CN102663869B - 基于视频监控平台的室内火灾检测方法 - Google Patents

Abstract

本发明公开了一种基于视频监控平台的室内火灾检测方法。包括对输入的视频码流进行格式转换；进行视频流的预处理；对视频流进行运动检测，获得运动像素；将符合条件的运动像素进行连通域提取；对各个连通域进行多层颜色检测，保留具有火焰和烟雾特征颜色的连通域；对符合火焰颜色特征的连通域计算相应的面积改变量和中心移动速率，进行动态改变量的分析；对符合烟雾颜色特征的连通域进行小波变换，提取高频分量，计算高频分量的衰减度；对符合以上条件的各个连通域进行周长和面积的计算，进行静态形状分析；然后综合以上条件分析，最后判断火灾是否发生。通过以上方法，还可以有效快速地区分火焰与室内灯光闪烁，大大降低误报率。

Description

基于视频监控平台的室内火灾检测方法

技术领域

本发明涉及一种基于现有视频监控平台的室内火灾火焰及烟雾检测方法，特别适用于室内火灾预警。

背景技术

现有室内火灾探测器大致包含感烟，感温和感光三种类型。对于感烟探测器而言，烟雾的颜色、颗粒的大小、空间的高度、灰尘的累积都会引起感烟探测器的误报和漏报。依据相关规范，点型感烟火灾探测器不适用于顶棚高度超过12m的建筑。传统的感温探测器对于火焰初期的阴燃阶段探测效果一般，不适于早期报警；另外，在很多情况下，温度的升高不一定是由于火焰燃烧引起的，此时感温探测器存在误报的可能。依据相关规范，点型感温火灾探测器不适用于顶棚高度超过8m的建筑。因为并非只有火灾才会产生红外和紫外光，其他的如电焊弧也可能发出相应的红外和紫外波段的光，从而引起感光探测器在某些情况下产生误报。

随着研究的深入，图像模式识别技术在近年来有了长足的发展，各种智能算法的提出为解决实际工程问题提供了理论保障；而随着我国安全社区、安全校园、安全家居等理念的提出，相应的监控摄像系统遍布了生产生活中的许多角落，这就为本发明提出的火灾探测系统提供了硬件基础和实现条件。如果能够在现有的摄像监控系统中融入相应的火灾图像检测软件，不仅充分利用了现有的硬件资源，节约消防预警设施开销，而且能够有效弥补上述火灾探测器的不足，具有广阔的应用空间。

现有的基于图像识别的火灾探测系统，不能完全解决室内火灾探测问题。有的如中国发明专利申请200810106262.0(公开日为2009年6月17日)中采用双可变摄像机，通过不同波段的融合检测方法得到检测结果，但是现有监控设备并不完全适应此方法，需要改造更换硬件，增加了检测成本。而如中国发明专利申请201010040086.2(公开日为2010年7月7日)所阐释的运用于森林火灾烟火识别的方法充分考虑到森林火灾视频图像构成的复杂性，运用了多种特征条件综合判断火灾是否发生，尽可能避免误报和漏报，但由于计算特征值过多，影响了其实时性，故不适用于环境相对单一，而实时性要求很高的室内火灾监测。而如中国发明专利申请200810121371.x(公开日为2009年3月25日)及其改进专利200910096854.3(公开日为2009年8月26日)中通过对火焰的颜色特征检测和频率特征检测进行火灾判定，虽然对于火焰识别较为有效，但是忽略了部分火灾发生初期以烟雾为主的特征，从而错失最佳的预警时间。对于某些室内可燃物(如棉花、硬度较高的木材等物料)在燃烧初期并不以呈现明显的火焰，而是以烟雾为主。由于烟雾特征与火焰特征存在明显的不同，如果不能准确识别，必然错过消灭火灾的最佳时期。

发明内容

针对上述现有技术中火灾探测器的种种限制和不足，本发明提供一种基于视频监控平台的室内火灾检测方法，将视频监控平台和图像模式识别技术相结合，可以有效地检测室内火灾。

为了解决上述技术问题，本发明基于视频监控平台的室内火灾检测方法予以实现的技术方案是：其中，视频监控平台的架构至少包括多个摄像头、显示器、硬盘录像机和计算机系统，检测方法包括以下步骤：

