CN101395643A

CN101395643A - 利用摄像机检测烟雾

Info

Publication number: CN101395643A
Application number: CNA200680053607XA
Authority: CN
Inventors: G·马巴赫
Original assignee: Siemens Schweiz AG
Current assignee: Siemens AG
Priority date: 2006-09-25
Filing date: 2006-09-25
Publication date: 2009-03-25
Anticipated expiration: 2026-09-25
Also published as: KR20090086898A; CN101395643B; US20090219389A1; WO2008037293A1

Abstract

本发明描述了通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的方法和装置。按照本发明，通过确定至少一个视频图像的至少一个运动区域的方向和大小来检查该运动区域是否可能存在烟雾。在检查结果积极时，依据至少一个表征烟雾的信息来分析该至少一个运动区域的至少一部分是否存在烟雾。

Description

利用摄像机检测烟雾

技术领域

本发明涉及通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的方法和装置。

背景技术

早期人们努力采用在大楼、通道等中为了安全监控而设置的视频系统来检测烟雾。由于这些视频图像对于观察者来说通常不感兴趣，此外烟雾只会在视频图像中引起非常小的变化，因此不能由人员在显示屏上进行监控。如果要这样进行，则该监控只能通过自动分析视频图像来进行。在公知的用于自动检查视频图像以查看是否出现烟雾的方法中，将前后连续的图像的各个像素的强度值相互比较。如果测量了代表由于存在烟雾而导致的更亮的图像的强度值，则推断出存在烟雾并触发警报。

在该方法中还存在以下问题：在亮的背景前无法识别出烟雾，而且甚至无法检测到仅产生少量烟雾的火灾。此外，例如由于摄像机的视场而移动的人员所导致的亮度改变也可能触发错误警报。人们尝试这样来解决该问题，即除了实际的监控区域之外还检查外部的区域，并且在该外部区域中发生变化时中断对该监控区域的观察。该方法的缺点是，可能在特定的延迟之后才检测到火灾，而且无法识别在除了监控区域之外还设置的外部区域中的烟雾源。

发明内容

本发明要解决的技术问题在于，提供一种有效的手段来借助至少一个由监控一个区域的摄像机拍摄的视频图像检测烟雾。

该技术问题按照本发明分别通过独立权利要求的内容解决。本发明的扩展在从属权利要求中给出。

本发明的核心在于，通过分析至少一个由监控一个区域的摄像机拍摄的视频图像来检测烟雾。在此，一个区域可以是房间、通道(通道的一部分)、停车场、街道或一段街道等。原则上，在第一步骤中通过确定至少一个视频图像的运动区域的方向和大小检查在该运动区域内是否可能存在烟雾。如果运动区域具有积极的检查结果，则可能存在烟雾。此后，依据至少一条表征烟雾的信息来分析运动区域的至少一部分是否存在烟雾。作为表征烟雾的信息，按照本发明是烟雾的速度、视频图像中描述该运动的像素的个数、至少一个视频图像涉及背景的亮度变化、运动烟雾的颜色变化以及烟雾的运动。

本发明方法或装置的一个优点在于，可以高效地检测到烟雾。尤其是通过分成两部分的分析以及通过适当选择表征烟雾的信息来实现。

附图说明

下面借助附图中的实施例详细解释本发明。在此

图1示出用于检测烟雾的本发明的框图，

图2示出视频图像的简化显示，

图3示出用于检测烟雾的判决图，

图4示出本发明的装置。

具体实施方式

图1示出本发明用于检测烟雾的框图。从以特定频率产生的至少一个视频图像中获得至少一个强度图像[X_ij(t)]。视频图像在此例如具有352×288个像素的大小。下一步是预处理。预处理的目标是从视频图像中滤出对检测烟雾感兴趣的区域。为此首先产生背景累积矩阵[B_ij(t)]。背景累积矩阵[B_ij(t)]是从用加权因子加权的强度图像[X_ij(t)]中获得的，其中给出加权因子α，其表示强度图像对累积矩阵[B_ij(t)]的影响有多强烈。

累积矩阵如下确定：

B_ij(t)＝αB_ij(t-1)+(1-α)X_ij(t)，α＝加权因子

然后为至少一个运动区域计算减法矩阵D_ij(t)＝|B_ij(t)-X_ij(t)|。通过对减法矩阵D_ij(t)的颜色加权，最后可以获得颜色加权的减法矩阵[S_ij(t)]。

