CN103020587A - 基于视频图像分析火焰的视图分析方法 - Google Patents

Abstract

本发明公开了基于视频图像分析火焰的视图分析方法，其核心思想在于采用将采集的视频图像从RGB颜色空间转换为CIE xyY颜色空间，通过和标定的标准火焰颜色在CIE xy色度图上的分布特征对比，来达到火焰像素的识别目的。另外，转换后CIE xyY数据同时并行地输入到火焰检测模块和移动目标检测模块，然后通过对两个模块输出的二值化图像进行融合，来检测是否有火灾在所监控场景中出现。由于在CIE xy颜色空间，火焰颜色有较高的分辨性和独特性，本发明具有较高的火焰识别精确度，适应范围广。同时，由于采用火焰检测模块和移动目标检测模块的并行处理，本发明对火灾检测反应速度快。

Description

基于视频图像分析火焰的视图分析方法

技术领域

本发明涉及一种基于视频图像分析火焰的视图分析方法，尤其是通过对实时采集的视频图像中像素颜色特征的分析，来进行火焰探测和告警，属于智能火灾监控的技术领域。

背景技术

火灾监控和预警装置系统在许多领域，包括大型建筑物防火，森林防火，自然环境监测中，起着非常重要的作用。传统的火灾监测技术和装置包括粒子型烟雾传感器、红外线和激光技术等。粒子型烟雾传感器需要烟雾颗粒进入传感器才能引起报警，红外线和激光技术也需要烟雾遮挡才能引发报警，另外，对大型空间的建筑物和室外环境，需要布局大量的传感器设备才能达到较高的监控覆盖率和监测精度，造成成本上升。

近年来随着视频监控系统和计算机视觉识别技术的发展和提高，基于视频图像分析的火灾检测系统正有取代传统装置的趋势，尤其在大型建筑物防火和室外环境监测中。在基于视频图像的火灾检测系统的现有技术中，许多方法被提出和采用。在这些方法中，基于视频图像分析的火焰探测方法分为两个主要模块：移动目标的识别和分割，火焰特征分析。经过移动目标的识别和分割处理的图像像素数据输入到火焰特征分析模块，通过对移动目标的颜色、形状和跳动形式等特征进行分析，以及和火焰特有的特征进行分析对比，来达到火焰识别和检测的目的。然而，在这些方法中，一些算法采用传统的颜色空间例如RGB和YUV进行火焰颜色特征识别，误判率较高；一些算法首先执行火焰特征分析，再进行移动目标识别，造成计算速度较慢，运行成本较高。而另外一些算法针对火焰形状等动态特征进行分析和检测，算法架构复杂且误判率较高。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于视频图像分析火灾的视图分析方法，尤其是通过对实时采集的视频图像中像素颜色特征在另外一种颜色空间上的分析，来提高火灾检测和预警的精度。同时采用火焰检测和移动目标检测并行处理的方式，来提高火灾检测的处理速度。

本发明提供的技术方案，基于视频图像分析火焰的视图分析方法，包括如下步骤：

步骤103：转换视频图像数据颜色空间；将监控场景的视频图像RGB数据颜色空间转换到CIE XYZ 颜色空间以及CIE xyY 颜色空间转换， 转换时，先将RGB视频图像数据线性化为R＇G＇B＇数据：

$R^{\′}=f_r^{-1}\left(R\right),G^{\′}=f_r^{-1}\left(G\right),B^{\′}=f_r^{-1}\left(B\right)$  其中

$f_r^{-1}\left(c\right)=\left\{\begin{array}{cc}{\left(\frac{c+0.055}{1.005}\right)}^{2.4}& c>0.03928\\ \frac{c}{12.92}& c\≤0.03928\end{array}\right.$

随后，线性化的R＇G＇B＇图像数据转化为CIE XYZ图像数据：

$\left|\begin{array}{c}X\\ Y\\ Z\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}{R}^{\′}\\ G^{\′}\\ B^{\′}\end{array}\right|$

