一种基于视频分析的火焰检测方法技术

本发明专利技术涉及视频监控领域，具体涉及一种基于视频分析的火焰检测方法，其包括以下步骤：根据场景图像中的背景提取前景的二值图像，并根据所述前景的二值图像获得多个前景物体图像；根据所述多个前景物体图像的红绿蓝RGB直方图的颜色特征和根据所述多个前景物体图像的尺度不变特征SIFT或加速鲁棒特征SURF进行筛选，以筛选出符合火焰特征的所述前景物体图像。通过本发明专利技术的实施例提供的基于视频分析的火焰检测方法，能够更加高效准确地获知火焰情况。

【技术实现步骤摘要】

本专利技术涉及视频监控领域，具体涉及。
技术介绍
火灾是给人民大众带来巨大损失的灾难，因此火焰检测是所有的安防系统的重要部分。传统的火焰检测主要基于温度、红外、烟雾等传感器，虽然这些方法成本低廉而且实施简单，但是不能够应用于所有的火灾情况，因为它们的检测范围有限而且不够智能。近年来，随着监控摄像机的普及以及计算机视觉的发展，人们开始提出一些基于视频监控的火焰检测解决方案。但是这些方法过于简单而且不够成熟，难以投入到实际应用中。颜色特征是火焰的一种显著特征，也是判断火焰的重要根据。因此，颜色特征被现有技术的火焰检测算法所广泛应用。但是，这些算法使用颜色特征有很多问题首先，颜色模型过于简单，大多通过人为统计产生的，这样做只是依赖经验，而并不能覆盖所有的情况，例如相机过曝下的明亮火焰等；其次，对于颜色特征只是简单地逐个像素判断，并没有结合具体场景中的目标的运动信息；最后，很多算法只使用颜色特征来判断火焰，而忽略了其他重要特征，但即使颜色特征再鲁棒，只依赖它是不可靠的。火焰的结构特征也是重要的判断根据。梯度直方图(HOG)经常用来描述物体的纹理信息，但火焰的纹理信息只能在非常理想的情况下才能得到。虽然人眼能清楚地辨别火焰的纹理，但是摄像机并不是那么灵敏有些情况下火焰会显得过于明亮，导致视频里呈现一块白色的区域，丢失了纹理信息；还有些情况下燃烧物会夹杂在火焰里，导致干扰。 Narendra Ahuja等人在2004年利用快速傅里叶变换(FFT)描述火焰的形状信息，其中将二维空间上的点集转换成一个特征向量。但是由于火焰形状的多变性，这种方法非常不可靠。实际上，无论是基于轮廓的、基于像素的，还是基于骨架的形状特征描述，都不适用于火焰检测。对于火焰时间变化特征的判断，目前有基于隐马尔科夫模型(HMM)的方法，是 Toreyin 等人在 CVPR 07 的论文“Online Detection of Fire in Video” 中提出的，其中， 假设火焰的跳动的是一连串随机事件，并通过大量的训练来建立这个模型。然而，事实上火焰的跳动并不完全是随机事件，在实际应用中经常会遇到气流影响火焰的运动，而且人的遮挡也会让计算机产生错觉。因此在这些情况下，基于HMM的判断方法将会失效。由此可见，需要一种高效、鲁棒的火焰检测方法。
技术实现思路
本专利技术的实施例提供，能够更加高效准确地检测出火焰情况。 根据本专利技术的一个方面，提供，包括以下步骤根据场景图像中的背景提取前景的二值图像，并根据所述前景的二值图像获得多个前景物体图像；根据所述多个前景物体图像的红绿蓝RGB直方图的颜色特征和根据所述多个前景物体图像的尺度不变特征SIFT或加速鲁棒特征SURF进行筛选，以筛选出符合火焰特征的所述前景物体图像。较佳地，在本专利技术的各实施例中，所述筛选包括根据所述多个前景物体图像的 RGB直方图的颜色特征并根据所述多个前景物体图像的SIFT或SURF、且根据所述多个前景物体图像的运动特性和稳定性进行筛选。较佳地，在本专利技术的各实施例中，所述火焰检测方法进一步包括在根据场景图像中的背景提取前景的二值图像之前，根据该场景中的运动信息对所述背景建立背景模型。较佳地，在本专利技术的各实施例中，所述火焰检测方法进一步包括在根据场景图像中的背景提取前景的二值图像之前，对所述背景模型进行初始化，优选地根据实时获得的前景物体图像实时更新所述背景模型；和/或在根据所述多个前景物体图像的RGB直方图的颜色特征进行筛选之前，对包含所述RGB直方图的颜色特征的RGB模型进行初始化；和/或在根据所述多个前景物体图像的SIFT或SURF进行筛选之前，对包含所述SIFT或 SURF的SIFT或SURF模型进行初始化。