烟雾检测的方法技术

本发明专利技术公开了一种烟雾检测方法，主要研究的是黑暗场景中，其包括两个阶段：训练分类器阶段和检测烟雾阶段，训练分类器阶段包括接收样本视频信息，利用背景差法检测场景中的运动区域，提取所有运动区域的运动特征，利用支撑向量机将所有运动区域提取运动特征组合成运动特征向量并其存入分类器；检测烟雾阶段包括，接收待检测视频信息，利用与训练分类器阶段相同的方法检测运动区域的运动特征并组合成运动特征向量，将该运动特征向量输入分类器，获得单帧图像中运动区域属于烟雾的概率，对同一目标进行综合分析，判断该目标是否为烟雾。本发明专利技术能够实现简单黑暗场景中大空间范围内的实时烟雾检测，能够为密闭大型仓库的火灾防控工作提供安全保障。

【技术实现步骤摘要】

本专利技术涉及安防监控领域，尤其涉及一种。
技术介绍
传统的基于离子感烟器、光电感烟器的火灾报警系统由于成本低廉，在当前的火灾防控中取得了非常广泛的应用。但是探测器必须与一定浓度的烟雾接触才能报警，使得它无法应用于大的空间以及露天环境。计算机视觉主要研究从图像数据中获取信息的方法。基于计算机视觉的烟雾检测方法通过对视频图像内容进行分析，判断场景中是否存在烟雾，因此它不需要与烟雾接触， 能够监控大空间以及露天区域；此外，基于视频监控的火灾报警系统能够实时传送监控现场的视频信息，在发生报警后，消防人员可以利用视频信息及时判断火灾报警的真实性，避免火灾防控系统误报警带来的损失；同时对于真正发生的火灾，视频图像也能够帮助消防人员了解火场信息，及时制定有效的灭火方案。烟雾检测属于计算机视觉领域中特定目标的检测识别问题，目前实际使用中的烟雾检测算法主要有以下几种1、基于颜色信息的烟雾检测，颜色信息是对图像分析中一种经常利用的信息，通过在视频图像中寻找与烟雾颜色近似的区域，能够实现烟雾的检测。然而，利用颜色信息进行烟雾检测容易受相似颜色目标的干扰；此外，不同燃烧物燃烧所释放出的烟雾颜色有较大差异，也是限制颜色信息在烟雾检测中应用的一个重要限制；2、基于运动信息的烟雾检测，场景中的光流反映了场景中各点在视频流中的运动方向，一些人员通过计算场景中的光流，寻找场景中同烟雾扩散相似的运动区域，从而发现场景中的疑似烟雾区域。然而，光流计算的准确性，监控区域的成像条件等都对烟雾的准确检测结果有很大影响；3、基于小波分析的烟雾检测，小波分析方法能够在频域和空域同时对图像进行分析，在图像处理领域的很多问题中都有重要应用。有学者研究了图像中烟雾区域同非烟雾区域在小波域的差别，分析了小波域能量损失与保留能量的关系、小波系数的统计规律等，获得了较好的烟雾检测效果。但是小波分析方法往往只针对特定形态的烟雾，难以满足一些特定场合的应用需求，此外，对于成像质量较差的视频，噪声也会对图像小波域的信息有较大影响。 虽然研究人员根据烟雾的不同特性提出了不同的烟雾检测算法，但是，现有的基于计算机视觉的烟雾检测方法研究主要集中于可见光场景，无法应用于黑暗的密闭空间以及夜晚场景。为此，有必要对上述的烟雾检测算法进行进一步的改进。
技术实现思路
本专利技术提出了一种，能够在黑暗的密闭空间及夜晚场景中实时精确地完成对烟雾的检测。本专利技术采用的一个技术方案是提供一种，包括两个阶段生成分类器阶段和检测烟雾阶段；所述生成分类器阶段，包括如下步骤SI I、接收样本视频；S12、对样本视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为以样本视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的绝对值与运动检测阈值比较，若差值的绝对值大于运动检测阈值，则设定该像素点存在运动区域，赋第一灰度值后以该像素点为中心搜索相邻像素点中存在的相同灰度值的像素点，并标记为连通域，若差值的绝对值不大于运动检测阈值，则设定该像素点不存在运动区域并赋灰度值；S13、确定运动区域帧间关系，对于第t帧图像连通域中的每一运动区域，计算其与第t-i帧图像连通域中所有运动区域的距离，判断是否小于距离阈值，若是，则将第t帧图像中的运动区域与第t-ι帧图像中的运动区域标记为同一目标，若否，则处理第t帧图像的下一个运动区域或下一帧图像；S14、计算单帧图像的运动区域特征，对第t帧中的运动区域，若能够在第t-Ι帧图像中找到由同一目标运动产生的运动区域，计算同一目标中第t帧图像的运动区域特征， 