一种基于主动红外视频的零照度环境火灾烟雾识别方法，采集主动红外视频图像数据；通过差分法提取红外视频图像数据中的前景图像，并进行亮度值分析；提取并分析前景图像中聚类中心的速度特征；计算聚类中心速度特征的平均值和方差；根据计算得到的聚类中心速度特征的方差，并与预先设定的阈值进行比较，从而判断被监控受限零照度空间中是否有火灾烟雾；如果是火灾烟雾，给出报警信号；否则重新返回到前继续采集下一帧红外视频图像数据。本发明专利技术减少了红外视频图像背景噪声的影响，实现了在零照度环境下对主动红外视频烟雾的识别。
【技术实现步骤摘要】
本专利技术属于火灾探测
，具体涉及计算机图像处理以及零照度环境下的主动红外视频火灾探测，特别涉及。
技术介绍
可视火灾探测技术是基于机器视觉以及图像处理的火灾探测新技术，它能够有效地综合火焰、烟雾等图像特征，提供直观的火灾信息。可视火灾探测技术具有响应速度快， 监测范围广，距离远等特点，使火灾探测技术更大程度地满足了人们对火灾安全的要求，其中烟雾图像识别探测技术能够较早发现火灾，实现早期火灾探测。B. U. Toreyin等人在第13届欧洲信号处理会议上利用了小波变换来提取烟雾图像的边缘特征，并根据背景图像在烟雾遮挡下边缘变得模糊，边缘信息减少的现象来识别烟雾。在2006年美国举办的智能信息及多媒体信号处理会议上，Chen等提出了火灾烟雾颜色一般为灰色或黑色，所以结合RGB颜色模型与HIS颜色模型的I分量联合进行了火灾烟雾识别。熊子佑等在“Video-based Smoke Detection !Possibilities，Techniques，and Challenges” 一文中认为烟雾是湍流现象，可以通过无量纲的边缘与面积的比值或者表面积与体积的比值来描述这种湍流现象中复杂形状的特征。袁非牛在荷兰的《模式识别期刊》 上，提出基于累计方法的视频烟雾检测方法，为了加快检测速度，他首先将视频图像分割成了大小相等的块，然后利用某种搜索模板与块匹配方法估计出块的运动方向。2008年，Yang 等人发展了一种基于支持向量积SVM的火灾烟雾识别特征分类器，其选用的特征值是基于小波分析烟雾半透明的特征值。上述的烟雾视频图像识别探测技术都是基于环境具备足够的光照条件下，当监控场景光线不足，或者当环境处于零照度的情况下，普通摄像机的视频采集就会受到环境光照强度过小的影响。这是因为当前普通的摄像监控系统是在可见光的照射下，如阳光、灯光等，通过摄像机的镜头，将被摄物体反射的光线在摄像机的感光器件CCD靶面上成像，然后通过转换电路将图像信号转换为视频信号，再经过传输系统，最终将图象在显示设备，比如监视器上重现出来。基于这个原理，当环境光线不足，甚至于环境处于零照度的情况下，普通的视频烟雾探测技术就会受到制约。但是，主动红外摄像监控系统的工作原理是利用摄像机的CCD图像传感器具备很宽的感光光谱范围，它的感光光谱不仅包括了可见光区域， 并且还延伸至红外区域，基于此特性，就能够在没有可见光照明的情况下，使用与摄像机配套的红外光源，即红外灯，发出红外光经物体反射被红外CXD接收成像。利用这个特性，主动红外视频烟雾探测技术就能够克服光线不足导致普通视频烟雾探测技术失效的情况，它将是用于零照度环境下视频火灾烟雾探测的新手段。目前，在监控环境处于零照度的黑暗条件下，还未见利用主动红外摄像机进行红外视频采集，并配以相应火灾视频烟雾识别算法的探测技术，而一些典型的烟雾特征，如上述中提及的颜色特征、模糊特征、轮廓特征以及纹理特征等，在用于红外视频烟雾识别时， 由于其红外视频背景和图像的特殊性而存在缺陷。同时，在实际应用中如火车行李车厢、大飞机行李舱、物资仓库等重要监控场所，对其进行主动红外视频烟雾监控，并且根据红外视频烟雾图像的特点发展相应的火灾视频烟雾探测方法，具有重要的意义。
技术实现思路
本专利技术的技术解决问题克服现有技术的不足，提供一种，利用主动红外摄像机采集零照度环境下的红外烟雾视频图像，并且通过提取烟雾聚类中心的速度特征将烟雾与干扰源区分开来，从而实现零照度环境下主动红外视频烟雾识别的目的。本专利技术技术解决方案系统硬件部分如附图说明图1所示，它由红外光源、主动红外摄像机、图像采集卡、计算机(嵌入式系统)以及报警控制装置等构成。由主动红外摄像机采集得到的视频图像通过采集卡传给视频监控计算机进行处理首先采用差分法提取前景图像并进行亮度值分析；然后计算前景图像里聚类中心的速度特征并进行判别，如果判别为火灾烟雾，则计算机发出指令，控制报警器发出报警信号；如果判别为非火灾烟雾，则返回差分法步骤，继续处理下一帧图像。图2为本专利技术中的识别算法流程图，第一步，利用主动红外摄像机采集零照度环境下的红外烟雾视频图像；第二步，通过差分法提取第一步中所述视红外烟雾频图像中的前景图像，并进行亮度值分析；第三步，提取前景图像中聚类中心的速度特征；第四步，计算聚类中心速度特征的平均值和方差；第五步，根据计算得到的聚类中心速度特征的方差，并与预先设定的阈值进行比较，从而判断被监控受限的零照度环境下是否有火灾烟雾；第六步，如果有火灾烟雾，给出报警信号；否则重新返回到第二步继续对处理下一帧红外烟雾视频图像。具体解释和说明如下本专利技术首先采用背景差分算法来提取主动红外视频图像中的前景图像。背景差分算法能够得到较精确的前景图像，但所采集到的背景图像随着时间的推移，对外部条件造成的场景变化比较敏感，所以需要实时更新背景模型，通过下面的(1)式来计算视频每一帧的背景图像权利要求1.