较佳地，在本专利技术的各实施例中，所述筛选包括利用支持向量机SVM进行所述筛选。较佳地，在本专利技术的各实施例中，所述筛选包括基于在包含所述SIFT或SURF的SIFT或SURF模型中的SIFT或 SURF词汇表并根据所述多个前景物体的SIFT或SURF进行所述筛选；和/或，基于在包含所述RGB直方图的颜色特征的RGB模型中的RGB词汇表并根据所述多个前景物体的RGB直方图颜色特征进行所述筛选优选地，所述筛选包括将所述前景物体图像的SIFT或SURF描述子与所述SIFT 或SURF词汇表中的多个SIFT或SURF描述子匹配判断，以筛选出匹配成功的符合SIFT或 SURF火焰特征的所述前景物体图像；和/或，将所述前景物体图像的RGB描述子与RGB词汇表里的多个RGB描述子匹配判断，以筛选出匹配成功的符合RGB火焰特征的所述前景物体图像。较佳地，在本专利技术的各实施例中，所述匹配判断包括利用高斯核函数进行所述匹配判断。较佳地，在本专利技术的各实施例中，所述筛选包括以SIFT或SURF模型中的SIFT或 SURF词汇表中的SIFT或SURF聚类中心构建KD树并根据该KD树和所述多个前景物体的 SIFT或SURF进行所述筛选；和/或，以RGB模型中的RGB词汇表中的RGB聚类中心构建KD 树并根据该KD树和所述多个前景物体的RGB直方图颜色特征进行所述筛选。较佳地，在本专利技术的各实施例中，所述筛选包括根据所述多个前景物体图像的RGB直方图的颜色特征并根据所述多个前景物体图像的SIFT或SURF、且根据所述多个前景物体图像的运动特性和稳定性进行筛选；其中所述根据所述多个前景物体图像的运动特性和稳定性进行筛选包括在按照5时间先后依次保存L个所述前景物体图像的队列中，如果所述L个前景物体图像的特征值的方差或标准差在下限值至上限值之间，则筛选出所述队列中最新的前景物体图像作为符合火焰的运动特性和稳定性的前景物体图像；优选地，所述前景物体图像的特征值是基于所述前景物体图像的外接矩形的周长和/或面积的特征值。较佳地，在本专利技术的各实施例中，所述根据所述多个前景物体图像的运动特性和稳定性进行筛选包括在按照时间先后依次保存L个所述前景物体图像的队列中，如果所述L个前景物体图像的外接矩形满足以下关系，则筛选出所述队列中最新的前景物体图像作为符合火焰的运动特性和稳定性的前景物体图像关系一t2 < σρ/μρ < tl 而且 σ a/ μ a < tl ；或者关系二 σ p/ μ p < tl 而且 t2 < σ a/ μ a < tl ；其中，ο p和μ p分别是所述L个前景物体图像的外接矩形的周长的标准差和平均值，σ a和μ a分别是所述L个前景物体图像的外接矩形的面积的标准差和平均值，tl和t2 分别是上限值和下限值；优选地，tl为0.6和/或t2为0.02。较佳地，在本专利技术的各实施例中，所述根据所述多个前景物体图像的运动特性和稳定性进行筛选包括在形成所述队列的过程中，当在所述队列中已保存的前景问题图像少于L个时， 如果最新获取的前景物体图像的特征值与所述队列中一个或多个已保存的前景物体图像的特征值之间的差值大于第一阈值，则将所述最新获取的前景物体图像加入到所述队列中；优选地，当所述最新获取的前景物体图像的面积和所述队列中一个或多个已保存的前景物体图像的面积中的大者与小者之比小于2且所述最新获取的前景物体图像和所述队列中一个或多个已保存的前景物体图像的重叠部分面积与所述最本文档来自技高网...

【技术保护点】
１．一种基于视频分析的火焰检测方法，其特征在于，包括以下步骤：根据场景图像中的背景提取前景的二值图像，并根据所述前景的二值图像获得多个前景物体图像；根据所述多个前景物体图像的红绿蓝ＲＧＢ直方图的颜色特征和根据所述多个前景物体图像的尺度不变特征ＳＩＦＴ或加速鲁棒特征ＳＵＲＦ进行筛选，以筛选出符合火焰特征的所述前景物体图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：林倞，卢永毅，江波，胡赟，
申请(专利权)人：广州灵视信息科技有限公司，
类型：发明
国别省市：81