一种气体泄漏红外成像自动报警方法技术

本发明专利技术公开一种气体泄漏红外成像自动报警方法，应用于使用光学气体成像技术进行气体泄漏视频监控领域。针对现有气体泄漏成像视频监控系统需要人眼识别是否存在气体泄漏的问题，本发明专利技术的方法通过深度学习算法结合视频图像运动分析算法自动识别是否存在气体泄漏，并提取气体泄漏图像进行自动报警，采用本发明专利技术的方案可以减少干扰目标引起的误报、降低虚警率，本发明专利技术的方法还计算气云体积浓度，并用伪彩编码在图像上进行可视化标识，实时显示气体泄漏的位置、分布及运动趋势。分布及运动趋势。分布及运动趋势。

【技术实现步骤摘要】
一种气体泄漏红外成像自动报警方法


[0001]本专利技术属于光学气体成像
，特别涉及一种气体泄漏红外成像自动报警技术。

技术介绍

[0002]气体泄漏不仅影响企业的正常生产，还会污染环境，甚至引发火灾、爆炸等事故，严重威胁社会和人民的生命财产安全。基于光学气体成像仪(OGI)气体泄漏红外成像系统，对石油化工重要区域、油气储存和运输过程中气体泄漏进行大范围、远距离、动态直观监测并实现自动报警。气体如甲烷等在红外波段具有特征吸收峰，可燃气体对背景的红外辐射具有吸收作用，当发生泄漏时，背景红外辐射透过气体吸收衰减后存在差异，红外成像探测器对有泄漏区域和无泄漏区域的差异成像，从而实现气体的被动探测。红外热成像系统将红外辐射经光学系统汇聚后进入红外成像探测器，这部分辐射能量经过光电转换、信号处理等过程，以视频图像的形式显示出来，实现了肉眼不可见气体的可视化。为了改善视觉效果，如美国FLIR公司产品采用高灵敏度模式(HSM)功能从后续帧的视频流帧中减去一定百分比的单像素信号(增强了帧之间的差异)，使泄漏在最终图像上更清晰突出地显示出来，但需要人眼去判断图像中是否有气体泄漏的图像。对于7*24小时在线无人值守系统，不能自动分析红外图像中是否检测到气体泄漏并进行自动报警，使用受到极大的限制。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出一种气体泄漏红外成像自动报警方法，可自动识别是否存在气体泄漏并报警。
[0004]本专利技术采用的技术方案为：一种气体泄漏红外成像自动报警方法，基于的气体泄漏红外成像自动报警系统包括：光学气体成像仪、视频图像采集处理装置和报警装置；
[0005]光学气体成像仪用于对视频监控区域进行成像，输出监控区域的视频图像；
[0006]视频图像采集处理装置通过采集光学气体成像仪输出的监控区域的视频图像，并对监控区域的视频图像进行分析，若监控区域的视频图像中存在气体泄漏时的气云图像，则向报警装置发送报警信息进行报警，并同时对气体泄漏进行定位；所述视频图像采集处理装置对监控区域的视频图像进行分析的过程为：
[0007]S1、采集监控区域的视频图像并进行降噪和增强处理；
[0008]S2、通过运动侦测经步骤S1处理后的监控区域的视频图像，判断是否存在运动特征的目标图像，如果没有运动目标就返回S1，反之则输出运动目标的二值化图像；
[0009]S3、从步骤S2得到的二值化图像中提取包含气体云团的所有运动目标的轮廓，并计算各个轮廓内的面积，将面积小于阈值的轮廓作为干扰去除后，通过对轮廓区域填充得到运动目标图像提取的掩膜图像，根据掩膜图像从经步骤S1处理后的视频图像中提取包含气体云团图像的所有运动目标图像；
[0010]S4、采用深度学习目标检测算法对步骤S1处理后的图像进行气云图像目标检测，
若有气体泄漏形成的气云目标图像则执行步骤S5；否则返回步骤S1；
[0011]S5、采用基于深度学习的语义分割算法对经步骤S4检测到有气体泄漏的气云图像的视频图像进行语义分割，提取气云图像；
[0012]S6、分别对步骤S5提取的气云图像和步骤S3得到的包含气体云团图像的运动目标图像消除干扰处理，对消除干扰后的结果进行分析，若存在气体泄漏形成的气云图像，则向报警装置发送报警信息进行报警，并执行步骤S7；否则返回步骤S1；
[0013]S7、计算经步骤S6处理后的气云图像上各个像素点对应的气体体积浓度；
[0014]S8、对经步骤S6处理后的气云图像提取最大轮廓，并计算该最大轮廓的最大外接矩形，以3*3个像素为最小单元，对外接矩形进行网格化分割，利用S7的输出计算每个网格内的平均浓度值，通过比较找到最大平均浓度值所在的网格，从而确定泄漏位置。
[0015]还包括：以步骤S7得到的各像素点代表的气体浓度值为索引获得对应的伪彩编码表中的对应的RGB值，从而得到伪彩图像。
[0016]本专利技术的有益效果：本专利技术通过深度学习算法结合视频图像运动分析算法，自动识别提取气体泄漏图像并进行报警，采用本专利技术的方法可以减少干扰目标引起的误报、降低虚警率，本专利技术的方法还计算气云体积浓度，并用伪彩编码在图像上进行可视化标识，实时显示气体泄漏的位置、分布及运动趋势。