1)由多个摄像头拍摄的画面经过线缆同时传给所述显示器和所述硬盘录像机，所述显示器直接显示上述画面，同时，所述硬盘录像机将接收到的模拟信号转变为YUV信号，并将上述YUV信号编码并以录像文件形式存储在硬盘录像机中；另外，通过网络将该YUV信号传送给计算机系统进行检测处理，所述检测系统将YUV信号转为待处理的色彩空间的信号；

2)进行视频流的预处理：对经过转码的视频画面进行高斯滤波和中值滤波，以消除引入的环境噪声的干扰；

3)对视频流进行运动检测，获得运动像素：对经过预处理的图像，使用三帧帧差法进行运动检测；利用不断更新的背景图像及帧与帧之间的相关性分离出背景图像和前景图像；

4)对运动像素进行连通域提取：对分离出的前景图像进行二值化处理，再通过腐蚀和膨胀算法对聚集在一处像素点之间欧氏距离小于3个像素的像素区进行处理，再通过边界链码提取的方法实现连通域的提取，并对每个连通域做以标记；

5)对各个标记的连通域进行多层颜色检测，保留具有火焰和烟雾特征颜色的连通域：

首先对各连通域进行亮度检测，寻找符合火焰和烟雾共有颜色属性的亮度区间，不符合则舍去，对符合火焰和烟雾共有颜色属性条件的连通域再进行颜色检测，进一步判断符合火焰颜色特征条件的连通域，进入下一步的火焰检测阶段；而其余连通域则进行烟雾检测阶段；

6)对进入火焰检测阶段的连通域计算相应的面积改变量和中心移动速率，进行动态改变量的分析：计算对相应连通域的相邻数帧之间的面积变化量和中心移动速率，以利用火焰的位置不变性和自身的面积不断变化的特性，判断其是否符合火焰的动态特征，对于符合火焰动态特征的连通域，进入下一步检测阶段；

7)对符合烟雾颜色特征的连通域进行小波变换，提取高频分量，计算高频分量的衰减度：计算对相应连通域的小波变换后的高频分量的衰减比率，通过对比当前图像的前景和背景高频分量的衰减比值判断是否符合烟雾特征，对于符合烟雾特征条件的连通域，进入下一步检测阶段；

8)对分别符合上述6)步骤和7)步骤的连通域进行周长C和面积S的计算，进行静态形状分析：计算各个连通域的周长C和面积S，继而计算出表征图像复杂程度的圆形度D的值，连通域的圆形度D表示为：

D＝C²/4πS

若D＞1，则该连通域的图像具有火焰或烟雾，确定有火灾发生，进行报警。

与现有技术相比，本发明的有益效果是：

本发明室内火灾检测方法较之专利申请200910096854.3的不同之处在于后者只专注于火焰特征的检测，而本发明在兼顾火焰特征的同时增加了烟雾特征的检测，可对日常室内各种燃烧物进行有效检测；同时兼顾了与监控平台的融合问题。

本发明室内火灾检测方法与专利申请200910096854.3不同之处还在于在背景更新算法中采用了隔帧提取技术，可在保证监控实时显示的情况下实时对室内产生的火焰和烟雾进行检测，同时可有效抑制室内灯管变化的干扰，检测结果准确可靠。

本发明火灾检测方法可直接移植入现有视频监控平台，无需增加新的硬件，成本低廉。总之，本发明提出的火灾检测方法对于室内火灾检测具有更普遍的适用性和用实用性。

附图说明

图1是本发明检测方法所搭载的视频监控系统框图；

图2是本发明基于视频监控平台的室内火灾检测方法的流程图。

具体实施方式

下面结合具体实施方式对本发明作进一步详细地描述。

本发明一种基于视频监控平台的室内火灾检测方法，如图1所示，本发明采用的视频监控平台的架构包括多个摄像头、显示器、硬盘录像机和计算机系统，检测方法包括以下步骤：

1)码流转换：

由多个摄像头10(包括摄像头1、摄像头2、……、摄像头n)拍摄的画面经过线缆同时传给所述显示器11和所述硬盘录像机12；所述显示器11直接显示上述画面，同时，所述硬盘录像机12将接收到的模拟信号转变为YUV信号，并将上述YUV信号编码并以录像文件形式存储在硬盘录像机中13。另外，通过网络将该YUV信号传送给计算机系统进行检测处理，如图2所示，将YUV(亮度和色差)信号转为待处理的RGB色彩空间的信号；其转换公式为：

