CN101738394B - 室内烟雾检测方法及系统 - Google Patents
室内烟雾检测方法及系统 Download PDFInfo
- Publication number
- CN101738394B CN101738394B CN2009100774317A CN200910077431A CN101738394B CN 101738394 B CN101738394 B CN 101738394B CN 2009100774317 A CN2009100774317 A CN 2009100774317A CN 200910077431 A CN200910077431 A CN 200910077431A CN 101738394 B CN101738394 B CN 101738394B
- Authority
- CN
- China
- Prior art keywords
- smog
- zone
- detection
- gradient
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明提供了一种基于视频图像的室内烟雾检测方法及系统，该室内烟雾检测方法包括：获取视频图像，通过普通的监控摄像头获取视频图像；初步检测烟雾，通过分析每帧图像的梯度和灰度信息，获取当前帧图像内的初步烟雾检测区域；精确检测烟雾，在获取的初步烟雾检测区域中滤除虚假区域，获取该段视频的精确烟雾检测区域。与现有技术相比，本发明具有对室内烟雾灵敏度高，抗干扰性强，实现了大空间的室内视频烟雾检测。
Description
技术领域
本发明涉及火灾检测，特别是涉及一种基于视频图像的室内烟雾检测方法及系统。
背景技术
随着经济的飞速发展，各种高层的建筑群体不断涌现。在高层建筑中，人口密集、财产集中，其消防安全问题就凸现出来。传统的火灾检测技术主要有感温、感烟、感光及复合型等模式。这些技术不仅在灵敏度和可靠性方面有待提高，而且不能对火灾最初的信号做出反应。因此，近年来积极研究图像型火灾检测技术，该技术可在多粉尘、高湿度的室内环境中使用，对火灾初始信号具有很高的灵敏度，具有很好的应用前景。
上述图像型火灾检测多集中在图像型火焰检测上。但是，在多数场合，火灾烟雾的产生早于明火的出现，因此图像型烟雾检测比图像型火焰检测具有更高的灵敏度。
发明内容
有鉴于此，本发明的主要目的在于提供一种对室内火灾灵敏度高，抗干扰性强，误报率低，适合于大空间的室内视频烟雾检测方法。
为达到上述目的，本发明的技术方案是这样实现的：
本发明提供了一种基于视频图像的室内烟雾检测方法，该室内烟雾检测方法包括：
获取视频图像，通过普通的监控摄像头获取视频图像；
初步检测烟雾，通过分析每帧图像的梯度和灰度信息，获取当前帧图像内的初步烟雾检测区域；
精确检测烟雾，在获取的初步烟雾检测区域中滤除虚假区域，获取该段视频的精确烟雾检测区域。
根据本发明，所述初步检测烟雾包括如下步骤：
灰度化处理，将输入的视频帧中的彩色图像进行灰度化处理，以获取其灰度图像；
计算灰度图像的梯度变化，计算当前灰度图像的梯度与前一帧灰度图像的梯度的差值，以获取灰度图像的梯度变化；
计算灰度图像的灰度变化，对获取的灰度图像进行常规的平滑滤波后，计算当前帧灰度图像的灰度与前一帧灰度图像的灰度的差值，以获取灰度图像的灰度变化；
获取符合烟雾梯度条件的区域，获取灰度图像的梯度差值的绝对值小于阈值1的区域，该区域即为符合烟雾梯度条件的区域。其中，所述阈值1为10～30之间；
获取符合烟雾灰度条件的区域，计算得到当前帧灰度与前一帧灰度的差值；若灰度差值小于阈值2，且大于阈值3，则提取该区域，该区域即为符合烟雾灰度条件的区域。其中，所述阈值2优选为15～25之间；所述阈值3优选为1～3之间。
根据块检测滤除梯度的虚假块区域，根据统计4×4模块内梯度点的个数来块检测滤除梯度的虚假块区域，进一步滤除不符合烟雾梯度条件的包括干扰块区域和噪声块区域的虚假块区域；确定虚假块区域的方法是：当4×4模块内梯度点的个数大于阈值4时，则认为该区域为虚假块区域。其中，所述阈值4为4～6之间。
根据块检测滤除灰度的虚假块区域，根据统计4×4模块内梯度点的个数来实现块检测滤除灰度的虚假块区域，以进一步滤除不符合烟雾灰度条件的包括干扰块区域和噪声块区域的虚假块区域；确定虚假块区域的方法是：当4×4模块内梯度点的个数大于阈值4时，则认为该区域为虚假块区域；