转换后CIE XYZ图像数据随后转换到CIE xyY图像数据，其中：

$x=\frac{X}{X+Y+Z},y=\frac{Y}{X+Y+Z}$

步骤105：在转换后的颜色空间中检测是否有符合火焰颜色特征的目标；对所转换后图像的每一个像素的CIE xy数据和标准颜色数据图进行对比，如果该像素的CIE xy坐标点落在标准颜色数据图中的火焰区域内，该像素赋值为1；如果该像素的CIE xy坐标点落在标准颜色数据图中的火焰区域外，该像素赋值为0；并输出一幅二值化图像，该图像表征了符合火焰颜色特征的图像像素位置；

步骤107：在转换后的颜色空间中检测是否有移动目标；通过CIE Y图像数据进行移动目标的检测和判断；移动目标检测方法主要通过比较当前图像和背景图像的差异完成，通过比较，一幅移动目标二值化图像MO被生成，不断更新的背景图像存放在背景图像缓存器中，背景图像又通过统计帧间差图像来完成，帧间差图像计算为实时视频图像的连续两帧图像的CIE Y亮度之差，如果连续几帧或一段时间内，帧间差图像持续为零或者接近为零，该监控场景图像为可靠背景图像，该背景图像存放在背景图像缓冲器中并不断被更新；并输出一幅移动目标二值化图像，该图像表征了移动目标的图像像素位置；

步骤109：融合步骤105和步骤107的检测结果，判断时候有动态火焰发生，如果符合火焰发生条件，启动火灾告警装置；否则继续进行实时监控；融合方法为二值化AND 操作，当前图像的某像素只有同时在上述两幅二值化图像中都为1，该像素才能判断为可疑火焰像素；进一步的可能判断包括统计可疑火焰像素的数目，当统计所得可疑火焰像素数目达到某一阈值，检测方法则判断当前监控场景有火灾发生，产生一个火灾告警信号，启动预警系统。

本发明的优点：采用将采集的视频图像从RGB颜色空间转换为CIE xyY颜色空间，通过和标定的标准火焰颜色在CIE xy色度图上的分布特征对比，来达到火焰像素的识别。CIE xy是一种设备独立的线性颜色空间，在本质上更能精确地表述颜色特征。标准火焰颜色在CIE xy色度图上有明显的分辨性和独特性。所以本发明有较高的火焰检测精确度。另外由于本发明采用火焰检测和移动目标检测并行处理的方式，火灾检测运行反应速度快，适应范围广。

附图说明

图1为本发明中火灾检测方法流程示意图。

图2为本发明中标准火焰颜色在CIE色度图中位置示意。

图3为本发明的装置结构框图。

具体实施方式

下面结合具体附图和实施对本发明作进一步说明。

如图1所示，为本整个火灾检测方法流程示意图。 步骤如下：

步骤101：采集视频图像数据；采集的视频图像在图像预处理模块从RGB颜色空间转换到CIE XYZ 颜色空间以及进一步的CIE xy 颜色空间转换，在转换过程中，由于通常的RGB颜色空间为非线性空间，即经过了伽玛校正处理，因此获取的RGB视频图像数据首先要线性化为R＇G＇B＇数据；线性化的R＇G＇B＇图像数据通过线性矩阵操作转化为CIE XYZ图像数据，转换后CIE XYZ图像数据随后转换到CIE xyY图像数据；

步骤103：转换视频图像数据颜色空间；对所转换后图像的每一个像素的CIE xy数据和标准颜色数据图进行对比，如果该像素的CIE xy坐标点落在标准颜色数据图中的火焰区域内，该像素赋值为1；否则赋值为0，火焰像素检测模块的输出结果为一幅二值化图像，该图像表征了符合火焰颜色特征的图像像素位置。

