往已经蔓延了相当宽的距离，此时森林火灾的扑救也存在相当大的难度，森林火灾往往会造成巨大的资源损毁，因此对森林火灾的早期识别十分重要。烟雾是森林火灾的早期的明显特征，森林火灾早期烟雾往往为向上飘散的不规则形状，越是向上，烟雾越稀薄，越是难以被检测出，但早期烟雾的源头的位置往往是确定的，较短时间内是不变的，基于此原理，通过烟雾的分布形态确定烟雾源的位置成为重要的突破口之一。专利申请号为201910490504.9，专利技术名称为“一种基于MSER的远距离复杂环境下的烟雾根节点检测方法”的中国专利。该专利技术在采用MSER算法对远距离烟雾场景进行候选区域提取，并通过角点提取算法和凸包检测算法对图像中可能存在干扰项进行排除，然后通过骨骼提取算法对候选区域提取烟雾根节点候选点，最本文档来自技高网...

【技术保护点】
1.一种基于烟雾区域密度的森林火灾烟雾根节点检测方法，其特征在于，包含以下步骤：/n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，得到特定尺寸的单通道灰度图像；/n第二步，烟雾轮廓提取，对获得的单通道灰度帧图像用Sobel算法提取静态轮廓；Sobel算法的计算方法为,首先求解图像像素x方向梯度，当梯度大于设定的阈值时，认定该点为边缘点，遍历像素后获得烟雾竖直方向的边缘；其次求解图像像素y方向的梯度，当梯度大于设定阈值时，认定该点为边缘点，遍历像素后获得烟雾水平方向的边缘，最后，合并梯度，将竖直方向边缘图与水平方向边缘线性相加，获得该帧图像...

【技术特征摘要】
1.一种基于烟雾区域密度的森林火灾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，得到特定尺寸的单通道灰度图像；
第二步，烟雾轮廓提取，对获得的单通道灰度帧图像用Sobel算法提取静态轮廓；Sobel算法的计算方法为,首先求解图像像素x方向梯度，当梯度大于设定的阈值时，认定该点为边缘点，遍历像素后获得烟雾竖直方向的边缘；其次求解图像像素y方向的梯度，当梯度大于设定阈值时，认定该点为边缘点，遍历像素后获得烟雾水平方向的边缘，最后，合并梯度，将竖直方向边缘图与水平方向边缘线性相加，获得该帧图像的Sobel轮廓图像，并对提取出的Sobel图像进行二值化，腐蚀操作，以过滤背景轮廓噪声；
第三步，动态区域提取，对第一步中获得的单通道灰度帧图像通过Vibe算法进行动态区域提取，获得该帧图像的Vibe动态区域图像；
第四步，图像融合，将每帧Sobel图像与该帧对应的Vibe图像进行融合，融合方法为，对每帧原始图像所对应的两帧图像进行网格分割操作，网格大小为20*20像素，每张图像共有24*16个网格区域，计算各个网格对应的Sobel图像与Vibe图像的像素值之和，以选定不同网格区域的融合方式进行图像融合；
第五步，骨骼图像提取，对融合得到的单通道二值化连通域进行骨骼图像提取，并计算骨骼图相端点坐标，即为当前帧图像的烟雾根候选点坐标；
第六步，在第一步获得的单通道灰度图像中以烟雾根候选点为圆心，半径为8个像素画圆，认定像素值大于150的像素点为前景像素，像素值小于150的像素点为背景像素，计算每个圆形区域内前景像素的个数，和前景像素像素值之和，将像素值之和与像素个数做比，得到每个圆形区域所对应的像素密度，选择像素密度大于整体烟雾密度的骨骼端点认定为进一步筛选过的烟雾根候选点。

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