R＝Y+1.14V

G＝Y-0.39U-0.58V

B＝Y+0.23U

由于视频监控画面相当于实时码流是实时刷新的，即：相当于不小于25帧/秒的刷新速度，而将YUV信号转为待处理的RGB信号以及后续算法的总耗时无法满足火灾监测实时性要求，故采用关键帧(隔帧)提取技术，每隔10帧提取一帧进行处理。由于室内环境在相对较短的时候不会发生突变，即每秒25帧的视频画面中存在着大量的数据冗余，合理的减少此种数据冗余，既可以保证本方法满足视频监控平台实时处理的需求，同时又降低了对处理器运算能力的要求，并且有后续的背景更新算法作为保障，完全能够满足在火灾检测可靠性方面的需求。

完成数字码流转换后，将上述YUV信号进行编码，编码存成录像文件的形式13，如图1所示。

2)视频流的预处理：

进行视频流的预处理是为了剔除拍摄过程中摄像机引入的环境噪声，避免影响最终的判断结果。考虑到处理速度和准确性的权衡，采用高斯滤波和中值滤波相结合的方式，即对经过转码的视频画面进行高斯滤波和中值滤波，以消除引入的环境噪声的干扰；

高斯滤波此处采用3×3的高斯掩模，把掩模M(u，v)与输入图像I(x，y)进行卷积运算，输出的图像I^*(x，y)便为除噪后的结果：

I(x，y)*M(u，v)＝I^*(x，y)

其中：u，v∈{0，1，2}。

而中值滤波实际上是用一个活动窗口沿着图像进行移动，窗口中心位置的像素灰度用滤波后的窗口中心位置的灰度值代替。中值滤波假定噪声是以孤立形式存在，与之对应的像素相对较少，消除随机噪声比较有效。中值滤波在降噪的同时还能在一定程度上保持边缘细节信息。中值滤波由下式给出：

y(i，j)＝med{I(i+s，j+r)(r，s)∈W}

其中，I(i，j)代表待处理的图像，W表示滤波窗口，此处取3×3大小，r，s∈{0，1，2}，med即进行中值滤波的运算，而y(i，j)即为经中值滤波处理后的图像。

3)视频流的运动检测：

获得运动像素，对经过预处理的图像，使用三帧帧差法进行运动检测；利用不断更新的背景图像及帧与帧之间的相关性分离出背景图像和前景图像。

运动检测的关键是成功分离出前景和背景。运用三帧差分法寻找运动像素。设f(x，y，t-1)，f(x，y，t)，f(x，y，t+1)分别为图像序列中待处理的相邻3帧，用帧差法处理的差分后的图像为：

D₁(x，y，Δt)＝f(x，y，t)-f(x，y，t-1)

D₂(x，y，Δt)＝f(x，y，t+1)-f(x，y，t)

$D(x,y,\mathrm{\Δt})=D_1\⊕D_2$

D₁(x，y，Δt)为第t帧图像与第t-1帧图像的差分后的图像，D₂(x，y，Δt)为第t+1帧图像与第t帧图像的差分后的图像，D(x，y，Δt)为D₁(x，y，Δt)与D₂(x，y，Δt)相或的图像，即经过三帧差分后的图像。对此结果用固定阈值做二值化处理，凡像素点亮度超过此阈值则设为白色，低于此阈值则设为黑色，得到只有黑与白两种亮度的差分图像，其中白色像素即为所需要的运动像素。此种方法运算简单，效率较高，能快速找出运动变化明显的部分，适用于火焰检测；而对于烟雾，虽然自身运动缓慢，但是由于之前采用了隔帧提取技术，由于多帧间隔的缘故，相邻处理帧仍存在较大的差异，故此方法同样适用。

4)对运动像素进行连通域提取：

对分离出的前景图像进行二值化处理，得到二值化的差分图像后，先进行形态学上的滤波，再通过腐蚀和膨胀算法对聚集在一处像素点之间欧氏距离小于3个像素的像素区进行处理，将差分图像时遗存的小的噪点和微小区域滤除，只保留符合面积要求的连通区域，再通过边界链码提取的方法实现连通域的提取，即，遍历二值化图像，将聚集于一定范围内的白色像素认为是一个连通域，以搜索最外层轮廓的方式将每个连通域以最小外接矩形的方式存储，将各个连通域以自然数形式标号存入链表，方便后续使用。至此即获取差分图像的所有连通域信息。

