一种基于图像的火灾检测方法技术

本发明专利技术公开了一种基于图像的火灾检测方法，获取当前帧图像和背景帧图像；对当前帧图像和背景帧图像进行第一预处理，得到第一预处理当前帧图像和第一预处理背景帧图像；提取形状不规则特征、背景模糊特征以及面积增长率；基于第一BP神经网络模型，以形状不规则特征、背景模糊特征和面积增长率作为输入值，得出烟雾检测结果；当烟雾检测结果为有烟雾时，对当前帧图像和背景帧图像进行火焰检测，并根据火焰检测结果得到火灾检测结果；本发明专利技术通过将背景帧图像作为图像比对的基础，提取当前帧图像和背景帧图像中的烟雾特征，再结合BP神经网络模型，先对图像中的烟雾进行检测，若无烟雾，则不需要进行火焰检测，节省检测时间，提升检测效率。

【技术实现步骤摘要】
一种基于图像的火灾检测方法
本专利技术属于图像检测
，尤其涉及一种基于图像的火灾检测方法。
技术介绍
火的使用与早期人类社会的进步息息相关，与此同时，由火焰引发的火灾却对人们的生命财产安全造成了严重威胁。国家应急管理部发布数据表明，2020年，全国范围内，仅3月份，共发生森林火灾221起，同比减少34.2％，而仅四川省境内，发生森林草原火灾共42起，同比增加26起，增幅达到163％。最严重的一起火灾是3月30日，位于四川省凉山州西昌市，造成19名人员牺牲。2019年，亚马逊森林大火过火面积89万公顷，同年西伯利亚大火导致270万公顷被熊熊大火灼烧，此前备受人们关注的澳大利亚大火，自2019年9月开始至今年4月，全境总计1120万公顷森林被烧毁。火情致使人们伤亡惨重甚至无家可归，除此之外对当地的经济也造成了巨大打击。就澳洲本次火情而言，据银行估算，山火迄今造成的损失已经超过34亿美元，整个澳大利亚的GDP也将因此减少0.2％至0.5％。在中国，1987年发生的特大森林火灾，位于黑龙江省大兴安岭地区林场。此次火灾造成全国110万公顷的过火面积，受灾群众5万余人，死亡193人，226人受伤，造成当地直接经济损失大约55亿元人民币。随着科技的发展，人们逐渐意识到需要加强预警监测系统建设，与其在意外发生时耗时耗力控制，不如提高火灾预警水平，及时发现着火区域，尽早控制并消灭火情。因此如何高效的检测、报警火灾，及时预防、控制火情，引起人们的极大关注。火灾的发生对人们造成的各种危害使得火灾报警系统的研究发展在很早之前就已经展开。最初的火灾报警系统主要是基于检测火灾发生时产生的燃烧物质而进行的传感器报警，后期为了实现多传感器集成警报，使用了感烟、感温、感光探测器及复合型探测器等多个传感器。利用火焰的烟雾，温度和光的特征来检测火灾并转换火灾信号(模拟信号)，并将其转换为电信号(数字信号)，反馈给控制中心进行检测。但是，对于户外及高大空间而言，传统感烟、感温、感光式火灾探测器等单一判据的监测系统应用性不强，易受环境内其他因素干扰，误报率较高。
技术实现思路
本专利技术的目的是提供一种基于图像的火灾检测方法，通过与烟雾和火焰进行结合分析，提高火灾检测准确率，降低火灾预警的误报率。本专利技术采用以下技术方案：一种基于图像的火灾检测方法，包括以下步骤：获取当前帧图像和背景帧图像；对当前帧图像和背景帧图像进行第一预处理，得到第一预处理当前帧图像和第一预处理背景帧图像；其中，背景帧图像为当前帧图像之前的第N帧图像，N为大于等于1的整数；提取第一预处理当前帧图像中第三区域的形状不规则特征、第一预处理当前帧图像和第一预处理背景帧图像之间的背景模糊特征、以及第一预处理当前帧图像和第一预处理背景帧图像中的疑似烟雾区域的面积增长率；基于第一BP神经网络模型，以形状不规则特征、背景模糊特征和面积增长率作为输入值，得出烟雾检测结果；当烟雾检测结果为有烟雾时，对当前帧图像和背景帧图像进行火焰检测，并根据火焰检测结果确定火灾检测结果。