步骤105：在转换后的颜色空间中检测是否有符合火焰颜色特征的目标；在进行火焰像素检测的同时，移动目标的检测和判断也在并行处理。经过预处理模块转换得到的CIE Y亮度图像数据用来进行移动目标的检测和判断。本发明所采用的移动目标检测方法主要通过比较当前图像和背景图像的差异完成，通过比较，一幅移动目标二值化图像MO被生成。不断更新的背景图像存放在背景图像缓存器中。背景图像又通过统计帧间差图像来完成，帧间差图像计算为实时视频图像的连续两帧图像的CIE Y亮度之差。如果连续几帧或一段时间内，帧间差图像一直为零或者接近为零，该监控场景图像可视为可靠背景图像，该背景图像存放在背景图像缓冲器中并不断被更新。移动目标检测模块的输出结果为一幅移动目标二值化图像，该图像表征了移动目标的图像像素位置。

步骤107：在转换后的颜色空间中检测是否有移动目标；火焰像素检测模块和移动目标模块输出的两幅二值化图像进行融合来进一步判断是否有火焰在当前监控场景中发生。融合方法为二值化AND 操作，也就是说当前图像的某像素只有同时在上述两幅二值化图像中都为1，该像素才能判断为可疑火焰像素。进一步的可能判断包括统计可疑火焰像素的数目，当统计所得可疑火焰像素数目达到某一阈值，检测方法则判断当前监控场景有火灾发生，产生一个火灾告警信号，启动预警系统。

本发明还提供一种火焰检测装置，包括视频图像采集系统，视频图像分析系统，火灾告警系统。其中视频图像分析系统包括四个模块：视频图像预处理模块，移动目标识别模块，火焰像素识别模块，和火灾判断模块。视频图像分析系统位于计算机系统内，是本发明的核心部分，通过对实时采集的视频图像进行处理和分析，并作出是否有火灾发生的判断。首先，视频图像分系统通过预处理模块对图像图像颜色空间转换等预处理，将视频采集获取的RGB图像格式转换到CIE xyY颜色空间。预处理也可以包括去噪等处理，来进一步提高火焰判断的精度和稳定性。经过颜色空间转换后的视频图像数据分别输入到两个并行处理模块：移动目标识别模块和火焰像素识别模块。这种并行处理不同于传统的串行处理，可大大加快火灾判断的处理和反应速度。移动目标识别模块还包括一帧背景图像缓存器。火焰像素识别模块还包括事先标定的标准火焰颜色数据图。火灾判断模块接受移动目标识别模块和火焰像素识别模块的输出结果，来作出是否有火灾发生的判断，并将火灾预警信号输入到火灾预警系统。

具体实施步骤如下：在步骤101，所监控场景的视频图像数据通过视频图像采集系统获取，假定视频图像格式为RGB格式。接下来，采集的视频图像通过步骤103从RGB颜色空间转换到CIE XYZ 颜色空间以及进一步的CIE xy 颜色空间转换；CIE XYZ 颜色空间不同于RGB颜色空间，它是一种设备独立的线性颜色空间，由国际照明委员会在上世纪二十年代提出并在1931年将其标准化，在本质上更能精确地表述颜色特征。 在本发明中，转换后的CIE XYZ 三维颜色空间数据进一步转换到CIE xyY 色度空间，使颜色特征（色相和饱和度）进一步独立于亮度特征。由于通常的RGB颜色空间为非线性空间，即经过了伽玛校正处理，因此获取的RGB视频图像数据首先要线性化为R＇G＇B＇数据：

$R^{\′}=f_r^{-1}\left(R\right),G^{\′}=f_r^{-1}\left(G\right),B^{\′}=f_r^{-1}\left(B\right)$  其中

$f_r^{-1}\left(c\right)=\left\{\begin{array}{cc}{\left(\frac{c+0.055}{1.005}\right)}^{2.4}& c>0.03928\\ \frac{c}{12.92}& c\≤0.03928\end{array}\right.$