获取同时符合梯度条件和灰度条件的区域，获取同时符合梯度条件和灰度条件的区域，就得到既符合梯度条件又符合灰度条件的初步检测烟雾区域。
根据本发明，所述精确检测烟雾包括：对当前初步烟雾检测区域进行烟雾对比度检测、烟雾连续性检测、烟雾相似性检测、和获取精确的烟雾区域。
其中，所述烟雾对比度检测包括对当前初步检测烟雾区域的对比度检测和初步检测烟雾区域变化的对比度检测；所述当前初步检测烟雾区域的对比度检测的方法是：计算当前初步检测烟雾区域的灰度直方图的中间阈值5的灰度值跨度，若该跨度小于阈值6时，则保留，否则将该区域滤除。其中，所述阈值5优选为55％～65％之间；所述阈值6优选为90～110之间。
初步检测烟雾区域变化的对比度检测的方法是：将相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到它们的灰度差值图像，分别统计灰度差值图像的灰度值在灰度范围1的像素点的个数n1、灰度差值图像的灰度值在灰度范围2的像素点的个数n2、初步检测烟雾区域的像素点的个数n3，当大于n1/n3阈值7且n2/n3小于阈值8时，则保留该区域，否则将该区域滤除。其中，所述灰度范围1为1～20；所述灰度范围2为40～200；所述阈值7优选为0.4～0.6之间；所述阈值8优选为0.05～0.2之间。
其中，所述烟雾连续性检测包括对当前初步检测烟雾区域的连续性检测和初步检测烟雾区域变化的连续性检测；
其中，所述当前初步检测烟雾区域的连续性检测的方法是：计算当前初步检测烟雾区域的灰度值大于阈值9的像素个数与当前初步检测烟雾区域内总像素个数的比值，若该比值小于设定的阈值10，则保留该区域，否则将该区域滤除。其中，所述阈值9优选为5～15之间；所述阈值10优选为0.2～0.4之间。
所述初步检测烟雾区域变化的连续性检测的方法是：将相邻两帧初步检测烟雾区域的梯度值进行相减取绝对值，以得到它们的梯度差值图像，计算梯度差值图像小于阈值11的像素个数与初步检测烟雾区域总像素个数的比值，若该比值小于阈值12，则保留该区域，否则将该区域滤除。其中，所述阈值11优选为10～30之间；所述阈值12优选为0.4～0.6之间。
其中，烟雾的相似性检测是对相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到差值区域，计算该差值区域内小于设定的阈值13的像素个数与该差值区域总像素个数的比值，若该比值小于阈值14，则保留该区域，否则将该区域滤除。其中，所述阈值13优选为10～30之间；所述阈值14优选为0.4～0.6之间。
根据本发明，获取精确的烟雾区域，对烟雾的对比度检测、烟雾连续性检测、烟雾的相似性检测处理后的结果区域求交(求交是指计算相交的部分)，以获得烟雾区域。
根据发明的另一方面，本发明提供了一种室内烟雾检测系统，该室内烟雾检测系统包括：
获取视频图像模块，用于通过普通的监控摄像头获取视频图像；
初步检测烟雾模块，用于通过分析每帧图像的梯度和灰度信息，获取当前帧图像内的初步烟雾检测区域；
精确检测烟雾模块，用于在获取的初步烟雾检测区域中滤除虚假区域，获取该段视频的精确烟雾检测区域。。
根据本发明，所述初步检测烟雾模块包括：
灰度化处理模块，用于将输入的视频帧中的彩色图像进行灰度化处理，以获取其灰度图像；
计算灰度图像的梯度变化模块，用于计算当前灰度图像的梯度与前一帧灰度图像的梯度的差值，以获取灰度图像的梯度变化；
计算灰度图像的灰度变化模块，用于对获取的灰度图像进行常规的平滑滤波后，计算当前帧灰度图像的灰度与前一帧灰度图像的灰度的差值，以获取灰度图像的灰度变化；
获取符合烟雾梯度条件的区域模块，用于获取灰度图像的梯度差值的绝对值小于阈值1的区域，该区域即为符合烟雾梯度条件的区域；
获取符合烟雾灰度条件的区域模块，用于计算得到当前帧灰度与前一帧灰度的差值；
根据块检测滤除梯度的虚假块区域模块，用于根据统计4×4模块内梯度点的个数来块检测滤除梯度的虚假块区域，进一步滤除不符合烟雾梯度条件的包括干扰块区域和噪声块区域的虚假块区域；
根据块检测滤除灰度的虚假块区域模块，用于根据统计4×4模块内梯度点的个数来实现块检测滤除灰度的虚假块区域，以进一步滤除不符合烟雾灰度条件的包括干扰块区域和噪声块区域的虚假块区域；
获取同时符合梯度条件和灰度条件的区域模块，用于获取同时符合梯度条件和灰度条件的区域，就得到既符合梯度条件又符合灰度条件的初步检测烟雾区域。
根据本发明，所述精确检测烟雾模块包括：烟雾对比度检测模块、烟雾连续性检测模块、烟雾相似性检测模块、获取精确的烟雾区域模块；其中，
