CN102456142B - 一种基于计算机视觉的烟气黑度分析方法 - Google Patents

Abstract

本发明属于环保综合监控领域，一种基于计算机视觉的烟气黑度分析方法，包含以下步骤：标准林格曼黑度图标定；林格曼黑度判定数学模型的建模及参数学习；提取图像特征，通过样本估计模型参数；提取图像特征，输入到模型进行黑度分析。本发明可方便的应用于环保综合监控系统中，利用目前综合监控系统都部署有大量视频监控摄像头，只要在视频采集终端获取视频即可进行分析识别，不需要另外安装调试设备，简单并易于集成。本发明可自适应亮度调整，以减小天气、光照因素的影响；本发明基于计算机视觉技术，只要修改调整参数，就可以应用在多种不同的烟气排放点，在环保综合监控中应用前景非常广阔。

Description

一种基于计算机视觉的烟气黑度分析方法

技术领域

本发明属于环保综合监控领域，特别涉及计算机烟气黑度智能分析的一种方法。

背景技术

在环保综合监控领域，对烟气的综合监控往往采用的是林格曼黑度标准对烟气黑度进行判断。传统的方法是通过有经验的观测人员直接或通过仪器对比烟气黑度和林格曼黑度标准图给出判断结果。观测的仪器主要包括林格曼浓度图、测烟望远镜、光电测烟仪。林格曼浓度图在使用正确的情况下，读数精度较高，但该图的尺寸较大，使用时必须装在支架上，一人不便操作，而且在观测者与烟囱之间要有相当长的一段开阔距离，使用中还要注意保持图的清洁，否则将影响观察的精度；测烟望远镜携带方便，操作简单，对观察空间要求不高，因此得到广泛的应用，但观察精度与标准的林格曼浓度图相比尚有一定的差距，并且不易集成，需要人工操作；光电测烟仪是一种能够在仪器的内部定标，自动测定烟气黑度等级的仪器，该仪器的原理是用光学系统搜集烟的图像，把烟透光率与仪器内部的标准黑度板透光率比较，通过光学系统处理，把光信号变成电信号输出，由显示系统显示出烟的黑度等级，但该仪器要以晴朗的天空为背景，在阴霾和多云或云层薄厚不匀的天气条件下，干扰较大，测量效果较差，在雨天、雾天无法观测。总之，上述方法往往会受到观察者的主观判断、观测仪器、天气状况等因素的影响，并且需要配置多个观测人员不间断进行观测监控。

中国专利CN92207114《烟气黑度自动监控仪》公开了一种技术方案：“一种烟气黑度监控仪，属于锅炉(窑炉)燃烧调节或控制仪表，探头采集的信号通过运放，经A/D转换后液晶显示，信号经电压比较器(5)后连接触发器，非门的输入端，及J/K触发器构成关闭选择电路，该电路构成的电子开关相连；输出端与构成的译码电路输入端相连，和结点连接微分电路，输出端接到电子开关的一个输入端。”该方法只是一种锅炉(窑炉)燃烧调节或控制仪表的电路结构，不具备的分析等级功能，不能对环境划分等级进行判定。

中国专利CN91228118《林格曼烟气黑度测试仪》，该实用新型提供一种林格曼烟气黑度测试仪，由电视摄像机、林格曼烟气黑度测试电路、操作盘、时间码发生器及监视器组成，既可显示林格曼烟尘黑度图像，又具有记录功能(录像)，同时还能做定量分析，克服了人为分析对比监测不精确的缺点。该装置是一个仪器，通过一系列电路采集林格曼烟尘黑度图像，也不具备自动分析等级的功能和方法。

随着计算机技术的飞速发展，本领域希望能提供一种通过计算机技术，实现远距离、多点源、集中式、高精度、无人化的智能综合烟气监控，提高环境保护水平。

发明内容

本发明的目的在于克服上述传统监测方法的不足，通过计算机技术，做到在无人的情况下自动分析大范围内多个烟气排放点的烟气黑度情况，从而实现一种设备简单，观测精确，综合集中管理、超标联动、历史查询功能的烟气综合监控系统。