标记运动区域类别属性并保存；S15、生成分类器，对样本视频信息中的所有运动区域提取运动特征和标记运动区域类别属性后，将所有运动区域提取运动特征组合成运动特征向量并标记类别后，将所有运动特征向量和类别标记存储于分类器中；所述检测烟雾阶段，包括如下步骤S21、接收待检测的视频；S22、对待检测的视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为以待检测视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的绝对值与运动检测阈值比较，若差值的绝对值大于运动检测阈值，则设定该像素点存在运动区域，赋灰度值后以该像素点为中心搜索相邻像素点中存在的相同灰度值的像素点，并标记为连通域， 若差值的绝对值不大于运动检测阈值，则设定该像素点不存在运动区域并赋灰度值；S23、确定运动区域帧间关系，对于第t帧图像连通域中的每一运动区域，计算其与第t-Ι帧图像连通域中所有运动区域的距离，判断是否小于距离阈值，若是，则将第t帧图像与第t-Ι帧图像中对应区域标记为同一目标，若否，则判断该目标为新产生的运动区域，并返回步骤S22;S24、计算单帧图像运动区域的概率，对第t帧中的运动区域，若能够在第t-Ι帧图像中找到由同一目标运动产生的运动区域，计算同一目标中第m帧图像的运动区域特征后，标记运动区域类别属性并保存；对待检测视频信息中的所有运动区域提取运动特征和标记运动区域类别属性后，将所有运动区域提取运动特征组合成运动特征向量并标记类别后，将所有运动特征向量和类别标记输入分类器中，计算单帧图像运动区域的概率；S25、目标综合分析，判断目标存在帧数是否大于帧数阈值，若是，则计算目标存在帧数对应区域为烟雾的平均概率，并该判断平均概率与烟雾报警阈值的关系，具体为当该判断平均概率大于烟雾报警阈值时，则判断该目标为烟雾并报警，当该判断平均概率小于或等于烟雾报警阈值时，则判断该目标为非烟雾，并返回步骤S12 ;若否，则判断该目标为非烟雾，并返回步骤S12。优选的，所述步骤S12中生成运动前景二值图像与对运动前景二值图像进行连通域标记之间，还包括步骤S121、判断是否需要更新背景图像，将第t帧图像Ft与背景图像Bt对应像素相减差值的绝对值累加求和，得到当前帧d￥ftB'F = E(x.v),f,\Ft (x，— Br (A 4，将沿瓦〃与背景更新阈值ΛΒ进行比较，若 *瓦〃大于ΛΒ且当前目标中没有产生报警的烟雾疑似区域，则更新背景图像，将Ft作为新的背景图像Bt+1，反之，则不更新背景图像，具体为优选的，所述步骤S121之后与对运动前景二值图像进行连通域标记之前，还包括步骤S122、对运动前景二值图像进行滤波，对以运动前景二值图像中的任一像素点的为中心邻域8个像素点的灰度值进行排序，并选取8个像素点灰度值中的中间值为中心邻域内像素点的灰度值。优选的，所述步骤S13具体为计算第t帧图像与第t-Ι的中各运动区域间距离，计算t巾贞第i个运动区域与第t-Ι巾贞图像第j个运动区域的均值/4，M*fl I计算t帧第i个运动区域与第t-l帧图像第j个运动区域的方差权利要求1.一种，其特征在于，包括两个阶段生成分类器阶段和检测烟雾阶段； 所述生成分类器阶段，包括如下步骤 SI I、接收样本视频； s12、对样本视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为以样本视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的本文档来自技高网...