烟雾的对比度检测模块，用于对当前初步检测烟雾区域的对比度检测和初步检测烟雾区域变化的对比度检测
烟雾连续性检测模块，用于对当前初步检测烟雾区域的连续性检测和初步检测烟雾区域变化的连续性检测；
烟雾的相似性检测模块，用于对相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到差值区域；
获取精确的烟雾区域模块，用于对烟雾的对比度检测、烟雾连续性检测、烟雾的相似性检测处理后的结果区域求交(求交是指计算相交的部分)，以获得烟雾区域。
与现有技术相比，本发明的优点是：对室内烟雾灵敏度高，抗干扰性强，实现了大空间的室内视频烟雾检测。
附图说明
图1为本发明中室内烟雾检测方法的框架示意图；
图2为本发明的室内烟雾检测方法中初步检测烟雾的流程示意图；
图3为本发明的室内烟雾检测方法中精确检测烟雾的流程示意图；
图4为本发明的室内烟雾检测系统的结构示意图；
图5为本发明的室内烟雾检测系统中初步检测烟雾模块的结构示意图；
图6为本发明的室内烟雾检测系统中精确检测烟雾模块的结构示意图。
具体实施方式
图1为本发明中室内烟雾检测方法的框架示意图。如图1所示，室内烟雾检测方法包括：
步骤1：获取视频图像，通过普通的监控摄像头获取视频图像；
步骤2：初步检测烟雾，通过分析每帧图像的梯度和灰度信息，来获取当前帧图像内的初步烟雾检测区域；
步骤3：精确检测烟雾，在获取的初步烟雾检测区域中滤除虚假区域，获取该段视频的精确烟雾检测区域。
图2为本发明中初步检测烟雾的流程示意图。如图2所示，初步检测烟雾包括：
灰度化处理21：将输入的视频帧中的彩色图像进行灰度化处理，以获取其灰度图像。其中，灰度化处理是数字图像处理中的范畴，本领域的人均能掌握。
计算灰度图像的梯度变化22：计算灰度图像的梯度变化，计算当前灰度图像的梯度与前一帧灰度图像的梯度的差值，以获取灰度图像的梯度变化；所述梯度差值即为两幅灰度图像梯度值的差值取绝对值。其中，梯度是数字图像处理中的范畴，本领域的人均能掌握。
计算灰度图像的灰度变化23：对获取的灰度图像进行常规的平滑滤波后，计算当前帧灰度图像的灰度与前一帧灰度图像的灰度的差值，以获取灰度图像的灰度变化。所述灰度差值即为两幅灰度图像灰度值的差值取绝对值。其中，平滑滤波采用通用的3×3中值滤波模板。
获取符合烟雾梯度条件的区域24：即获取灰度图像的梯度差值的绝对值小于阈值1的区域，该区域即为符合烟雾梯度条件的区域。
其中，所述阈值1优选为10～30之间。
获取符合烟雾灰度条件的区域25，就是计算得到当前帧灰度与前一帧灰度的差值；若灰度差值小于阈值2，且大于阈值3，则提取该区域，该区域即为符合烟雾灰度条件的区域。
其中，所述阈值2优选为15～25之间；所述阈值3优选为1～3之间。
根据块检测滤除梯度的虚假块区域26：根据统计4×4模块内梯度点的个数来块检测滤除梯度的虚假块区域，进一步滤除不符合烟雾梯度条件的包括干扰块区域和噪声块区域的虚假块区域。其中，4×4模块即为长、宽均为4个像素点的模块。梯度点即为梯度值不为0的点。确定虚假块区域的方法是：当4×4模块内梯度点的个数大于阈值4时，则认为该区域为虚假块区域。
其中，所述阈值4优选为4～6之间。
根据块检测滤除灰度的虚假块区域27，根据统计4×4模块内梯度点的个数来实现块检测滤除灰度的虚假块区域，以进一步滤除不符合烟雾灰度条件的包括干扰块区域和噪声块区域的虚假块区域。确定虚假块区域的方法是：当4×4模块内梯度点的个数大于阈值4时，则认为该区域为虚假块区域。
获取同时符合梯度条件和灰度条件的区域28，该区域为该帧图像的初步烟雾检测区域。其中，符合梯度条件的区域就是步骤26中获取的区域，符合灰度条件的区域就是步骤27中获取的区域。获取同时符合梯度和灰度条件的区域，就得到既符合梯度条件又符合灰度条件的初步检测烟雾区域。
图3为本发明中精确检测烟雾的流程示意图。如图3所示。精确检测烟雾包括对获取的初步烟雾检测区域进行烟雾对比度检测3 1、烟雾连续性检测32、烟雾相似性检测33，在步骤2获取的初步烟雾检测区域中滤除虚假的烟雾区域，以获取精确的烟雾区域34。
烟雾的对比度检测31是包括对当前初步检测烟雾区域的对比度检测和初步检测烟雾区域变化的对比度检测。
其中，当前初步检测烟雾区域的对比度检测的方法是：计算当前初步检测烟雾区域的灰度直方图的中间阈值5的灰度值跨度，若该跨度小于阈值6时，则保留，否则将该区域滤除。
其中，所述阈值5优选为55％～65％之间；所述阈值6优选为90～110之间。
