一种基于视频图像分析的森林烟火检测方法技术

一种基于视频图像分析的森林烟火检测算法，主要按照视频图像预处理、背景建模、形态学处理、运动分割、区域跟踪、区域连续性判断、特征提取和烟雾判断8个步骤检测视频中的烟雾。本发明专利技术针对森林烟雾的视频图像特点，主要对现有视频图像分析方法中的背景建模技术进行了改进，通过随机聚类从像素点邻域采集初始化模型，再通过选取像素点邻域中的部分样本对背景点进行更新，即克服了因样本选取过于集中而产生误判的问题，同时也进一步加快了检测烟雾的效率。由于本发明专利技术所述方法计算量小，可以直接在视频采集端进行烟雾判断，在保证检测准确率的同时也提高了计算效率，因而可以降低检测成本，实时性更优，适用面更广。

A forest smoke detection method based on video image analysis

A fire detection algorithm based on video analysis, mainly according to the video image preprocessing, background modeling, motion segmentation, morphological processing, region tracking, regional continuity judgment, feature extraction and smoke judgment of 8 steps detection of smoke. The invention of video image according to the characteristics of forest smoke, mainly on the existing video image analysis method of background modeling technology was improved by random clustering from the pixel neighborhood acquisition through initialization model, selects some samples in the neighborhood of the pixel points in the background update, which overcomes due to sample selection is too concentrated and the problem of discrimination, but also further accelerate the efficiency of smoke detection. Due to the method of the invention has small amount of calculation, can be directly carried out in the video acquisition terminal smoke judgment, ensure detection accuracy and improves the computing efficiency, which can reduce the cost of testing, real-time better, more widely applicable.

