一种基于流动和扩散特征的视频烟气探测方法技术

本发明专利技术提出一种基于流动和扩散特征的视频烟气探测方法。本发明专利技术由CMOS/CCD摄像头、计算机、报警装置以及信号传输线路组成。烟气具有流动特征，本发明专利技术首先通过Choquet模糊积分算法提取视频帧中的运动目标，接着计算序列帧中对应的运动目标质心，利用质心把序列帧中具有摇晃特征的运动目标提取出来；其次根据烟气的扩散特征，烟气底部纹理较为粗糙，顶部纹理较细，通过灰度共生矩阵(GLCM,Grey?Level?Co-occurrence?Matrix),判断烟气顶部和底部纹理特征及差异性，识别出视频帧中的烟气目标。本发明专利技术可以和已建成的视频监控融合在一起，降低购买硬件设施的费用，减少火灾烟气探测的成本。它也适宜在高大空间建筑和开阔区域探测火灾。

【技术实现步骤摘要】
【专利摘要】本专利技术提出。本专利技术由CMOS/CCD摄像头、计算机、报警装置以及信号传输线路组成。烟气具有流动特征，本专利技术首先通过Choquet模糊积分算法提取视频帧中的运动目标，接着计算序列帧中对应的运动目标质心，利用质心把序列帧中具有摇晃特征的运动目标提取出来；其次根据烟气的扩散特征，烟气底部纹理较为粗糙，顶部纹理较细，通过灰度共生矩阵(GLCM,Grey?Level?Co-occurrence?Matrix),判断烟气顶部和底部纹理特征及差异性，识别出视频帧中的烟气目标。本专利技术可以和已建成的视频监控融合在一起，降低购买硬件设施的费用，减少火灾烟气探测的成本。它也适宜在高大空间建筑和开阔区域探测火灾。【专利说明】
本专利技术属于火灾探测和计算机人工智能领域，特别涉及。
技术介绍
当前，使用感温和感烟的传感器探测火灾是应用最广泛和成熟的火灾探测技术，但这类接触式探测器无法满足一些特殊场合的探测要求，如开放区域和高大空间建筑。随着城市和消防重点保护单位视频监控地普及，随着计算机与人工智能技术地不断发展，基于视频的火灾探测技术越来越受到重视。CCD或CMOS等视频设备价格相对较低，且基于视频的火灾探测技术可以与已有的视频监控设备结合在一起，降低购买硬件设备的费用。它也适宜在高大空间建筑和开阔区域中探测火灾。目前，视频火灾探测包含视频火焰探测和视频烟气探测两种方法。中国专利CN201885804U和中国专利CN201844880U属于红外波段的火灾探测技术，他们采用了双波长红外光来探测火焰，双波长分别为4.3微米和5.0微米，该系统分别配有对应波长的传感器；中国专利CN201867924U在前者的基础上，外加了 3.8微米波长红外传感器来提高火焰的探测精度；中国专利CN202195883U和中国专利CN201191222属于紫外波段的火灾探测技术，系统通过处理采集到的紫外辐射信号来判断是否存在火焰；中国专利CN202306757U和CN102682565A属于多波段复合型检测技术，分别采用彩色摄像机和红外摄像机捕获监控现场的彩色视频图像和红外视频图像来判定火焰的有无，相对于可见光波段传感器，红外和紫外传感器通常价格昂贵，限制了其推广使用。中国专利CN102163361A提供了一种基于前景累积图像的图像型火灾探测方法，通过计算机对由监控摄像机得到的视频图像提取前景累积图像，对图像进行分块，统计每个图像块中各个像素在前景累积图像中的亮度值，根据预先设定好的灵敏度进行判别。