初步检测烟雾区域变化的对比度检测的方法是：将相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到它们的灰度差值图像，分别统计灰度差值图像的灰度值在灰度范围1的像素点的个数n1、灰度差值图像的灰度值在灰度范围2的像素点的个数n2、初步检测烟雾区域的像素点的个数n3，当大于n1/n3阈值7且n2/n3小于阈值8时，则保留该区域，否则将该区域滤除。
其中，所述灰度范围1优选为1～20；所述灰度范围2优选为40～200；所述阈值7优选为0.4～0.6之间；所述阈值8优选为0.05～0.2之间。
其中，烟雾的对比度检测31步骤中灰度直方图是数字图像处理的范畴，本领域的人均能掌握。
烟雾连续性检测32包括当前初步检测烟雾区域的连续性检测和初步检测烟雾区域变化的连续性检测。
其中，所述当前初步检测烟雾区域的连续性检测的方法是：计算当前初步检测烟雾区域的灰度值大于阈值9的像素个数与当前初步检测烟雾区域内总像素个数的比值，若该比值小于设定的阈值10，则保留该区域，否则将该区域滤除。
其中，所述阈值9优选为5～15之间；所述阈值10优选为0.2～0.4之间。
所述初步检测烟雾区域变化的连续性检测的方法是：将相邻两帧初步检测烟雾区域的梯度值进行相减取绝对值，以得到它们的梯度差值图像，计算梯度差值图像小于阈值11的像素个数与初步检测烟雾区域总像素个数的比值，若该比值小于阈值12，则保留该区域，否则将该区域滤除。
其中，所述阈值11优选为10～30之间；所述阈值12优选为0.4～0.6之间。
烟雾的相似性检测33是对相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到差值区域，计算该差值区域内小于设定的阈值13的像素个数与该差值区域总像素个数的比值，若该比值小于阈值14，则保留该区域，否则将该区域滤除。
其中，所述阈值13优选为10～30之间；所述阈值14优选为0.4～0.6之间。
获取精确的烟雾区域34的方法是对烟雾的对比度检测31、烟雾连续性检测32、烟雾的相似性检测33处理后的结果区域求交(求交是指计算相交的部分)，以获得烟雾区域。
本发明实施例还提供了一种室内烟雾检测系统，图4为本发明的室内烟雾检测系统的结构示意图。如图4所示，该室内烟雾检测系统包括获取视频图像模块41、初步检测烟雾模块42、和精确检测烟雾模块43。其中，获取视频图像模块41，用于通过普通的监控摄像头获取视频图像；初步检测烟雾模块42，用于通过分析每帧图像的梯度和灰度信息，获取当前帧图像内的初步烟雾检测区域；精确检测烟雾模块43，用于在获取的初步烟雾检测区域中滤除虚假区域，获取该段视频的精确烟雾检测区域。
图5为本发明的室内烟雾检测系统中初步检测烟雾模块的结构示意图。如图5所示，所述初步检测烟雾模块42包括：灰度化处理模块421、计算灰度图像的梯度变化模块422、计算灰度图像的灰度变化模块423、获取符合烟雾梯度条件的区域模块424、获取符合烟雾灰度条件的区域模块425、根据块检测滤除梯度的虚假块区域模块426、根据块检测滤除灰度的虚假块区域模块427、获取同时符合梯度条件和灰度条件的区域模块428。
其中，灰度化处理模块421，用于将输入的视频帧中的彩色图像进行灰度化处理，以获取其灰度图像；计算灰度图像的梯度变化模块422，用于计算当前灰度图像的梯度与前一帧灰度图像的梯度的差值，以获取灰度图像的梯度变化；
计算灰度图像的灰度变化模块423，用于对获取的灰度图像进行常规的平滑滤波后，计算当前帧灰度图像的灰度与前一帧灰度图像的灰度的差值，以获取灰度图像的灰度变化；获取符合烟雾梯度条件的区域模块424，用于获取灰度图像的梯度差值的绝对值小于阈值1的区域，该区域即为符合烟雾梯度条件的区域；获取符合烟雾灰度条件的区域模块425，用于计算得到当前帧灰度与前一帧灰度的差值；根据块检测滤除梯度的虚假块区域模块426，用于根据统计4×4模块内梯度点的个数来块检测滤除梯度的虚假块区域，进一步滤除不符合烟雾梯度条件的包括干扰块区域和噪声块区域的虚假块区域；根据块检测滤除灰度的虚假块区域模块427，用于根据统计4×4模块内梯度点的个数来实现块检测滤除灰度的虚假块区域，以进一步滤除不符合烟雾灰度条件的包括干扰块区域和噪声块区域的虚假块区域；获取同时符合梯度条件和灰度条件的区域模块428，用于获取同时符合梯度条件和灰度条件的区域，就得到既符合梯度条件又符合灰度条件的初步检测烟雾区域。