该减法矩阵[S_ij(t)]如下确定：

S_ij(t)＝Luma{D_ij(t)}×{1-|ChromaU{D_ij(t)}-ChromaV{D_ij(t)}|}

其中Luma{D_ij(t)}是Dij的亮度分量，ChromaU{D_ij(t)}是Dij的U颜色分量，ChromaV{D_ij(t)}是Dij的V颜色分量。

在位置(i，j)处出现烟雾的概率最后例如通过将经过颜色加权的减法矩阵[S_ij(t)]投影到笛卡尔坐标系统的x/y轴上来确定。

投影到笛卡尔坐标系统在此如下进行：

[i_m，j_m](t)＝{(i，j)|i＝max{x-S_ij(t)的投影}，

j＝max{y-S_ij(t)的投影}}

x-S_ij(t)的投影：p_xi(t)＝S_i0(t)+s_i1(t)+s_i2(t)+...+s_iv(t)

y-S_ij(t)的投影：p_yj(t)＝S_0j(t)+s_1j(t)+s_2j(t)+...+s_Hj(t)

S_ij在该示例中具有H×V(H＝烟雾的速度×烟雾的运动＝V)。当然坐标系的选择是任意的。因此还可以采用球坐标、柱坐标等。

借助颜色加权的减法矩阵[S_ij(t)]可以在视频图像的运动区域中检查是否可能存在烟雾。在可能存在烟雾时，定义相对于原始图像减小的感兴趣视频图像区域(ROI＝感兴趣区域)。当然还可以在一个视频图像或在多个信道中定义多个ROI区域。通过将数据减小到大约1:100，ROI的大小在此例如可以是8×128个像素，实际分析的处理器损耗会大大降低。在所拍摄的视频图像的运动区域中是否存在烟雾要借助至少一个表征烟雾的信息来解释。在该示例中，为了提高检测可靠度使用下面的5个信息。

作为表征烟雾的信息，采用烟雾的速度(烟雾的运动)、描述该运动的像素(有效像素)的个数、至少一个视频图像涉及背景的亮度变化、运动烟雾的颜色变化(颜色变换)以及烟雾的运动(直方图中的y位置)。

对于每个ROI区域，计算出下面表征烟雾的信息：

-S_ROI(t)的烟雾运动：v(t)＝S_ROI(t)的y位置的时间相关，例如p_yj(t)，

-B_ROI(t)和X_ROI(t)的方差，用于确定相对于(正常)背景的亮度变化：1(t)＝1-var{B_ROI(t)}/var{B_ROI(t)}，

-S_ROI(t)的有效像素：a(t)＝S_ROI(t)的值大于0的像素个数，

-颜色变换：c(t)＝{1-|ChromaU{D_ROI(t)}-ChromaV{D_ROI(t)}|}<阈值的像素的个数

-直方图中的y位置：h(t)＝S_ROI(t)的y投影的值，例如将p_yj(t)用于产生具有64个信道的直方图。

此后将表征烟雾的信息v(t)，1(t)，a(t)，c(t)和h(t)关于特定的时间积分并由此关于多个图像积分。该函数例如如下所示：

F_{X} = \underset{t_{0} < t < t_{n}}{X} = Σx (t)

其中X＝V，L，A，C，H

由关于时间积分的信息确定下面的平均值。

烟雾运动的平均值 F_V＝V

亮度变换的平均值 F_L＝L

有效像素的平均值 F_A＝A

颜色变换的平均值 F_C＝C

直方图中y位置的平均值 F_H＝H

此后对于每个平均值计算烟雾存在的概率。这通过模板识别来进行。对于每个平均值确定识别器值ψ。阈值δ(或者概率函数)例如可以按照以下方式来定义识别器值：

对于亮度变化

或者。≤Γ(F_L)≤1，其中Γ(x)是概率函数。

烟雾模板通过所有识别器的乘积来定义：

或者定义为所有识别器的平均值：

其中N_F＝5是信息的数量。

最后判断视频图像的运动区域是否是烟雾的成像。为此确定增加或减小了值σ的积分器I(t)：

I(t＝0)＝0；

如果

(t)＝1，则I(t)＝I(t-1)+σ₊(如果I(t)>S₊则加上S₊)，

否则I(t)＝I(t-1)-σ_-(如果I(t)<S_-则加上S_-(通常为0))