【技术保护点】
一种烟雾检测的方法，其特征在于，包括两个阶段：生成分类器阶段和检测烟雾阶段；所述生成分类器阶段，包括如下步骤：S11、接收样本视频；S12、对样本视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为：以样本视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的绝对值与运动检测阈值比较，若差值的绝对值大于运动检测阈值，则设定该像素点存在运动区域，赋第一灰度值后以该像素点为中心搜索相邻像素点中存在的相同灰度值的像素点，并标记为连通域，若差值的绝对值不大于运动检测阈值，则设定该像素点不存在运动区域并赋灰度值；S13、确定运动区域帧间关系，对于第t帧图像连通域中的每一运动区域，计算其与第t?1帧图像连通域中所有运动区域的距离，判断是否小于距离阈值，若是，则将第t帧图像中的运动区域与第t?1帧图像中的运动区域标记为同一目标，若否，则处理第t帧图像的下一个运动区域或下一帧图像；S14、计算单帧图像的运动区域特征，对第t帧中的运动区域，若能够在第t?1帧图像中找到由同一目标运动产生的运动区域，计算同一目标中第t帧图像的运动区域特征，标记运动区域类别属性并保存；S15、生成分类器，对样本视频信息中的所有运动区域提取运动特征和标记运动区域类别属性后，将所有运动区域提取运动特征组合成运动特征向量并标记类别后，将所有运动特征向量和类别标记存储于分类器中；所述检测烟雾阶段，包括如下步骤：S21、接收待检测的视频；S22、对待检测的视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为：以待检测视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的绝对值与运动检测阈值比较，若差值的绝对值大于运动检测阈值，则设定该像素点存在运动区域，赋灰度值后以该像素点为中心搜索相邻像 素点中存在的相同灰度值的像素点，并标记为连通域，若差值的绝对值不大于运动检测阈值，则设定该像素点不存在运动区域并赋灰度值；S23、确定运动区域帧间关系，对于第t帧图像连通域中的每一运动区域，计算其与第t?1帧图像连通域中所有运动区域的距离，判断是否小于距离阈值，若是，则将第t帧图像与第t?1帧图像中对应区域标记为同一目标，若否，则判断该目标为新产生的运动区域，并返回步骤S22；S24、计算单帧图像运动区域的概率，对第t帧中的运动区域，若能够在第t?1帧图像中找到由同一目标运动产生的运动区域，计算同一目标中第m帧图像的运动区域特征后，标记运动区域类别属性并保存；对待检测视频信息中的所有运动区域提取运动特征和标记运动区域类别属性后，将所有运动区域提取运动特征组合成运动特征向量并标记类别后，将所有运动特征向量和类别标记输入分类器中，计算单帧图像运动区域的概率；S25、目标综合分析，判断目标存在帧数是否大于帧数阈值，若是，则计算目标存在帧数对应区域为烟雾的平均概率，并该判断平均概率与烟雾报警阈值的关系，具体为：当该判断平均概率大于烟雾报警阈值时，则判断该目标为烟雾并报警，当该判断平均概率小于或等于烟雾报警阈值时，则判断该目标为非烟雾，并返回步骤S12；若否，则判断该目标为非烟雾，并返回步骤S12。...

【技术特征摘要】

【专利技术属性】
技术研发人员：阮锐，吴翔，
申请(专利权)人：深圳辉锐天眼科技有限公司，
类型：发明
国别省市：