图6为本发明的室内烟雾检测系统中精确检测烟雾模块的结构示意图。如图6所示，所述精确检测烟雾模块43包括：烟雾对比度检测模块431、烟雾连续性检测模块432、烟雾相似性检测模块433、获取精确的烟雾区域模块434。
其中，烟雾的对比度检测模块431，用于对当前初步检测烟雾区域的对比度检测和初步检测烟雾区域变化的对比度检测；烟雾连续性检测模块432，用于对当前初步检测烟雾区域的连续性检测和初步检测烟雾区域变化的连续性检测；烟雾的相似性检测模块433，用于对相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到差值区域；获取精确的烟雾区域模块434，用于对烟雾的对比度检测、烟雾连续性检测、烟雾的相似性检测处理后的结果区域求交(求交是指计算相交的部分)，以获得烟雾区域。
本发明的优点是：
(1)对烟雾进行检测，对火灾检测的灵敏度高，在火灾情势较小时就能及时检测出。
(2)在检测烟雾时，在根据烟雾的初步特性进行检测后，再对其根据精确特性进行检测，降低了烟雾的误检率和漏检率。
(3)在进行烟雾检测时，同时利用烟雾的梯度信息和亮度信息，提高了烟雾检测的可靠性。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。
Claims (2)
1.一种基于视频图像的室内烟雾检测方法，其特征在于，该室内烟雾检测方法包括如下步骤：
(1)获取视频图像，通过普通的监控摄像头获取视频图像；
(2)初步检测烟雾，通过分析每帧图像的梯度和灰度信息，获取当前帧图像内的初步烟雾检测区域；和
(3)精确检测烟雾，在获取的初步烟雾检测区域中滤除虚假区域，获取该段视频的精确烟雾检测区域；
其中，所述初步检测烟雾包括如下步骤：
-灰度化处理，将输入的视频帧中的彩色图像进行灰度化处理，以获取其灰度图像；
-计算灰度图像的梯度变化，计算当前灰度图像的梯度与前一帧灰度图像的梯度的差值，以获取灰度图像的梯度变化；
-计算灰度图像的灰度变化，对获取的灰度图像进行常规的平滑滤波后，计算当前帧灰度图像的灰度与前一帧灰度图像的灰度的差值，以获取灰度图像的灰度变化；
-获取符合烟雾梯度条件的区域，获取灰度图像的梯度差值的绝对值小于阈值1的区域，该区域即为符合烟雾梯度条件的区域；
-获取符合烟雾灰度条件的区域，计算得到当前帧灰度与前一帧灰度的差值；若灰度差值小于阈值2，且大于阈值3，则提取该区域，该区域即为符合烟雾灰度条件的区域；
-根据块检测滤除梯度的虚假块区域，根据统计4×4模块内梯度点的个数来块检测滤除梯度的虚假块区域，进一步滤除不符合烟雾梯度条件的包括干扰块区域和噪声块区域的虚假块区域；确定虚假块区 域的方法是：当4×4模块内梯度点的个数大于阈值4时，则认为该区域为虚假块区域；
-根据块检测滤除灰度的虚假块区域，根据统计4×4模块内梯度点的个数来实现块检测滤除灰度的虚假块区域，以进一步滤除不符合烟雾灰度条件的包括干扰块区域和噪声块区域的虚假块区域；确定虚假块区域的方法是：当4×4模块内梯度点的个数大于阈值4时，则认为该区域为虚假块区域；
-获取同时符合梯度条件和灰度条件的区域，获取同时符合梯度条件和灰度条件的区域，就得到既符合梯度条件又符合灰度条件的初步检测烟雾区域；
所述精确检测烟雾包括：对当前初步烟雾检测区域进行烟雾对比度检测、烟雾连续性检测、烟雾相似性检测和获取精确的烟雾区域；其中，
-所述烟雾对比度检测包括对当前初步检测烟雾区域的对比度检测和初步检测烟雾区域变化的对比度检测；其中，当前初步检测烟雾区域的对比度检测的方法是：计算当前初步检测烟雾区域的灰度直方图的中间阈值5的灰度值跨度，若该跨度小于阈值6时，则保留，否则将该区域滤除；初步检测烟雾区域变化的对比度检测的方法是：将相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到它们的灰度差值图像，分别统计灰度差值图像的灰度值在灰度范围1的像素点的个数n1、灰度差值图像的灰度值在灰度范围2的像素点的个数n2、初步检测烟雾区域的像素点的个数n3，当n1/n3大于阈值7且n2/n3小于阈值8时，则保留该区域，否则将该区域滤除；
-所述烟雾连续性检测包括对当前初步检测烟雾区域的连续性检测和初步检测烟雾区域变化的连续性检测；其中，所述当前初步检测 烟雾区域的连续性检测的方法是：计算当前初步检测烟雾区域的灰度值大于阈值9的像素个数与当前初步检测烟雾区域内总像素个数的比值，若该比值小于设定的阈值10，则保留该区域，否则将该区域滤除；所述初步检测烟雾区域变化的连续性检测的方法是：将相邻两帧初步检测烟雾区域的梯度值进行相减取绝对值，以得到它们的梯度差值图像，计算梯度差值图像小于阈值11的像素个数与初步检测烟雾区域总像素个数的比值，若该比值小于阈值12，则保留该区域，否则将该区域滤除；