此方法计算量低，实时性也很好，但其仅依靠前景累积图像的亮度值进行判断火灾，对于亮度较高的抖动物体，存在着一定的误报；中国专利CNlOl 106727采用彩色CCD摄像系统，获取火焰三基色均值和方差，把统计结果作为参数与图像数据比对，判断其是否符合高斯分布规律，将满足条件的区域作为可疑区域加以划分，并对其作差分处理，并进一步分析该目标随时间的变化是否满足火灾跳跃、闪烁、不稳定的特点，提高火灾探测的可靠性；中国专利CN101493980公开了一种基于多特征融合的视频火焰探测方法，此方法基于高斯混合模型技术来检测运动目标，并结合火焰的颜色特征、运动特征及火焰区域的闪动特征进行建模，依据运动、颜色、闪烁的顺序逐步探测火焰。以上两个专利由于其判据简单，对于类似火焰颜色和抖动的物体，可能会产生误报。中国专利CN102682562A为一种在线式火灾烟气探测装置。其由烟温复合探测器、CO探测器、第一气体探测器、第二气体探测器、微机单元、第一有线通讯模块、第二有线通讯模块、无线通讯模块、电源管理单元、信号处理盒、备用电池组和安装底座组成。此专利使用探测器探测火灾烟气，不适宜在高大空间建筑和开阔区域探测火灾烟气。近五年来未见到视频烟气探测的中国专利。
技术实现思路
本专利技术的目的在于提供，主要是根据火灾烟气的特征，利用数字图像处理技术、模式识别与人工智能技术判断监控场景中是否存在火灾烟气。本专利技术采用的技术方案为:，该方法利用视频烟气探测系统探测烟气，该视频烟气探测系统由摄像头、计算机、报警装置以及传输信号线路组成，摄像头为CMOS或CXD摄像头。该方法首先通过Choquet模糊积分算法提取视频帧中的运动目标，接着计算序列帧中运动目标质心，利用质心把序列帧中具有摇晃特征的运动目标提取出来；根据烟气扩散造成烟气顶部和底部的纹理相异，通过灰度共生矩阵(GLCM, Grey Level Co-occurrence Matrix)判断烟气顶部和底部纹理特征及差异性，识别出视频帧中的烟气目标，具体步骤如下:1、提取运动目标使用Choquet模糊积分融合YCbCr颜色模型中的三分量提取视频帧中的运动目标，离散Choquet模糊积分计算如下:【权利要求】1.，其特征在于，该方法利用视频烟气探测系统探测烟气，该视频烟气探测系统由摄像头、计算机、报警装置以及传输信号线路组成，摄像头为CMOS或(XD摄像头，该方法首先通过Choquet模糊积分算法提取视频帧中的运动目标，接着计算序列帧中运动目标质心，利用质心把序列帧中具有摇晃特征的运动目标提取出来；根据烟气扩散造成烟气顶部和底部的纹理相异，通过灰度共生矩阵(GLCM, Grey Level Co-occurrence Matrix)判断烟气顶部和底部纹理特征及差异性,识别出视频帧中的烟气目标，具体步骤如下: (1).提取运动目标 使用Choquet模糊积分融合YCbCr颜色模型中的三分量提取视频帧中的运动目标，离散Choquet模糊积分计算如下: 【文档编号】G06K9/00GK103456123SQ201310394992【公开日】2013年12月18日 申请日期:2013年9月3日 优先权日:2013年9月3日 【专利技术者】汪箭, 王世东, 荣建忠 申请人:中国科学技术大学本文档来自技高网...

