本发明专利技术公开一种基于监控视频的火焰检测方法及系统，该方法包括如下步骤：运动物体检测步骤，输入一组连续帧图像序列，检测到每帧中是否存在运动物体，并输出候选框结果给火焰检测器步骤；火焰检测器步骤，接收火焰检测器步骤输出的候选框结果，如果存在运动物体，利用深度学习网络识别出候选区域；检测匹配步骤，对所述火焰检测器步骤检测出的区域和运动物体检测步骤检测出的区域进行匹配，只有满足一定交并比的区域才被保留；运动特征过滤步骤，经过检测匹配步骤保留下来的区域利用帧与帧之间的运动特征进行进一步的筛选，最终确定的区域即为火焰区域。本发明专利技术融合运动检测、运动特征提取与判别方法，明显地提升了火焰检测的精度。的精度。的精度。
【技术实现步骤摘要】
一种基于监控视频的火焰检测方法及系统
[0001]本专利技术涉及一种基于监控视频的火焰检测方法及系统，属于视频监控安防
技术介绍
[0002]近年来，火灾造成的损失越来越大，火灾检测也越来越受到重视。传统的火灾检测方法主要分为两类：第一类基于传感器来实现，传感器通常部署在室内，其灵敏性并不很高，只有大火或者非常接近的火焰才能被检测到。第二类基于图像处理技术，使用火焰的颜色信息进行识别，其精度并不理想，容易把一些黄色的物体识别成火焰，从而造成误检。
[0003]传感器并非任何场所都可以部署，但监控视频的部署限制却少了很多，且很多已有的监控相机就可以直接使用来采集数据，故本专利专注于基于监控视频信息的火焰检测方法。
[0004]随着神经网络在图像识别中的快速发展，准确地识别出图像中的待识别物体成为一种可能。但火焰自身有其特殊属性，其颜色信息明显，但无常形，即缺乏有效的形状信息，故只使用神经网络并不能非常准确地识别出火焰，也存在对颜色接近物体的误检。
[0005]专利1：《一种基于图像处理技术的火焰识别算法》，CN104504382B。该专利提供了一种传统的图像处理方法，通过内外焰提取算法找到火焰的最高点以及重心,并分别记录两点坐标；然后经此做出两点连线并提取两点连线上的RGB值；同时对两点连线上的RGB值与标准火焰RGB特征库进行比较,通过比较得出一个匹配值,然后通过匹配值的大小来判定图像是否为火焰图像。专利2：《基于数字图像和卷积特征的火焰目标检测方法》，CN110751089A。该专利主要基于Faster RCNN VGG16模型进行调整，使用纯深度学习的方法来检测火焰。
技术实现思路
[0006]现有技术的缺点在于：专利1涉及一种基于图像处理技术的火焰识别算法。其设计的主要缺点是只使用颜色特征进行匹配，不能够很好地过滤一些黄色物体，这些物体可能是行人穿得外套、外卖人员戴的头盔等，这样的情况是非常普遍的，所以其误检率不能得到保证。专利2涉及基于数字图像和卷积特征的火焰目标检测方法。其设计的主要缺点是使用纯深度学习网络。由于火焰其没有固定的形状特征，故深度学习网络只能学习到其颜色特征，从而同样存在误检率很高的情况。
[0007]本专利技术的目的在于，克服现有技术存在的技术缺陷，解决上述技术问题，本专利技术提出了一种基于监控视频的火焰检测方法及系统。该方法基于监控视频，只需要有能够运行该方法的服务器，接入视频即可完成部署。该方法在深度学习最新的YoloV4模型基础上，融合运动检测、运动特征提取与判别方法，将火焰颜色、形状、运动这些信息综合起来考虑，明显地提升了火焰检测的精度。
[0008]本专利技术具体采用如下技术方案：一种基于监控视频的火焰检测方法，包括如下步
骤：
[0009]运动物体检测步骤，具体包括：输入一组连续帧图像序列，检测到每帧中是否存在运动物体，并输出候选框结果给火焰检测器步骤；
[0010]火焰检测器步骤，具体包括：接收火焰检测器步骤输出的候选框结果，如果存在运动物体，利用深度学习网络识别出候选区域；
[0011]检测匹配步骤，具体包括：对所述火焰检测器步骤检测出的区域和运动物体检测步骤检测出的区域进行匹配，只有满足一定交并比的区域才被保留；
[0012]运动特征过滤步骤，具体包括：经过检测匹配步骤保留下来的区域利用帧与帧之间的运动特征进行进一步的筛选，最终确定的区域即为火焰区域。
[0013]作为一种较佳的实施例，所述运动物体检测步骤具体包括：
[0014]步骤SS11：静态相机下捕捉得到的连续帧通过自适应混合高斯模型MOG获得前景图像；
[0015]步骤SS12：对获取的前景图像进行形态学操作，减少前景图像数量；
[0016]步骤SS13：使用基于边界跟踪的数字化二值图像拓扑结构分析获取每个前景图像的最小外接矩形；
[0017]步骤SS14：根据非极大值抑制算法对候选最小外接矩形进行过滤，得到基于背景建模方法获取的候选框。
[0018]作为一种较佳的实施例，所述火焰检测器步骤具体包括：
[0019]步骤SS21：对输入的单帧图像缩放到固定的大小，作为检测器的输入数据；
[0020]步骤SS22：运行火焰检测模型对输入数据进行处理，获取得分超过设定阈值的候选框；
[0021]步骤SS23：根据设定的候选区域面积占比条件进行候选区域过滤，得到火焰检测器的候选区域结果。
[0022]作为一种较佳的实施例，所述检测匹配步骤具体包括：