-烟雾的相似性检测是对相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到差值区域，计算该差值区域内小于设定的阈值13的像素个数与该差值区域总像素个数的比值，若该比值小于阈值14，则保留该区域，否则将该区域滤除；
-获取精确的烟雾区域，对烟雾的对比度检测、烟雾连续性检测、烟雾的相似性检测处理后的结果区域求交，以获得烟雾区域；
其中：阈值1∈[10，30]，阈值2∈[15，25]，阈值3∈[1，3]，阈值4∈[4，6]，阈值5∈[55％，65％]，阈值6∈[90，110]，阈值7∈[0.4，0.6]，阈值8∈[0.05，0.2]，阈值9∈[5，15]，阈值10∈[0.2，0.4]，阈值11∈[10，30]，阈值12∈[0.4，0.6]，阈值13∈[10，30]，阈值14∈[0.4，0.6]；灰度范围1∈[1，20]，灰度范围2∈[40，200]。
2.一种基于视频图像的室内烟雾检测系统，其特征在于，该室内烟雾检测系统包括：
获取视频图像模块，用于通过普通的监控摄像头获取视频图像；
初步检测烟雾模块，用于通过分析每帧图像的梯度和灰度信息，获取当前帧图像内的初步烟雾检测区域；
精确检测烟雾模块，用于在获取的初步烟雾检测区域中滤除虚假 区域，获取该段视频的精确烟雾检测区域；
其中，所述初步检测烟雾模块包括：
-灰度化处理模块，用于将输入的视频帧中的彩色图像进行灰度化处理，以获取其灰度图像；
-计算灰度图像的梯度变化模块，用于计算当前灰度图像的梯度与前一帧灰度图像的梯度的差值，以获取灰度图像的梯度变化；
-计算灰度图像的灰度变化模块，用于对获取的灰度图像进行常规的平滑滤波后，计算当前帧灰度图像的灰度与前一帧灰度图像的灰度的差值，以获取灰度图像的灰度变化；
-获取符合烟雾梯度条件的区域模块，用于获取灰度图像的梯度差值的绝对值小于阈值1的区域，该区域为符合烟雾梯度条件的区域；
-获取符合烟雾灰度条件的区域模块，用于计算得到当前帧灰度与前一帧灰度的差值；
-根据块检测滤除梯度的虚假块区域模块，用于根据统计4×4模块内梯度点的个数来块检测滤除梯度的虚假块区域，进一步滤除不符合烟雾梯度条件的包括干扰块区域和噪声块区域的虚假块区域；
-根据块检测滤除灰度的虚假块区域模块，用于根据统计4×4模块内梯度点的个数来实现块检测滤除灰度的虚假块区域，以进一步滤除不符合烟雾灰度条件的包括干扰块区域和噪声块区域的虚假块区域；
-获取同时符合梯度条件和灰度条件的区域模块，用于获取同时符合梯度条件和灰度条件的区域，就得到既符合梯度条件又符合灰度条件的初步检测烟雾区域；
所述精确检测烟雾模块包括：烟雾对比度检测模块、烟雾连续性 检测模块、烟雾相似性检测模块、获取精确的烟雾区域模块；其中，
-烟雾的对比度检测模块，用于对当前初步检测烟雾区域的对比度检测和初步检测烟雾区域变化的对比度检测；
-烟雾连续性检测模块，用于对当前初步检测烟雾区域的连续性检测和初步检测烟雾区域变化的连续性检测；
-烟雾的相似性检测模块，用于对相邻两帧初步检测烟雾区域的灰度值进行相减取绝对值，以得到差值区域；
-获取精确的烟雾区域模块，用于对烟雾的对比度检测、烟雾连续性检测、烟雾的相似性检测处理后的结果区域求交，以获得烟雾区域；
其中，阈值1∈[10，30]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100774317A CN101738394B (zh) | 2009-02-11 | 2009-02-11 | 室内烟雾检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100774317A CN101738394B (zh) | 2009-02-11 | 2009-02-11 | 室内烟雾检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101738394A CN101738394A (zh) | 2010-06-16 |
| CN101738394B true CN101738394B (zh) | 2011-10-05 |
Family