5)进行多层颜色检测：

首先，对标记的各个连通域首先进行亮度信息检测，记亮度值为I，寻找符合火焰和烟雾共有颜色属性的亮度区间，符合火焰和烟雾共有颜色属性的亮度区间的条件为连通域中有50％像素点的亮度值I满足：I_l＜I＜I_h    (5-1)

公式(5-1)中，I_l表示符合火焰和烟雾共有颜色属性的亮度区间的条件下限亮度值，I_h表示符合火焰和烟雾共有颜色属性的亮度区间的条件上限亮度值。

对不符合上述公式(5-1)条件的连通域则舍去，对符合上述判断条件公式(5-1)的连通域再利用公式(5-2)进行颜色检测，

R＞R_T

R＞G+Th1(5-2)

G＞B+Th2

公式(5-2)中，R、G、B分别为像素点的红色、绿色和蓝色分量，R_T为设定的符合条件的红色阈值，Th1，Th2为设定的符合条件的常数值，Th1和Th2均取值为40；

若连通域中有40％像素点满足上述公式(5-2)，则认为此连通域符合火焰颜色特征，进而进行下一步的火焰检测阶段；而其余连通域则利用公式(5-3)判断是否进行烟雾检测，

(I_max-I_min)＜T    (5-3)

公式(5-3)中，I_max和I_min分别为像素点的红色、绿色和蓝色分量中的最大值和最小值，T为设定的符合条件的较小的常数值，T取值为80。

将符合上述公式(5-3)的条件则连通域进行烟雾检测步骤，其余不满足条件的连通域则舍去。

最终，保留具有火焰和烟雾特征颜色的连通域：

6)计算面积改变量和中心移动速率：

对上述符合火焰颜色特征的连通域进行面积改变量和中心移动速率的计算，在计算面积改变量时将前一帧对应位置的连通域的面积记为S_t-1，计算面积可用该连通域的白色像素点数表示；而当前帧的对应位置的连通域的面积标记为S_t，同样，计算面积可用该连通域的白色像素点数表示。于是相邻帧间的面积改变量为ΔS/t＝(S_t-S_t-1)/Δt。以利用火焰的位置不变性和自身的面积不断变化的特性，判断其是否符合火焰的动态特征，若T_l＜ΔS＜T_h，(T_l为面积改变量的下限值，T_h为面积改变量的上限值)则认为此连通域为疑似火焰区域，进行进一步判断，否则舍去。

对疑似火焰区域的连通域继续进行中心移动速率的判断。由于之前对连通域提取时是以最小外接矩形的方式存储，可以很方便地获得该连通域的中心，即最小外接矩形的中心，设为c(x，y)。考查对应连通域前一帧的中心c_t-1(x，y)，及当前帧的对应连通域的中心c_t(x，y)，则相邻帧的中心位移改变量为Δc/t＝c_t(x，y)-c_t-1(x，y)/Δt。可以存储连续多帧之间对应连通域的中心位移改变量，取得其平均值为若(其中，T_mov为符合条件的较小数值)，则认为其符合火焰的动态特征，进行下一步检测，若不符合则舍去。

7)计算烟雾的高频衰减性：

对符合烟雾颜色特征的连通域图像进行小波变换，考察高频特性。小波分析是一种时间-尺度(时间-频率)的分析方法，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。每一级分解均会产生表示图像比较粗糙(低频图像)和比较精细(高频图像)的小波系数，一幅图像可以分解成一幅低分辨率图像和分辨率由低到高的表示图像细节的许多子图像。由于烟雾对图像细节具有衰减性，故而考虑提取其高频部分，对其进行分析。

小波分析采用二维离散小波，首先给定一个二维尺度和平移基函数：

${\mathrm{\φ}}_{j,m,n}^i(x,y)=2^{j/2}{\mathrm{\φ}}^i(2^{j}x-m,2^{j}y-n)$

其中j为频域的参数，而m，n为时域的参数，控制着小波基时域的转移，i＝{H，V，D}其中H代表水平方向，V代表垂直方向，D代表对角线方向。

而尺寸为M×N的函数f(x，y)的离散小波变换为：

$W_{\mathrm{\φ}}^i(j,m,n)=\frac{1}{\sqrt{M\×N}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y){\mathrm{\φ}}_{j,m,n}^i(x,y)$