进一步地，第一预处理包括：通过背景减除法对当前帧图像/背景帧图像与对应的对比帧图像进行比较，得到具有第一区域的当前帧图像/背景帧图像；其中，对比帧图像为当前帧图像/背景帧图像之前的第M帧图像，M为大于等于1的整数；以第一预定阈值对当前帧图像/背景帧图像的R、G、B通道进行颜色提取并滤波，得到具有R通道特征的当前帧图像/背景帧图像、具有G通道特征的当前帧图像/背景帧图像和具有B通道特征的当前帧图像/背景帧图像；将具有R通道特征的当前帧图像/背景帧图像、具有G通道特征的当前帧图像/背景帧图像和具有B通道特征的当前帧图像/背景帧图像进行融合，得到具有第二区域的当前帧图像/背景帧图像；将具有第一区域的当前帧图像/背景帧图像和具有第二区域的当前帧图像/背景帧图像进行融合，得到具有第三区域的当前帧图像/背景帧图像；对具有第三区域的当前帧图像/背景帧图像中的第三区域依次进行边缘检测和形态学处理，得到第一预处理当前帧图像/第一预处理背景帧图像。进一步地，第一BP神经网络模型具有3个输入特征值、2层隐藏层和1层输出层；其中，3个输入特征值分别对应形状不规则特征、背景模糊特征和面积增长率。进一步地，对当前帧图像和背景帧图像进行火焰检测方法为：对当前帧图像和背景帧图像进行第二预处理，得到第二预处理当前帧图像和第二预背景帧图像；提取第二预处理当前帧图像中火焰区域的质心特征、第二预处理当前帧图像和第二预背景帧图像中火焰区域的面积变化特征、第二预处理当前帧图像中火焰区域的尖角特征、以及第二预处理当前帧图像中火焰区域的纹理特征；基于第二BP神经网络模型，以质心特征、面积变化特征、尖角特征和纹理特征为输入值，得到火焰检测结果。进一步地，第二预处理的具体方法为：通过大津法对当前帧图像/背景帧图像进行自适应阈值二值化处理，得到具有第四区域的当前帧图像/背景帧图像；以第二预定阈值对当前帧图像/背景帧图像的R、G、B通道进行颜色提取并滤波，得到具有R通道特征的当前帧图像/背景帧图像、具有G通道特征的当前帧图像/背景帧图像和具有B通道特征的当前帧图像/背景帧图像；将具有R通道特征的当前帧图像/背景帧图像、具有G通道特征的当前帧图像/背景帧图像和具有B通道特征的当前帧图像/背景帧图像进行融合，得到具有第五区域的当前帧图像/背景帧图像；将具有第四区域的当前帧图像/背景帧图像和具有第五区域的当前帧图像/背景帧图像进行融合，得到具有第六区域的当前帧图像/背景帧图像；对具有第六区域的当前帧图像/背景帧图像中的第三区域依次进行边缘检测和形态学处理，得到第二预处理当前帧图像/第二预处理背景帧图像。进一步地，第二BP神经网络模型具有10个输入特征值、2层隐藏层和1层输出层；其中，10个输入特征值分别对应质心特征中的质心横坐标和质心纵坐标，面积变化特征，尖角特征，纹理特征中的角二阶矩、相关度、熵、对比度、逆差矩，以及第二预处理当前帧图像中第六区域的高度。进一步地，提取第一预处理当前帧图像中第三区域的形状不规则特征包括：获取第三区域的边缘像素点数量以及第三区域的像素点总数量；通过STD＝SEP/STP计算出不规则性的量度，将不规则性的量度作为第三区域的形状不规则特征；其中，STD为不规则性的量度，SEP是第三区域的边缘像素数量，STP是第三区域的像素点总数量。进一步地，形态学处理包括：对进行边缘检测后的当前帧图像/背景帧图像依次进行闭运算和开运算；其中，闭运算为依次进行膨胀操作和腐蚀操作；开运算为依次进行腐蚀操作和膨胀操作；膨胀操作为将与第三区域/第六区域边缘像素点接触的其他像素点进行合并；腐蚀操作为将第三区域/第六区域边缘像素点向内收缩。本专利技术的有益效果是：本专利技术通过将背景帧图像作为图像比对的基础，提取当前帧图像和本文档来自技高网...