本发明的目的是通过以下技术方案来实现的：

一种基于计算机视觉的烟气黑度分析方法，其特征是，该方法包含以下步骤：

标准林格曼黑度图标定；

林格曼黑度判定数学模型的建模及参数学习；

提取图像特征，通过样本估计模型参数；

提取图像特征，输入到模型进行黑度分析。

进一步，所述标准林格曼黑度标定包含以下步骤：

打印标准林格曼黑度图，并粘贴平板上；

分别在大于15m的不同距离、不同光线角度下通过摄像头抓拍平板黑度图；

将各个图像通过亮度均衡化算法，再对黑度图中各个等级区域的像素灰度进行平均，得到林格曼黑度各个等级对应的图像灰度值。

进一步，所述林格曼黑度判定数学模型为混合高斯模型，每个混合高斯模型包含3个高斯元；

所述参数学习，使用根据经验观测人员标定等级的样本图片，每个等级样本取数量相同，对每个等级对应的模型使用EM算法进行参数估计。

进一步，所述的图像特征提取与黑度分析包含以下步骤：

首先对图像进行自适应亮度调整；

根据事先框定的烟囱区域，计算该区域灰度直方图，该直方图构成图像的特征向量；

将计算得到的特征向量输入到各个模型，每个得到一个概率值，再根据公式进行加权得到最后的林格曼黑度等级。

再进一步，所述图像自适应亮度调整方法为：设天空背景区域的平均灰度为MC，修正公式如下：

$I\left(x\right)=\left\{\begin{array}{c}I\left(x\right),\mathrm{MC}>=\mathrm{\&alpha;}\\ I\left(x\right)+\exp (\mathrm{\&beta;}\&times;{(\mathrm{MC}-\mathrm{\&alpha;})}^2),\mathrm{MC}<\mathrm{\&alpha;}\end{array}\right.$

其中α、β参数通过样本的学习得到，I(x)为烟气区域的像素点x的灰度值。

再进一步，所述根据公式进行加权判断林格曼黑度等级的公式为：

其中x为特征向量。

林格曼黑度图法的原理是“把林格曼烟气黑度图放在适当的位置上，将烟气的黑度与图上的黑度相比较，由合格的观察者用目视观察来测定固定污染源排放烟气的黑度”。可以看出，在林格曼黑度图判断烟气黑度过程中包括客观的黑度图和主观的观察者。因此计算机智能化实现过程中一方面要模拟黑度图黑度标准，这是外部客观要素，可以通过数据标定来达到要求，另一方面要模拟合格观察者的比较判定的过程，这是主观要素，可以通过建立林格曼黑度判定数学模型，通过机器学习来实现。

1.通过标准化参数标定来实现计算机模拟林格曼黑度图，反映林格曼黑度分析中的客观条件。

首先，观察者在观察过程中，对比的是林格曼黑度图，反映在计算机中表示就是灰度值，为了获得这个黑度图的黑度到计算机表示的灰度值的映射关系，我们将真实的林格曼黑度图通过相机采集获得的图像进行标定获得各个级别的灰度值。林格曼黑度图在环境中往往受到天气、光照的影响而呈现不同的黑度，经验观察人员往往能够根据天气情况进行自适应调整，为了模拟这种机制，我们将0级全白和5级全黑图像线性映射到[0，255]灰度值范围内，这样就获得了林格曼黑度图在计算机中标定的灰度值，这个灰度值将作为后续算法中的参数。

2.自适应亮度调整，以减小天气、光照因素的影响

由于烟气图像灰度收到光照和天气的影响很大，因此对其进行预处理，减小光照和天气因素的影响。由于在天空亮度暗的情况下，烟气灰度值会显得更小，这样烟气黑度的级数往往偏高，为了减小这个误差，需要对烟气灰度进行自适应调整，这里使用的方法如下：

假设天空背景区域的平均灰度为MC，修正公式如下：

$I\left(x\right)=\left\{\begin{array}{c}I\left(x\right),\mathrm{MC}>=\mathrm{\&alpha;}\\ I\left(x\right)+\exp (\mathrm{\&beta;}\&times;{(\mathrm{MC}-\mathrm{\&alpha;})}^2),\mathrm{MC}<\mathrm{\&alpha;}\end{array}\right.$

其中α、β参数通过样本的学习得到，I(x)为烟气区域的像素点x的灰度值。

3.通过林格曼黑度判定数学模型与样本学习算法，模拟主观观测机理

观测人员在判断一个烟气的黑度等级的时候，往往不能100％确定烟气的黑度等级，而取认为最大可能的等级为最终的判断等级，因此这里我们建立5个基于高斯函数的概率模型，分别计算烟气灰度值属于各个模型的概率，然后对各个模型概率进行加权得到一个综合判定的灰度等级。

$\mathrm{RingelmannLevel}=\underset{i=1}{\overset{5}{\mathrm{\&Sigma;}}}i\&times;G_i\left(x\right)$

其中x为特征向量。对于烟气黑度特征的提取，考虑到林格曼黑度反映的是一种全局的灰度特征，因此选用灰度直方图作为该区域的图像特征，即得到特征向量x。

这样就模拟了观测人员的观察机理。而观察人员都是需要通过培训，合格才能上岗工作，算法中也需要通过各个等级的林格曼黑度图的机器学习才能获得各个高斯模型的参数。这样，整个过程都很好的模拟了这个主观判断过程。