一种，其特征在于实现步骤如下第一步，利用主动红外摄像机采集零照度环境下的红外烟雾视频图像；第二步，通过差分法提取第一步中所述视红外烟雾频图像中的前景图像，并进行亮度值分析；第三步，提取前景图像中聚类中心的速度特征；第四步，计算聚类中心速度特征的平均值和方差；第五步，根据计算得到的聚类中心速度特征的方差，并与预先设定的阈值进行比较，从而判断被监控受限的零照度环境下是否有火灾烟雾；第六步，如果有火灾烟雾，给出报警信号；否则重新返回到第二步继续对处理下一帧红外烟雾视频图像；所述第二步中的差分法实现步骤如下(1)将第一帧作为背景图像，从第二帧开始，将背景图像与每一帧图像按照公式(1)进行差分得到前景图像if\l(x,yJ)-I(x,y,k)\>Totherwise(丄)上式中(χ，y)为以图像长方向为χ轴，宽方向为y轴建立的坐标系中像素点的坐标， X (x, y)为前景图像，j代表背景帧，k代表当前帧，I (x, y，j)为背景帧点(x，y)的像素值， I (X，1，k)为当前帧点(X，y)的像素值，T是阈值；(2)按照公式(2)更新背景图像I(X，y，j)\al(x, y, k) + (l-a)X(x, y) if X(x, y) = 0[I(^yJ)if Z(XJ) = 255(2)上式中α是常数，且0< α < 1，这样背景图像更新效果较好。如果差分结果图像 X(x，y)中点(X，y)的像素值为0，则更新背景图像中(x，y)点的像素值I (x，y，j)，如果差分结果前景图像X(x，y)中点(χ，y)的像素值为255，则不进行任何操作，像素值为255的图像部分称为前景图像。2.根据权利要求1所述的，其特征在于所述第二步中亮度值分析方法为利用HIS模型中的亮度值I分量来分析视频的前景图像，在一定的背景环境条件下，烟雾前景图像的亮度值在L1 < I < L2范围内变化，其中，其中Lp L2是烟雾前景图像的亮度值I分量的变化上下限，L2的值是实验统计数据所得，具体方法是多次在相同背景环境下，采用主动红外摄像机对烟雾区域进行视频采集， 然后通过对多个红外视频中烟雾前景图像的亮度值I进行统计分析得到烟雾前景图像的亮度值一般在L1 < I < L2范围内变化的结本文档来自技高网...
【技术保护点】
１．一种基于主动红外视频的零照度环境火灾烟雾识别方法，其特征在于实现步骤如下：第一步，利用主动红外摄像机采集零照度环境下的红外烟雾视频图像；第二步，通过差分法提取第一步中所述视红外烟雾频图像中的前景图像，并进行亮度值分析；第三步，提取前景图像中聚类中心的速度特征；第四步，计算聚类中心速度特征的平均值和方差；第五步，根据计算得到的聚类中心速度特征的方差，并与预先设定的阈值进行比较，从而判断被监控受限的零照度环境下是否有火灾烟雾；第六步，如果有火灾烟雾，给出报警信号；否则重新返回到第二步继续对处理下一帧红外烟雾视频图像；所述第二步中的差分法实现步骤如下：（１）将第一帧作为背景图像，从第二帧开始，将背景图像与每一帧图像按照公式（１）进行差分得到前景图像：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇｛＇ｃｌｏｓｅ＝＇＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｎ）２５５（／ｍｎ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）ｉｆ（／ｍｉ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）Ｉ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）Ｉ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ））（／ｍｏ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｎ）０（／ｍｎ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）ｏｔｈｅｒｗｉｓｅ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｎｃｅｄ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｒｏｗ）?（／ｍａｔｈ）上式中（ｘ，ｙ）为以图像长方向为ｘ轴，宽方向为ｙ轴建立的坐标系中像素点的坐标，Ｘ（ｘ，ｙ）为前景图像，ｊ代表背景帧，ｋ代表当前帧，Ｉ（ｘ，ｙ，ｊ）为背景帧点（ｘ，ｙ）的像素值，Ｉ（ｘ，ｙ，ｋ）为当前帧点（ｘ，ｙ）的像素值，Ｔ是阈值；（２）按照公式（２）更新背景图像Ｉ（ｘ，ｙ，ｊ）：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）Ｉ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇｛＇ｃｌｏｓｅ＝＇＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）ａＩ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｋ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＋（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ａ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）ｉｆ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）０（／ｍｎ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｉ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）ｉｆ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）２５５（／ｍｎ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）...
【技术特征摘要】
【专利技术属性】
技术研发人员：张永明，刘耘畅，方俊，王进军，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：34
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。