【技术保护点】
1.一种基于图像的火灾检测方法，其特征在于，包括以下步骤：/n获取当前帧图像和背景帧图像；/n对所述当前帧图像和背景帧图像进行第一预处理，得到第一预处理当前帧图像和第一预处理背景帧图像；其中，所述背景帧图像为当前帧图像之前的第N帧图像，N为大于等于1的整数；/n提取所述第一预处理当前帧图像中第三区域的形状不规则特征、第一预处理当前帧图像和第一预处理背景帧图像之间的背景模糊特征、以及第一预处理当前帧图像和第一预处理背景帧图像中的疑似烟雾区域的面积增长率；/n基于第一BP神经网络模型，以所述形状不规则特征、背景模糊特征和面积增长率作为输入值，得出烟雾检测结果；/n当所述烟雾检测结果为有烟雾时，对所述当前帧图像和背景帧图像进行火焰检测，并根据火焰检测结果确定火灾检测结果。/n

【技术特征摘要】
1.一种基于图像的火灾检测方法，其特征在于，包括以下步骤：
获取当前帧图像和背景帧图像；
对所述当前帧图像和背景帧图像进行第一预处理，得到第一预处理当前帧图像和第一预处理背景帧图像；其中，所述背景帧图像为当前帧图像之前的第N帧图像，N为大于等于1的整数；
提取所述第一预处理当前帧图像中第三区域的形状不规则特征、第一预处理当前帧图像和第一预处理背景帧图像之间的背景模糊特征、以及第一预处理当前帧图像和第一预处理背景帧图像中的疑似烟雾区域的面积增长率；
基于第一BP神经网络模型，以所述形状不规则特征、背景模糊特征和面积增长率作为输入值，得出烟雾检测结果；
当所述烟雾检测结果为有烟雾时，对所述当前帧图像和背景帧图像进行火焰检测，并根据火焰检测结果确定火灾检测结果。


2.如权利要求1所述的一种基于图像的火灾检测方法，其特征在于，所述第一预处理包括：
通过背景减除法对所述当前帧图像/背景帧图像与对应的对比帧图像进行比较，得到具有第一区域的当前帧图像/背景帧图像；其中，所述对比帧图像为所述当前帧图像/背景帧图像之前的第M帧图像，M为大于等于1的整数；
以第一预定阈值对所述当前帧图像/背景帧图像的R、G、B通道进行颜色提取并滤波，得到具有R通道特征的当前帧图像/背景帧图像、具有G通道特征的当前帧图像/背景帧图像和具有B通道特征的当前帧图像/背景帧图像；
将具有R通道特征的当前帧图像/背景帧图像、具有G通道特征的当前帧图像/背景帧图像和具有B通道特征的当前帧图像/背景帧图像进行融合，得到具有第二区域的当前帧图像/背景帧图像；
将所述具有第一区域的当前帧图像/背景帧图像和具有第二区域的当前帧图像/背景帧图像进行融合，得到具有第三区域的当前帧图像/背景帧图像；
对具有第三区域的当前帧图像/背景帧图像中的第三区域依次进行边缘检测和形态学处理，得到所述第一预处理当前帧图像/第一预处理背景帧图像。


3.如权利要求1或2所述的一种基于图像的火灾检测方法，其特征在于，所述第一BP神经网络模型具有3个输入特征值、2层隐藏层和1层输出层；其中，所述3个输入特征值分别对应所述形状不规则特征、背景模糊特征和面积增长率。


4.如权利要求1所述的一种基于图像的火灾检测方法，其特征在于，对所述当前帧图像和背景帧图像进行火焰检测方法为：
对所述当前帧图像和背景帧图像进行第二预处理，得到第二预处理当前帧图像和第二预背景帧图像；
提取所述第二预处理当前帧图像中火焰区域的质心特征、第二预处理当前帧图像和第二预背景帧图像中火焰区域的面积变化特征、所述第二预处理当前帧图像中火焰区...

【专利技术属性】
技术研发人员：刘琳，魏凤笛，刘佳磊，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61