【技术实现步骤摘要】
一种基于视频图像分析的森林烟火检测方法
本专利技术涉及图像处理和森林火灾检测领域，尤其涉及一种基于视频图像分析的森林烟火检测方法。
技术介绍
火灾是森林最危险的敌人也是最可怕的林业灾害，会对森林地区的生态环境、生物活动造成严重的危害，严重威胁到人们的财产和生命安全，越早发现火灾就越可能将各方面的损失降到最小。烟雾作为明火出现前期的产物，对于火灾预警具有重要的作用。目前应用广泛的烟雾检测系统利用热敏原件、感烟元件、红外感光元件等传感器来进行烟雾探测，但是森林地区树木茂密，面积广阔，地势复杂，传感器的安装、维护困难，检测可靠性没有保证。基于智能视频识别的森林火灾烟雾检测方法利用计算机视觉中目标检测的方法，通过网络摄像头获取基本数据，监测覆盖范围广且成本低。现阶段，基于视频分析的森林烟火检测系统主要通过光流法或高斯混合模型进行运动检测，然后在不同的颜色空间内进行颜色统计并对烟雾的形状特点进行分析来实现烟雾的智能检测。但在综合环境复杂的森林环境中，由于光流法需要通过光流约束方程求解每一个像素点的运动矢量，高斯混合模型需要通过迭代方式求解模型参数，因而这些方法在对森林环境进行背景建模时运算速度缓慢，极大的影响了检测速度。现有的检测方法中也有通过Vibe技术进行运动检测的算法，但是所采用的Vibe算法需要在像素点的八邻域内随机选取样本集合里的20个样本值，样本中不可避免会出现重复选取的现象，而重复选取样本会增加像素错误分类的概率，进而影响烟雾识别的准确率。目前，虽然也存在对vibe方法进行改进的背景更新技术，但这些技术都是将vibe和其他的背景建模方法结合起来，都是比较大的改动，会增大计算量，无法同时解决准确率和计算量之间的矛盾关系。
技术实现思路
技术问题：本专利技术所针对的是现有的基于视频图像分析的烟雾识别方法无法在保证较高精确度的情况下减小运算的技术问题。技术方案：为了解决现有技术存在的不足，本专利技术的目的在于提供一种基于视频图像分析的森林烟火检测方法，本专利技术所述方法综合利用EViBe背景建模和动静态特征结合的烟雾识别方法，其特征在于按照以下步骤进行：步骤1：视频图像预处理：按照视频中的帧数，每次按时间顺序截取视频中的一帧图像，将图像转换为灰度图像后依次按照步骤2至步骤8的顺序进行处理；步骤2：背景建模：利用根据Vibe算法改进后的EViBe方法对每一个像素点按照步骤201至步骤204的顺序进行背景建模：步骤201：判断所截取的图像是否为视频中的第一帧，若不是第一帧，则跳转至步骤202；若是第一帧则对背景模型进行初始化，具体过程如下：以x表示像图像中像素点的横坐标，以y表示图像中素点的纵坐标，以P(x，y)表示图像中坐标为(x，y)的像素点，为图像中的每一个像素点P(x，y)建立一个样本集合M(P(x，y))＝{v1，v2，…，vi，…，vN}，样本集合M(P(x，y))初始值为随机选取的像素点P(x，y)的邻域U(P(x，y))内N个像素点的灰度值，N的值小于邻域U(P(x，y))内像素点的个数，其中N表示样本集合M(P(x，y))中元素的个数，vi表示样本集合M(P(x，y))中第i个元素，1≤i≤N；在图像中的每一个像素点P(x，y)都建立完样本集合后，跳转至步骤202；步骤202：背景点判断：以V(P(x，y))表示像素点P(x，y)的灰度值，R表示预设的灰度值差值，将以像素点P(x，y)的灰度值V(P(x，y))为中心、预设的灰度值差值R为半径的灰度值范围表示为像素点P(x，y)所对应的背景灰度区间SR(V(P(x，y)))，若像素点P(x，y)的样本集合M(P(x，y))中至少有#min个元素在像素点P(x，y)所对应的背景灰度值范围SR(V(P(x，y)))内，则将素点P(x，y)标记为背景点，否则，将像素点P(x，y)标记为前景点，并将前景像素点P(x，y)的前景点计数器加1；其中，#min表示预设的匹配点个数；标记完图像中所有像素点后跳转至步骤203；(此处的半径是针对在不同颜色空间中的统一讲法，在此处，由于本专利技术着重在灰度空间中进行处理，因而R着重表示简单的像素差值。当将本专利技术所述的方法类似的使用在RGB、Lab等颜色空间中处理时为颜色值的欧式距离)。步骤203：更新背景模型：设β为时间采样系数，对被标记为背景点的像素点P(x，y)，以1/β的概率用灰度值V(P(x，y))替换样本集合M(P(x，y))中的任一元素vi，同时以1/β的概率用灰度值V(P(x，y))替换该像素点P(x，y)的邻域U(P(x，y))中任意像素点P(x′，y′)的样本集合M(P(x′，y′))中的任一元素；步骤204：对后续每一帧图像都重复按照步骤202至步骤203的顺序进行判断，设δ为预设的活动点裁判帧数，并将在连续的δ帧中都被判断为前景点的像素点更新为活动点，对其他像素点不作处理；去除每一帧中的活动点建立每一帧的背景图像，并跳转至步骤3；步骤3：形态学处理：首先以4×4的矩形结构元对每一帧的背景图像进行开操作滤除椒盐噪声，接着以10×10的矩形结构元对该图像进行闭操作弥合背景图像中的间断，然后跳转至步骤4；步骤4：运动分割：检测活动点区域的轮廓，并计算每个轮廓的外接最小矩形rect，当外接最小矩形边界rect的高度rectheight不小于高度阈值heith，且外接最小矩形边界rect的宽度rectwidth不小于宽度阈值width时，记录当前检测到的外接最小矩形参数，将计算得到的所有外接最小矩形编号为外接最小矩形rect1_1至外接最小矩形rectk_n，其中rect1_1表示第1帧中的第1个外接最小矩形，rectk_n表示第k帧中的第n个外接最小矩形，然后跳转至5；步骤5：区域跟踪：分别计算每一个外接最小矩形rectj+1_n与前一帧中的每一个外接最小矩形rectj_1，...，rectj_m的面积重合率其中interrect表示两个外接最小矩形之间重合的面积，maxrect表示两个外接最小矩形相比较大的外接最小矩形的面积；若两个外接最小矩形之间的面积重合率ratio≥0.5，则认为这两个外接最小矩形相匹配并记录这两个外接最小矩形以及这两个外接最小矩形之间的匹配关系，然后跳转至步骤6；步骤6：区域连续性判断：根据步骤5中得到的匹配关系，将在连续五帧内都存在匹配关系的外接最小矩形所在区域为连续运动区域，并跳转至步骤7，否则跳转至步骤2；步骤7：特征提取：通过二维小波变换提取运动区域所对应的图像部分的高频能量；并且，根据运动区域的轮廓周长Per和轮廓面积Squ计算运动区域的圆度特征Compactness＝Per2/4πSqu；同时，将运动区域设为一个窗口，将窗口分别向左上、上、右上、左、原位置、右、左下、下、右下九个方向平移一个像素，以窗口中像素点替换原图像中的像素点，并分别计算将窗口向左上、上、右上、左、原位置、右、左下、下、右下九个方向移动后图像中每个像素点的灰度值与前一帧中对应位置的像素点的灰度值的差值，然后计算将窗口向左上、上、右上、左、原位置、右、左下、下、右下九个方向移动后图像中所有像素点灰度值差值的平方和，判定使得灰度值差值的平方和最小的窗口移动方向，将此移动方向设为烟雾的主运动方向；步骤8：本文档来自技高网...