随后，线性化的R＇G＇B＇图像数据转化为CIE XYZ图像数据：

$\left|\begin{array}{c}X\\ Y\\ Z\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}{R}^{\′}\\ G^{\′}\\ B^{\′}\end{array}\right|$

转换后CIE XYZ图像数据随后转换到CIE xyY图像数据，其中：

$x=\frac{X}{X+Y+Z},y=\frac{Y}{X+Y+Z}$

在步骤105，从步骤103转换得到的CIE xy二维色度图像数据进行火焰颜色特征分析和检测。这种分析和检测通过和事先标定好的标准火焰颜色数据图106进行比较来完成。如图2所示，标准火焰的颜色数据绘制在CIE xy色度图上，横轴表示CIE x值，纵轴表示CIE y值。科学研究表示，火焰带有明显的颜色特征，主要分布在红色和黄色区域，这种特征在CIE xy色度图上尤其明显。图2中马蹄形轨迹内的颜色为一般人可见的所有色度，外侧曲线边界为光谱轨迹，所标注的斜线三角区域是标定好标准火焰所在的色度坐标区域。如图所示，标准火焰颜色集中分布在CIE xy色度坐标图的右下角区域，利用这种信息，所监控场景的视频图像数据就可以进行火焰颜色特征分析。具体实施为: 对所转换后图像的每一个像素的CIE xy数据和标准颜色数据图进行对比，如果该像素的CIE xy坐标点落在标准颜色数据图106中的斜线三角区域内，该像素赋值为1；否则赋值为0。步骤105的输出结果为一幅二值化图像，该图像表征了符合火焰颜色特征的图像像素位置。

步骤107结合步骤108来完成移动目标的检测和判断。经过步骤103转换得到的CIE Y亮度图像数据用来进行移动目标的检测和判断。本发明所采用的移动目标检测方法主要通过比较当前图像和背景图像的差异完成，通过比较，一幅移动目标二值化图像MO被生成：

；

其中Y(i,j,t)是当前图像中像素位置在(i,j)处的CIE Y亮度值，BG(i,j,t-1)是上一帧背景图像中像素位置在(i,j)处的CIE Y亮度值，Threshold是一个事先实验标定获得的判断阈值。不断更新的背景图像存放在背景图像缓存器中。背景图像又通过统计帧间差图像来完成，帧间差图像计算为实时视频图像的连续两帧图像的CIE Y亮度之差。如果连续几帧或一段时间内，帧间差图像一直为零或者接近为零，该监控场景图像可视为可靠背景图像，同时通过步骤108，该背景图像存放在背景图像缓冲器中并不断被更新。步骤107的输出结果为一幅移动目标二值化图像，该图像表征了移动目标的图像像素位置。

在步骤109，从步骤107和步骤109输出的两幅二值化图像进行融合来进一步判断是否有火焰在当前监控场景中发生。融合方法为二值化AND操作，也就是说当前图像的某像素只有同时在上述两幅二值化图像中都为1，该像素才能判断为可疑火焰像素。进一步的可能判断包括统计可疑火焰像素的数目，当统计所得可疑火焰像素数目达到某一阈值，检测方法则判断当前监控场景有火灾发生，产生一个火灾告警信号，实例方法进入步骤110，启动预警装置，否则，实施方法重新进入步骤101，继续采集当前视频图像进行监控。

在步骤110，从步骤109输出的告警信号启动预警系统。

图2是标准火焰绘制在CIE xy色度图上的位置示意，其中横轴表示CIE x值，纵轴表示CIE y值。科学研究表示，火焰带有明显的颜色特征，主要分布在红色和黄色区域，这种特征在CIE xy色度图上尤其明显。图2中马蹄形轨迹内的颜色为一般人可见的所有色度，外侧曲线边界为光谱轨迹，所标注的斜线三角区域是标定好标准火焰所在的色度坐标区域。如图2所示，标准火焰颜色集中分布在CIE xy色度坐标图的右下角区域，利用这种信息，所监控场景的视频图像数据就可以进行火焰颜色特征分析。