ID=42462144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009100774317A Active CN101738394B (zh) | 2009-02-11 | 2009-02-11 | 室内烟雾检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101738394B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102121906A (zh) * | 2011-01-31 | 2011-07-13 | 无锡中星微电子有限公司 | 烟雾检测系统、油烟机智能控制系统及油烟机智能控制方法 |
| CN102322434B (zh) * | 2011-08-26 | 2014-07-16 | 浙江大学 | 一种用于工频熔炼炉除尘风机节能的控制方法及其控制系统 |
| CN103051835A (zh) * | 2012-12-11 | 2013-04-17 | 天津天地伟业数码科技有限公司 | 除雾网络高清球机 |
| CN103983574B (zh) * | 2014-06-03 | 2016-08-24 | 上海安维尔信息科技有限公司 | 一种烟雾检测方法 |
| WO2017084094A1 (zh) | 2015-11-20 | 2017-05-26 | 富士通株式会社 | 烟雾检测装置、方法以及图像处理设备 |
| CN108122243B (zh) * | 2016-11-26 | 2021-05-28 | 沈阳新松机器人自动化股份有限公司 | 用于机器人检测运动物体的方法 |
| CN109883907B (zh) * | 2017-12-06 | 2022-02-01 | 九阳股份有限公司 | 一种基于图像的烹饪烟雾检测方法和智能烟机 |
| CN108288361A (zh) * | 2018-01-25 | 2018-07-17 | 深圳前海大观信息技术有限公司 | 一种消防通道门状态检测方法 |
| CN108760590B (zh) * | 2018-03-08 | 2021-05-18 | 佛山市云米电器科技有限公司 | 一种基于图像处理的厨房油烟浓度检测与干扰排除方法 |
| CN108550159B (zh) * | 2018-03-08 | 2022-02-15 | 佛山市云米电器科技有限公司 | 一种基于图像三色分割的烟气浓度标识方法 |
| CN108548199B (zh) * | 2018-03-08 | 2019-12-03 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
| CN109163775B (zh) * | 2018-08-30 | 2020-07-03 | 北京纽科曼科技有限公司 | 一种基于带式运输机的质量测量方法及装置 |
| CN111192332B (zh) * | 2018-11-14 | 2023-04-07 | 九阳股份有限公司 | 一种基于烟雾检测的烟机控制方法以及烟机 |
| CN111353334A (zh) | 2018-12-21 | 2020-06-30 | 富士通株式会社 | 烟雾检测方法和装置 |
| CN111488772B (zh) * | 2019-01-29 | 2023-09-22 | 杭州海康威视数字技术股份有限公司 | 烟雾检测的方法和装置 |
| CN111739252B (zh) * | 2020-07-03 | 2022-03-01 | 徐州鑫科机器人有限公司 | 一种火灾监测及自动灭火系统及其工作方法 |
| CN113267139B (zh) * | 2021-07-19 | 2021-10-29 | 江苏中科云控智能工业装备有限公司 | 具有大数据分析的压铸件形变量检测系统 |
| CN116824166B (zh) * | 2023-08-29 | 2024-03-08 | 南方电网数字电网研究院股份有限公司 | 输电线路烟雾识别方法、装置、计算机设备和存储介质 |
-
2009
- 2009-02-11 CN CN2009100774317A patent/CN101738394B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN101738394A (zh) | 2010-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101738394B (zh) | 室内烟雾检测方法及系统 | |