其中，j₀是任意的开始尺度，m，n为时域的偏移量，

系数定义了在尺度j₀的函数f(x，y)的近似。

系数对于j≥j₀附加了水平、垂直和对角方向的细节。

对图像做二维小波变换后可以将图像变换为四幅长宽各为原图像四分之一的子图像，分别为只具有低频分量的一副子图像(LL)及具有高频分量的三幅子图像(HL，LH，HH)。这三幅子图像包含了水平、垂直和对角方向的细节信息。如果图像中有烟雾遮挡，则被遮挡物体的边缘会变得模糊，对应的能量值也会有所衰减。

将当前帧分离出的前景图像和背景图像中符合条件的连通域分别做小波变换，则对应位置像素(x，y)的前景能量值可以定义为e_n(x，y)：

e_n(x，y)＝|HL_n(x，y)|²+|LH_n(x，y)|²+|HH_n(x，y)|²(7-1)

公式(7-1)中，HL_n表示前景图像像素(x，y)的水平方向的边缘信息，LH_n表示前景图像像素(x，y)的垂直方向的边缘信息，HH_n表示前景图像像素(x，y)的对角方向的边缘信息；

当前帧的背景图像某位置像素(x，y)的能量值定义为e_bn(x，y)：

e_bn(x，y)＝|HL_bn(x，y)|²+|LH_bn(x，y)|²+|HH_bn(x，y)|²(7-2)

公式(7-2)中，HL_bn表示背景图像像素(x，y)的水平方向的边缘信息，LH_bn表示背景图像像素(x，y)的垂直方向的边缘信息，HH_bn表示背景图像像素(x，y)的对角方向的边缘信息。

若对应连通域边缘位置有50％像素符合：0＜T₁e_bn(x，y)＜e_n(x，y)＜T₂e_bn(x，y)，其中0＜T₁＜T₂＜1，则认为该连通域图像符合烟雾特征，进入下一步检测，若不符合则舍去。

8)对连通域进行圆形度检测：

对上述分别符合上述6)步骤和7)步骤的连通域首先分别计算对应连通域的周长，即直接用Canny算子提取连通域的边缘信息，然后直接计算连通域边缘上的白色像素点的个数可认为是此连通域的周长C。然后计算对应连通域的面积S，将之前提取了边缘信息的连通域进行封闭填充，均填充为白色像素，计算此封闭连通域中的白色像素点的个数，可认为是此连通域的面积S。连通域的圆形度D可表示为：

D＝C²/4πS

当D＞1时，可认为形状不规则，由于火焰与烟雾都具有形状不规则形，故而符合此特征。将包含符合以上特征检测的连通域的图像判定为具有火焰或烟雾，启动报警系统进行报警。

尽管上面结合图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以作出很多变形，如对于采用数字摄像机组成的监控系统而言，只需减少模拟信号向数字信号变化的过程，依然可用本专利的方法进行处理，这些均属于本发明的保护之内。

Claims (4)

1.一种基于视频监控平台的室内火灾检测方法，其中，视频监控平台的架构至少包括多个摄像头、显示器、硬盘录像机和计算机系统，其特征在于，检测方法包括以下步骤：

1）由多个摄像头拍摄的画面经过线缆同时传给所述显示器和所述硬盘录像机，所述显示器直接显示上述画面，同时，所述硬盘录像机将接收到的模拟信号转变为YUV信号，并将上述YUV信号编码并以录像文件形式存储在硬盘录像机中；另外，通过网络将该YUV信号传送给计算机系统进行检测处理，将YUV信号转为待处理的色彩空间的信号；

2）进行视频流的预处理：对经过由YUV信号转为待处理的色彩空间的信号的视频画面进行高斯滤波和中值滤波，以消除引入的环境噪声的干扰；

3）对视频流进行运动检测，获得运动像素：对经过预处理的图像，使用三帧帧差法进行运动检测；利用不断更新的背景图像及帧与帧之间的相关性分离出背景图像和前景图像；

4）对运动像素进行连通域提取：对分离出的前景图像进行二值化处理，再通过腐蚀和膨胀算法对聚集在一处像素点之间欧氏距离小于3个像素的像素区进行处理，再通过边界链码提取的方法实现连通域的提取，并对每个连通域做以标记；