本发明的优点和有益效果：

本发明介绍的是一种新的基于计算机视觉的烟气黑度智能分析方法，发明不需要安装特殊电路设备，借助监控摄像头采集视频图像，通过摄像头视频即可进行算法分析，本发明支持无接触，应用部署简单的特点；本发明能够自动的准确得到摄像头获得视频中的烟气黑度等级，并且要能够有效的适应天气、光照的影响。本发明使用的算法支持算法修正和参数修正，可以很方便的应用于不同的烟气排放点监控场合，提供的算法自动分析判断给出烟气的林格曼黑度等级。

该烟气黑度分析方法可方便的应用于环保综合监控系统中。并且由于目前综合监控系统都部署有大量视频监控摄像头，只要利用在视频采集终端获取视频，使用此方法即可进行分析识别，不需要另外安装调试设备，简单并易于集成。该方法由于基于计算机视觉技术，只要修改调整参数，就可以应用在多种不同的烟气排放点，在环保综合监控中应用前景非常广阔。

附图说明

图1是基于计算机视觉的烟气黑度识别基本原理图；

图2是基于计算机视觉的烟气黑度识别与传统林格曼黑度图差别法的对应基本原理图；

图3是林格曼黑度图及其计算机标定，上图为林格曼黑度图；

图4是本发明一实施例，烟气黑度分析系统客户端界面；

图5是本发明一实施例，烟气黑度分析系统服务器端控制台；

图6是本发明一实施例，烟气排放区域标注。

具体实施方式

上海市某区环保监控实施例；

实施步骤：

安装调试系统摄像头等硬件，保证采集到的图像具有较好的白平衡，此时，摄像头视频中观测的图像亮度和真实亮度差距应该较小。

打印标准林格曼黑度图贴于平板上，距离15米以上用摄像头抓拍若干幅图像，将图像输入系统进行处理，得到林格曼黑度的计算机灰度值，生成参数文件RingelmannGray.xml。

将离线状态下根据大量标定图像学习到的模型参数文件Model.xml导入软件系统。

手动标定摄像头图像中的烟囱区域，如附图6所示，在摄像头图像中烟囱排烟口标定烟囱区域。

开启软件监控命令，系统实时计算出摄像头监控烟囱烟气的林格曼黑度等级值，显示在后台控制台窗口中，如附图5。

使用浏览器连接服务器，可在页面中观测到烟气视频和对应的林格曼黑度等级值，见附图4，实施完毕。

Claims (3)

1.一种基于计算机视觉的烟气黑度分析方法，其特征是，该方法包含以下步骤：

标准林格曼黑度图标定；

林格曼黑度判定数学模型的建模及参数学习；

提取图像特征，通过样本估计模型参数；

提取图像特征，输入到模型进行黑度分析；

其中：所述的图像特征提取与黑度分析包含以下步骤：

首先对图像进行自适应亮度调整；

根据事先框定的烟囱区域，计算该区域灰度直方图，该直方图构成图像的特征向量；

将计算得到的特征向量输入到各个模型，每个得到一个概率值，再根据公式进行加权得到最后的林格曼黑度等级；

所述公式为：

其中G_i(x)为概率模型函数，x为特征向量；

再其中：

所述图像自适应亮度调整方法为：设天空背景区域的平均灰度为MC，修正公式如下：

$I\left(x\right)=\left\{\begin{array}{c}I\left(x\right),MC>=\mathrm{\&alpha;}\\ I\left(x\right)+\exp (\mathrm{\&beta;}\&times;{(MC-\mathrm{\&alpha;})}^2),MC<\mathrm{\&alpha;}\end{array}\right.$

其中α、β参数通过样本的学习得到，I(x)为烟气区域的像素点x的灰度值。

2.根据权利要求1所述基于计算机视觉的烟气黑度分析方法,其特征在于所述标准林格曼黑度图标定包含以下步骤：

打印标准林格曼黑度图，并粘贴平板上；

分别在大于15m的不同距离、不同光线角度下通过摄像头抓拍平板黑度图；

将各个图像通过亮度均衡化算法，再对黑度图中各个等级区域的像素灰度进行平均，得到林格曼黑度各个等级对应的图像灰度值。

3.根据权利要求1所述基于计算机视觉的烟气黑度分析方法,其特征在于所述林格曼黑度判定数学模型为混合高斯模型，每个混合高斯模型包含3个高斯元；

所述参数学习，使用根据经验观测人员标定等级的样本图片，每个等级样本取数量相同，对每个等级对应的模型使用EM算法进行参数估计。