| CN105741480B (zh) | 基于图像识别的火灾和烟雾检测方法 | |
| CN105574855B (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
| CN106650584B (zh) | 火焰检测方法和系统 | |
| CN104408406B (zh) | 基于帧差法和减背景法的人员离岗检测方法 | |
| CN106682635A (zh) | 一种基于随机森林特征选择的烟雾检测方法 | |
| CN100520362C (zh) | 基于彩色ccd图像分析的森林火情烟雾检测方法 | |
| CN104598895A (zh) | 一种基于视频图像分析的火焰检测方法与装置 | |
| US20060215904A1 (en) | Video based fire detection system | |
| US8159539B2 (en) | Smoke detecting method and system | |
| CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
| Verstockt et al. | State of the art in vision-based fire and smoke dectection | |
| CA2519908A1 (en) | Target detection improvements using temporal integrations and spatial fusion | |
| CN101764922B (zh) | 亮度阈值的自适应生成的方法及装置 | |
| CN104601965A (zh) | 摄像头遮挡检测方法 | |
| JP2010003177A (ja) | 画像処理装置 | |
| CN103679704A (zh) | 一种基于光照补偿的视频运动阴影检测方法 | |
| JP2010097412A (ja) | 煙検出装置 | |
| CN109360370B (zh) | 一种基于机器人烟火检测的方法 | |
| CN102999994A (zh) | 基于视频图像分析的火焰检测装置 | |
| Celik et al. | Computer vision based fire detection in color images | |
| CN103020588B (zh) | 基于视频图像分析的火焰检测方法 | |
| CN102609685B (zh) | 一种图像型火灾探测器的遮挡判别方法 | |
| US9001207B1 (en) | Apparatus and method for motion detection in video | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: NETPOSA TECHNOLOGIES, LTD. Free format text: FORMER OWNER: BEIJING ZANB SCIENCE + TECHNOLOGY CO., LTD. Effective date: 20150716 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20150716 Address after: 100102, Beijing, Chaoyang District, Tong Tung Street, No. 1, Wangjing SOHO tower, two, C, 26 floor Patentee after: NETPOSA TECHNOLOGIES, Ltd. Address before: 100048 Beijing city Haidian District Road No. 9, building 4, 5 layers of international subject Patentee before: Beijing ZANB Technology Co.,Ltd. |
|
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20111005 |