[0023]步骤SS31：遍历火焰检测器步骤获取的候选框，如果得分超过阈值，则确认其为火焰候选框，不需要进行后续过滤；
[0024]步骤SS32：对于得分未超过阈值的火焰检测器步骤获取的候选框，计算每个候选框C与背景建模获取的候选框G的交并比IOU，计算公式如下：
[0025][0026]如果超过设定阈值，则认为候选框合法，保留候选框；否则，丢弃。
[0027]作为一种较佳的实施例，所述运动特征过滤步骤具体包括：
[0028]步骤SS41：获取前n帧确定的火焰区域，如果当前帧序列小于n，则以前面3个帧确定的火焰区域作为火焰最终区域；
[0029]步骤SS42：对当前帧的候选框进行与之前n帧数据火焰区域之间进行匹配，如果存在交并比超过阈值的候选框，则将当前帧的候选框被检测到数量num加1，计算每个候选框的得分score，计算方式如下：
[0030][0031]保留得分超过设定阈值的候选框为最终火焰区域；
[0032]步骤SS43：保留当前帧所有确定的火焰框到火焰框队列中，供和后面帧进行比对。
[0033]本专利技术还提出一种基于监控视频的火焰检测系统，包括：
[0034]运动物体检测模块，用于执行：输入一组连续帧图像序列，检测到每帧中是否存在运动物体，并输出候选框结果给火焰检测器模块；
[0035]火焰检测器模块，用于执行：接收火焰检测器模块输出的候选框结果，如果存在运动物体，利用深度学习网络识别出候选区域；
[0036]检测匹配模块，用于执行：对所述火焰检测器模块检测出的区域和运动物体检测步骤检测出的区域进行匹配，只有满足一定交并比的区域才被保留；
[0037]运动特征过滤模块，用于执行：经过检测匹配模块保留下来的区域利用帧与帧之间的运动特征进行进一步的筛选，最终确定的区域即为火焰区域。
[0038]作为一种较佳的实施例，所述运动物体检测模块具体执行：静态相机下捕捉得到的连续帧通过自适应混合高斯模型MOG获得前景图像；对获取的前景图像进行形态学操作，减少前景图像数量；使用基于边界跟踪的数字化二值图像拓扑结构分析获取每个前景图像的最小外接矩形；根据非极大值抑制算法对候选最小外接矩形进行过滤，得到基于背景建模方法获取的候选框。
[0039]作为一种较佳的实施例，所述火焰检测器模块具体执行：对输入的单帧图像缩放到固定的大小，作为检测器本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于监控视频的火焰检测方法，其特征在于，包括如下步骤：运动物体检测步骤，具体包括：输入一组连续帧图像序列，检测到每帧中是否存在运动物体，并输出候选框结果给火焰检测器步骤；火焰检测器步骤，具体包括：接收火焰检测器步骤输出的候选框结果，如果存在运动物体，利用深度学习网络识别出候选区域；检测匹配步骤，具体包括：对所述火焰检测器步骤检测出的区域和运动物体检测步骤检测出的区域进行匹配，只有满足一定交并比的区域才被保留；运动特征过滤步骤，具体包括：经过检测匹配步骤保留下来的区域利用帧与帧之间的运动特征进行进一步的筛选，最终确定的区域即为火焰区域。2.根据权利要求1所述的一种基于监控视频的火焰检测方法，其特征在于，所述运动物体检测步骤具体包括：步骤SS11：静态相机下捕捉得到的连续帧通过自适应混合高斯模型MOG获得前景图像；步骤SS12：对获取的前景图像进行形态学操作，减少前景图像数量；步骤SS13：使用基于边界跟踪的数字化二值图像拓扑结构分析获取每个前景图像的最小外接矩形；步骤SS14：根据非极大值抑制算法对候选最小外接矩形进行过滤，得到基于背景建模方法获取的候选框。3.根据权利要求1所述的一种基于监控视频的火焰检测方法，其特征在于，所述火焰检测器步骤具体包括：步骤SS21：对输入的单帧图像缩放到固定的大小，作为检测器的输入数据；步骤SS22：运行火焰检测模型对输入数据进行处理，获取得分超过设定阈值的候选框；步骤SS23：根据设定的候选区域面积占比条件进行候选区域过滤，得到火焰检测器的候选区域结果。4.根据权利要求1所述的一种基于监控视频的火焰检测方法，其特征在于，所述检测匹配步骤具体包括：步骤SS31：遍历火焰检测器步骤获取的候选框，如果得分超过阈值，则确认其为火焰候选框，不需要进行后续过滤；步骤SS32：对于得分未超过阈值的火焰检测器步骤获取的候选框，计算每个候选框C与背景建模获取的候选框G的交并比IOU，计算公式如下：如果超过设定阈值，则认为候选框合法，保留候选框；否则，丢弃。5.根据权利要求1所述的一种基于监控视频的火焰检测方法，其特征在于，所述运动特征过滤步骤具体包括：步骤SS41：获取前n帧确定的火焰区域，如果当前帧序列小于n，则以前面3个帧确定的火焰区域作为火焰最终区域；步骤SS42：对当前帧的候选框进行与之前n帧数据火焰区域之间进行匹配，如果存在交并比超过阈值的候选框，则将当前帧的候选框被检测到数量num加1，计算每个候选框的得分score，计算方式如下：
保留得分超过设定阈值的候选框为最...
【专利技术属性】
技术研发人员：朱浩，曹颂，钟星，
申请(专利权)人：南京图菱视频科技有限公司，
类型：发明
国别省市：
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。