其中σ₊、σ_-通常采用+1。

如果I(t)超过临界值k，则检测到烟雾并例如触发警报：

如果I(t)>k，则有烟雾

否则没有烟雾

图2示出视频图像VB的简化图。该图像包含应当是烟雾的运动区域。此外，该视频图像VB示出已根据图1的描述确定的ROI区域。

图3示出用于检测烟雾的判决图，如在图1中描述的。如果I(t)超过特定的阈值k则触发警报，从而以高的概率检测到烟雾。为了不让I(t)无限上升，从而让烟雾检测的反应时间不必要地下降，定义一个最大值I_T。关键时间表示到触发警报为止的时间。该时间应当尽可能的短。

图4示出本发明的装置VR，具有用于例如与其他单元如传感器、中央单元等通信的接收单元E和发送单元S，以及具有用于执行图1的方法的处理单元V。该装置在此集成在摄像机、中央单元等中，或者是单独的单元。

Claims

1.一种通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的方法，其特征在于，

通过确定至少一个视频图像的至少一个运动区域的方向和大小来检查该至少一个运动区域是否可能存在烟雾，

在检查结果积极时，依据至少一个表征烟雾的信息来分析该至少一个运动区域的至少一部分是否存在烟雾。

2.根据权利要求1所述的方法，其特征在于，作为表征烟雾的信息，是烟雾的速度、描述该运动的像素的个数、至少一个视频图像涉及背景的亮度变化、运动烟雾的颜色变化以及烟雾的运动。

3.根据权利要求1或2所述的方法，其特征在于，所述至少一个视频图像是以特定频率产生的，并从该至少一个视频图像中获得至少一个强度图像[X_ij(t)]。

4.根据权利要求3所述的方法，其特征在于，产生背景累积矩阵[B_ij(t)]，其是从用加权因子加权的强度图像[X_ij(t)]中获得的，其中给出加权因子，该加权因子表示强度图像对累积矩阵[B_ij(t)]的影响有多强烈。

5.根据权利要求4所述的方法，其特征在于，借助减法矩阵D_ij(t)＝|B_ij(t)-X_ij(t)|确定至少一个运动区域。

6.根据权利要求5所述的方法，其特征在于，从减法矩阵D_ij(t)中确定经过颜色加权的减法矩阵[S_ij(t)]。

7.根据权利要求6所述的方法，其特征在于，借助经过颜色加权的减法矩阵[S_ij(t)]检查在视频图像的运动区域中是否可能存在烟雾，在出现积极的检查结果时，定义相对于原始图像减小的感兴趣视频图像区域(ROI)。

8.根据权利要求7所述的方法，其特征在于，所述感兴趣视频图像区域(ROI)是视频图像的运动区域的至少一部分。

9.根据权利要求7所述的方法，其特征在于，所述感兴趣视频图像区域(ROI)作为矩形具有长/宽比16:1。

10.根据权利要求6所述的方法，其特征在于，在位置(i，j)处出现烟雾的概率通过将经过颜色加权的减法矩阵[S_ij(t)]投影到笛卡尔坐标系统的x/y轴上来确定。

11.根据上述权利要求之一所述的方法，其特征在于，在感兴趣视频图像区域中分析所述至少一个表征烟雾的信息。

12.根据权利要求11所述的方法，其特征在于，将至少一个表征烟雾的信息关于特定的时间积分并由此关于多个图像积分，并确定它们的平均值，而且对于每个平均值计算烟雾存在的概率。

13.根据权利要求12所述的方法，其特征在于，通过与阈值δ的比较和/或通过概率函数Γ(x)确定烟雾存在的概率。

14.根据权利要求12或13所述的方法，其特征在于，由所述平均值的概率计算出在感兴趣视频图像区域中存在烟雾的总概率，将该总概率关于多个图像积分，并在积分值超过阈值(k)时触发警报。

15.一种通过分析至少一个由监控一个地区的摄像机拍摄的视频图像来检测烟雾的装置(VR)，

具有用于例如与其他单元通信的接收单元(E)和发送单元(S)，

具有处理单元(V)，用于通过确定至少一个视频图像的至少一个运动区域的方向和大小来检查该至少一个运动区域是否可能存在烟雾，并在检查结果积极时，依据至少一个表征烟雾的信息来分析该至少一个运动区域的至少一部分是否存在烟雾。