附图说明
[0017]图1为本专利技术方法的原理框图。
[0018]图2为自动报警系统原理框图。
具体实施方式
[0019]为便于本领域技术人员理解本专利技术的
技术实现思路
，下面结合附图对本
技术实现思路
进一步阐释。
[0020]本实施例实现了一种在线式气体泄漏红外成像自动报警方法，由光学气体成像仪(OGI)、视频图像采集处理装置和报警装置构成光学气体成像报警系统。在图像采集处理装置上通过算法实现一种气体成像泄漏自动报警方法，分析视频图像中是存在气体泄漏时的气云图像，若分析出视频图像中有气云图像时表示发现气体泄漏，通过向报警装置发送报警信息进行报警。
[0021]如图1所示，分析视频图像中是否有气体泄漏的过程包括以下处理模块：
[0022]红外图像采集模块1：通过光学气体成像仪(OGI)对监控区域进行成像，输出监控区域的视频图像；通过视频图像采集处理装置采集光学气体成像仪输出视频图像；
[0023]本实施例选用工作波段在3.1um～3.4um的窄带中波红外光学气体成像仪作为图2中光学气体成像仪(OGI)12，对甲烷等挥发性有机物(VOCs)可视化成像，选用具有千兆以太网接口的计算机或者边缘计算模块构成图2中视频图像采集处理装置13。视频采集处理装置13通过千兆以太网与窄带中波红外光学气体成像仪(OGI)通信，红外图像采集模块1通过运行于视频图像采集处理装置13上采集程序，采用TCP或UDP协议获得8bit/16bit气体成像的原始图像数据。
[0024]图像预处理模块2：基于图像滤波和增强方法对采集的视频图像进行降噪处理，基
于双阈值自适应直方图均衡算法对降噪后的图像进行增强处理；
[0025]运动侦测模块3：基于帧间差积分算法或运动目标背景建模算法获得预处理后的视频图像中包含运动特征气体云团图像的所有运目标的二值化图像；
[0026]运动目标提取模块4：具体采用轮廓提取算法从运动侦测模块3输出的二值化图像中提取包含气体云团的所有运动目标轮廓，并计算所有轮廓区域内的面积，本实施例中设置最小面积阈值为10，对面积小于阈值的轮廓区域当作噪声去除，通过对轮廓区域填充得到运动目标图像提取的掩膜图像，根据该掩膜图像对图像预处理模块2输出的图像进行包含气体云团图像的运动目标图像提取。
[0027]目标检测模块5：通过部署具有较强实时性深度学习目标检测算法对图像预处理模块2输出的图像中是否有气体泄漏的气云图像进行检测，未检测到有泄漏气体图像则返回红外图像采集模块1。本实施例采用YOLOv5算法进行气云图像检测。预先利用气云图像样本训练目标检器，获得气体云团的目标检测特征模型，在视频图像采集处理装置13上进行部署实现气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气体泄漏红外成像自动报警方法，其特征在于，基于的气体泄漏红外成像自动报警系统包括：光学气体成像仪、视频图像采集处理装置和报警装置；光学气体成像仪用于对视频监控区域进行成像，输出监控区域的视频图像；视频图像采集处理装置通过采集光学气体成像仪输出的监控区域的视频图像，并对监控区域的视频图像进行分析，若监控区域的视频图像中存在气体泄漏时的气云图像，则向报警装置发送报警信息进行报警，并同时对气体泄漏进行定位；所述视频图像采集处理装置对监控区域的视频图像进行分析的过程为：S1、采集监控区域的视频图像并进行降噪和增强处理；S2、通过运动侦测经步骤S1处理后的监控区域的视频图像，判断是否存在运动特征的目标图像，如果没有运动目标就返回S1，反之则输出运动目标的二值化图像；S3、从步骤S2得到的二值化图像中提取包含气体云团的所有运动目标的轮廓，并计算各个轮廓内的面积，将面积小于阈值的轮廓作为干扰去除后，通过对轮廓区域填充得到运动目标图像提取的掩膜图像，根据掩膜图像从经步骤S1处理后的视频图像中提取包含气体云团图像的所有运动目标图像；S4、采用深度学习目标检测算法对步骤S1处理后的图像进行气云图像目标检测，若有气体泄漏形成的气云目标图像则执行步骤S5；否则返回步骤S1；S5、采用基于深度学习的语义分割算法对经步骤S4检测到有气体泄漏的气云图像的视频图像进行语义分割，提取气云图像；S6、分别对步骤S5提取的气云图像和步骤S3得到的包含气体云团图像的运动目标图像消除干扰处理，对消除干扰后的结果进行分析，若存在气体泄漏形成的气云图像，则向报警装置发送报警信息进行报警，并执行步骤S7；否则返回步骤S1；S7、计算经步骤S6处理后的气...

【专利技术属性】
技术研发人员：徐泽宇，赵征庭，张铭，张广智，刘子骥，
申请(专利权)人：成都盈盛源电气科技有限公司，
类型：发明
国别省市：