5）对各个标记的连通域进行多层颜色检测，保留具有火焰和烟雾特征颜色的连通域：

首先对各连通域进行亮度检测，寻找符合火焰和烟雾共有颜色属性的亮度区间，不符合则舍去，对符合火焰和烟雾共有颜色属性条件的连通域再进行颜色检测，进一步判断符合火焰颜色特征条件的连通域，进入下一步的火焰检测阶段；而其余连通域则进行烟雾检测阶段；

6）对进入火焰检测阶段的连通域计算相应的面积改变量和中心移动速率，进行动态改变量的分析：计算对相应连通域的相邻数帧之间的面积变化量和中心移动速率，以利用火焰的位置不变性和自身的面积不断变化的特性，判断其是否符合火焰的动态特征，对于符合火焰动态特征的连通域，进入下一步检测阶段；

7）对符合烟雾颜色特征的连通域进行小波变换，提取高频分量，计算高频分量的衰减度：计算对相应连通域的小波变换后的高频分量的衰减比率，通过对比当前图像的前景和背景高频分量的衰减比值判断是否符合烟雾特征，对于符合烟雾特征条件的连通域，进入下一步检测阶段；

8）对分别符合上述6）步骤和7）步骤的连通域进行周长C和面积S的计算，进行静态形状分析：计算各个连通域的周长C和面积S，继而计算出表征图像复杂程度的圆形度D的值，连通域的圆形度D表示为：

D=C²/4πS

若D>1，则该连通域的图像具有火焰或烟雾，确定有火灾发生，进行报警。

2.根据权利要求1所述基于视频监控平台的室内火灾检测方法，其特征在于，在将YUV信号转为待处理的色彩空间的信号的过程中，每隔10帧提取一帧进行处理。

3.根据权利要求1所述基于视频监控平台的室内火灾检测方法，其特征在于，步骤5）中：

符合火焰和烟雾共有颜色属性的亮度区间的条件为连通域中有50%像素点的亮度值I满足：I_l<I<I_h        （5-1）

公式（5-1）中，I_l<表示符合火焰和烟雾共有颜色属性的亮度区间的条件下限亮度值，I_h表示符合火焰和烟雾共有颜色属性的亮度区间的条件上限亮度值；

符合火焰颜色特征的连通域的条件为连通域中有40%像素点满足：

R>R_T

R>G+Th1        （5-2）

G>B+Th2

公式（5-2）中，R、G、B分别为像素点的红色、绿色和蓝色分量，R_T为设定的符合条件的红色阈值，Th1，Th2为设定的符合条件的常数值，Th1和Th2均取值为40；

符合进行烟雾检测步骤的连通域的条件为：

(I_max-I_min)<T        （5-3）

公式（5-3）中，I_max和I_min分别为像素点的红色、绿色和蓝色分量中的最大值和最小值，T为设定的符合条件的较小的常数值，T取值为80。

4.根据权利要求1所述基于视频监控平台的室内火灾检测方法，其特征在于，步骤7）中：根据对比当前图像的前景和背景高频分量的衰减比值判断连通域图像符合烟雾特征的条件是：

当前帧的前景图像某位置像素(x,y)的能量值定义为e_n(x,y)：

e_n(x,y)=|HL_n(x,y)|²+|LH_n(x,y)|²+|HH_n(x,y)|²        （7-1）

公式（7-1）中，HL_n(表示前景图像像素(x,y)的水平方向的边缘信息，LH_n表示前景图像像素(x,y)的垂直方向的边缘信息，HH_n表示前景图像像素(x,y)的对角方向的边缘信息；

当前帧的背景图像某位置像素(x,y)的能量值定义为e_bn(x,y)：

e_bn(x,y)=|HL_bn(x,y)|²+|LH_bn(x,y)|²+|HH_bn(x,y)|²        （7-2）

公式（7-2）中，HL_bn表示背景图像像素(x,y)的水平方向的边缘信息，LH_bn表示背景图像像素(x,y)的垂直方向的边缘信息，HH_bn表示背景图像像素(x,y)的对角方向的边缘信息；

若对应连通域边缘位置有50%像素符合：0<T₁e_bn(x,y)<e_n(x,y)<T₂e_bn(x,y)，其中0<T₁<T₂<1，则该连通域图像符合烟雾特征。

Images