图3是本发明的系统装置示意图。本发明包括用于采集视频图像的采集系统301，视频图像分析系统302，火灾告警系统307。其中视频图像分析系统包括四个模块： 视频图像预处理模块303，移动目标识别模块304，火焰像素识别模块305，和火灾判断模块306。

视频图像采集系统301可以是模拟式摄像机，也可以是IP摄像机，来保证能连续不断采集当前监控场景图像并输入到视频图像分析系统302。视频图像分析系统302位于计算机系统内，对采集的视频图像进行处理和分析，并作出是否有火灾发生的判断。 首先，视频图像分系统302通过预处理模块303对图像图像颜色空间转换等预处理。将视频采集获取的RGB图像格式转换到CIE xyY颜色空间。预处理也可以包括去噪等处理，来进一步提高火焰判断的精度和稳定性。经过颜色空间转换后的视频图像数据分别输入到两个并行处理模块：移动目标识别模块304和火焰像素识别模块305。这种并行处理不同于传统的串行处理，可大大加快火灾判断的处理和反应速度。移动目标识别模块304还包括一帧背景图像缓存器。火焰像素识别模块305还包括事先标定的标准火焰颜色数据图。火灾判断模块306接受移动目标识别模块304和火焰像素识别模块305的输出结果，来作出是否有火灾发生的判断，并将火灾预警信号输入到火灾预警系统307。火灾预警系统307为常规的火灾预警系统，火灾预警系统307的作用及结构为本技术领域人员所熟知，此处不再详述。

Claims (1)

1.基于视频图像分析火焰的视图分析方法，其特征在于，包括如下步骤： 

步骤103：转换视频图像数据颜色空间；将监控场景的视频图像RGB数据颜色空间转换到CIE XYZ 颜色空间以及CIE xyY 颜色空间转换， 转换时，先将                                                

视频图像数据线性化为

数据：

 

 其中

随后，线性化的

图像数据转化为CIE XYZ图像数据：

转换后CIE XYZ图像数据随后转换到CIE xyY图像数据，其中：

 

步骤105：在转换后的颜色空间中检测是否有符合火焰颜色特征的目标；对所转换后图像的每一个像素的CIE xy数据和标准颜色数据图进行对比，如果该像素的CIE xy坐标点落在标准颜色数据图中的火焰区域内，该像素赋值为1；如果该像素的CIE xy坐标点落在标准颜色数据图中的火焰区域外，该像素赋值为0；并输出一幅二值化图像，该图像表征了符合火焰颜色特征的图像像素位置；

步骤107：在转换后的颜色空间中检测是否有移动目标；通过CIE Y图像数据进行移动目标的检测和判断；移动目标检测方法主要通过比较当前图像和背景图像的差异完成，通过比较，一幅移动目标二值化图像MO被生成，不断更新的背景图像存放在背景图像缓存器中，背景图像又通过统计帧间差图像来完成，帧间差图像计算为实时视频图像的连续两帧图像的CIE Y亮度之差，如果连续几帧或一段时间内，帧间差图像持续为零或者接近为零，该监控场景图像为可靠背景图像，该背景图像存放在背景图像缓冲器中并不断被更新；并输出一幅移动目标二值化图像，该图像表征了移动目标的图像像素位置；

步骤109：融合步骤105和步骤107的检测结果，判断时候有动态火焰发

生，如果符合火焰发生条件，启动火灾告警装置；否则继续进行实时监控；融合方法为二值化AND 操作，当前图像的某像素只有同时在上述两幅二值化图像中都为1，该像素才能判断为可疑火焰像素；进一步的可能判断包括统计可疑火焰像素的数目，当统计所得可疑火焰像素数目达到某一阈值，检测方法则判断当前监控场景有火灾发生，产生一个火灾告警信号，启动预警系统。

Images