【技术保护点】
一种基于流动和扩散特征的视频烟气探测方法，其特征在于，该方法利用视频烟气探测系统探测烟气，该视频烟气探测系统由摄像头、计算机、报警装置以及传输信号线路组成，摄像头为CMOS或CCD摄像头，该方法首先通过Choquet模糊积分算法提取视频帧中的运动目标，接着计算序列帧中运动目标质心，利用质心把序列帧中具有摇晃特征的运动目标提取出来；根据烟气扩散造成烟气顶部和底部的纹理相异，通过灰度共生矩阵(GLCM,Grey?Level?Co?occurrence?Matrix)判断烟气顶部和底部纹理特征及差异性，识别出视频帧中的烟气目标，具体步骤如下：?（1）.提取运动目标?使用Choquet模糊积分融合YCbCr颜色模型中的三分量提取视频帧中的运动目标，离散Choquet模糊积分计算如下：?式中Ai＝{xi,…,xn}，g(Ai)为模糊测度；当T是一个有限集合时，记为T＝{t1,…,tn}，式中模糊函数f:T→[0,1)，并对模糊函数f(t)排序，使得：?f(t1)≤f(t2)≤...,f(tn)????（2）?使用Choquet模糊积分融合YCbCr颜色模型中的三分量判断视频序列帧中运动目标，首先计算当前帧和背景图像对应像素的YCbCr颜色模型中亮度、蓝色和红色分量的相似度，利用Choquet模糊积分融合各分量的相似度，从视频帧中提取运动目标，当前帧和背景对应像素亮度分量相似度为：?式中，LC(x,y)和LB(x,y)分别表示当前帧和背景在坐标(x,y)处对应像素亮度分量值，当前帧和背景对应像素蓝色分量相似度为：?式中，BC(x,y)和BB(x,y)分别表示当前帧和背景在坐标(x,y)处对应像素蓝色分量值，当前帧和背景对应像素红色分量相似度为：?式中，RC(x,y)和RB(x,y)分别表示当前帧和背景在坐标(x,y)处对应像素红色分量值，对于像素特征分量xi，模糊密度g({xi})表示像素颜色分量区分运动目标像素和背景像素的重要程度，以当前帧中某像素被认作为背景像素的可能性愈大，则该像素分量的重要程度愈大，该像素分量的模糊密度g({xi})也愈大，像素颜色分量的重要程度并不固定，但像素某一分量模糊密度和相似度成单调性增长，g({xi})通过下式计算：?g(x,y)({xi})＝t1×f(x,y)????(6)?式中，阈值t1设为0.5，式(1)中，Ch<0.95被认作动态区域像素，因视频中时常含有噪音数据，所以需对背景差分结果作形态学处理；?（2）.提取摇晃目标?烟气在流动时，其顶端的摇晃程度大于底端的摇晃程度，使用一个长轴定义运动目标的几何方向，即使用二维平面上与最小惯量轴同方向的最小二阶轴定为长轴，首先计算第n帧中运动目标质心，使用一条通过运动目标质心且垂直长轴的直线把运动目标分为两部分：顶端部分和底端部分，顶端部分和底端部分又各自有自己的质心，计算出连续k帧中运动目标顶端质心和底端质心的均值连续k帧中同一运功区域质心和质心均值的欧式距离均值能准确地反映该区域运动变化程度，如果运动目标底端质心的欧氏距离均值与运动目标顶端质心欧氏距离均值之比小于设定阈值t∈(0,1)，则运动目标底端的摇晃程度小于顶端摇晃程度，具体通过以下方法判断运动目标是否为摇晃目标，某区域质心和质心均值的欧氏距离为：?式中，C(X(n),Y(n))表示第n帧中运动目标的质心坐标，表示连续k帧中运动目标的质心均值，欧氏距离的均值计算如下：?式中，k=5，Mean(X,Y)反映该区域摇晃的程度，Mean(X,Y)的值愈大，摇晃程度愈大；反之，Mean(X,Y)的值愈小，摇晃程度愈小，式(10)用来判断运动目标是否为摇晃目标；?SD＝Meanb(X,Y)/Meant(X,Y)????(9)?SD＜t2????(10)?式（10）中，阈值t2设定为0.8，烟气视频的连续帧中，烟气的长轴方向具有连续性，?如果连续两帧探测到的区域长轴夹角大于35度，即使满足式(10)也不认为是摇晃目标；?（3）.烟气扩散纹理特征判断?烟气中像素R、G、B三通道的值比较接近，在判断烟气扩散特征之前，首先利用烟气灰度特征规则验证摇晃运动区域，过滤掉目标中不符合要求的像素，然后为摇晃目标顶部和底部分别创建l=16和θ=45度的灰度共生矩阵，由于烟气的扩散，烟气顶部一般表现为较为琐碎的区域，在创建灰度共生矩阵时，像素和像素顶部有5个连续像素在摇晃区域中，该像素才被计算在灰度共生矩阵中，这样能扩大顶部区域和底部区域的对比，有助于判断烟气的扩散特征，灰度共生矩阵中主对角线上的元素之和与矩阵中所有元素之和比值表...

【技术特征摘要】

【专利技术属性】
技术研发人员：汪箭，王世东，荣建忠，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：