【技术保护点】
一种基于视频图像分析的森林烟火检测方法，其特征在于按照以下步骤进行：步骤1：视频图像预处理：按照视频中的帧数，每次按时间顺序截取视频中的一帧图像，将图像转换为灰度图像后依次按照步骤2至步骤8的顺序进行处理；步骤2：背景建模：利用根据Vibe算法改进后的EViBe方法对每一个像素点按照步骤201至步骤204的顺序进行背景建模：步骤201：判断所截取的图像是否为视频中的第一帧，若不是第一帧，则跳转至步骤202；若是第一帧则对背景模型进行初始化，具体过程如下：以x表示图像中像素点的横坐标，以y表示图像中像素的纵坐标，以P(x，y)表示图像中坐标为(x，y)的像素点，为图像中的每一个像素点P(x，y)建立一个样本集合M(P(x，y))＝{v

【技术特征摘要】
1.一种基于视频图像分析的森林烟火检测方法，其特征在于按照以下步骤进行：步骤1：视频图像预处理：按照视频中的帧数，每次按时间顺序截取视频中的一帧图像，将图像转换为灰度图像后依次按照步骤2至步骤8的顺序进行处理；步骤2：背景建模：利用根据Vibe算法改进后的EViBe方法对每一个像素点按照步骤201至步骤204的顺序进行背景建模：步骤201：判断所截取的图像是否为视频中的第一帧，若不是第一帧，则跳转至步骤202；若是第一帧则对背景模型进行初始化，具体过程如下：以x表示图像中像素点的横坐标，以y表示图像中像素的纵坐标，以P(x，y)表示图像中坐标为(x，y)的像素点，为图像中的每一个像素点P(x，y)建立一个样本集合M(P(x，y))＝{v1，v2，…，vi，…，vN}，样本集合M(P(x，y))初始值为随机选取的像素点P(x，y)的邻域U(P(x，y))内N个像素点的灰度值，N的值小于邻域U(P(x，y))内像素点的个数，其中N表示样本集合M(P(x，y))中元素的个数，vi表示样本集合M(P(x，y))中第i个元素，1≤i≤N；在图像中的每一个像素点P(x，y)都建立完样本集合后，跳转至步骤202；步骤202：背景点判断：以V(P(x，y))表示像素点P(x，y)的灰度值，R表示预设的灰度值差值，将以像素点P(x，y)的灰度值V(P(x，y))为中心、预设的灰度值差值R为半径的灰度值范围表示为像素点P(x，y)所对应的背景灰度区间SR(V(P(x，y)))，若像素点P(x，y)的样本集合M(P(x，y))中至少有#min个元素在像素点P(x，y)所对应的背景灰度值范围SR(V(P(x，y)))内，则将素点P(x，y)标记为背景点，否则，将像素点P(x，y)标记为前景点，并将前景像素点P(x，y)的前景点计数器加1；其中，#min表示预设的匹配点个数；标记完图像中所有像素点后跳转至步骤203；步骤203：更新背景模型：设β为时间采样系数，对被标记为背景点的像素点P(x，y)，以1/β的概率用灰度值V(P(x，y))替换样本集合M(P(x，y))中的任一元素vi，同时以1/β的概率用灰度值V(P(x，y))替换该像素点P(x，y)的邻域U(P(x，y))中任意像素点P(x′，y′)的样本集合M(P(x′，y′))中的任一元素；步骤204：对后续每一帧图像都重复按照步骤202至步骤203的顺序进行判断，设δ为预设的活动点裁判帧数，并将在连续的δ帧中都被判断为前景点的像素点更新为活动点，对其他像素点不作处理；去除每一帧中的活动点建立每一帧的背景图像，并跳转至步骤3；；步骤3：形态学处理：首先以4×4的矩形结构元对每一帧的背景图像进行开操作滤除椒盐噪声，接着以10×10的矩形结构元对该图像进行闭操作弥合背景图像中的间断，然后跳转至步骤4；步骤4：运动分割：检测活动点区域的轮廓，并计算每个轮廓的外接最小矩形rect，当外接最小矩形边界rect的高度rectheight不小于高度阈值heith，且外接最小矩形边界rect的宽度rectwidth不小于宽度阈值width时，记录当前检测到的外接最小矩形参数，将计算得到的所有外接最小矩形编号为外接最小矩形rect1_1至外接最小矩形rectk_n，其中rect1_1表示第1帧中的第1个外接最小矩形，rectk_n表示第k帧中的第n个外接最小矩形，然后跳转至5；步骤5：区域跟踪：分别计算每一个外接最小矩形rectj+1_n与前一帧中的每一个外接最小矩形rectj_1，...，rectj_m的面积重合率其中interrect表示两个外接最小矩形之间重合的面积，maxrect表示两个外接最小矩形之间较大的外接最小矩形的面积；若两个外接最小矩形之间的面积重合率ratio≥0.5，则认为这两个外接最小矩形相匹配并记录这两个外接最小矩形以及这两个外接最小矩形之间的匹配关系，然后跳转至步骤6；步骤6：区域连续性判断：根据步骤5中得到的匹配关系，将在连续五帧内都存在匹配关系的外接最小矩形所在区域判定为运动区域，并跳转至步骤7，否则跳转至步骤2；步骤7：特...

【专利技术属性】
技术研发人员：路小波，蔡敏，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32