CN103020587B - 基于视频图像分析火焰的视图分析方法 - Google Patents

基于视频图像分析火焰的视图分析方法 Download PDF

Info

Publication number
CN103020587B
CN103020587B CN201210459917.9A CN201210459917A CN103020587B CN 103020587 B CN103020587 B CN 103020587B CN 201210459917 A CN201210459917 A CN 201210459917A CN 103020587 B CN103020587 B CN 103020587B
Authority
CN
China
Prior art keywords
flame
image
cie
data
pixel
Prior art date
Application number
CN201210459917.9A
Other languages
English (en)
Other versions
CN103020587A (zh
Inventor
杜峥
Original Assignee
镇江石鼓文智能化系统开发有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 镇江石鼓文智能化系统开发有限公司 filed Critical 镇江石鼓文智能化系统开发有限公司
Priority to CN201210459917.9A priority Critical patent/CN103020587B/zh
Publication of CN103020587A publication Critical patent/CN103020587A/zh
Application granted granted Critical
Publication of CN103020587B publication Critical patent/CN103020587B/zh

Links

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

[0001] 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

[0002] 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。

[0003] 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

[0004] 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。

[0005] 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:

[0006] 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:

[0007]

Figure CN103020587BD00031

其中

Figure CN103020587BD00041

[0013] 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,该像素赋值为〇;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;

[0014] 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M0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;

[0015] 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。

[0016] 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

[0017] 图1为本发明中火灾检测方法流程示意图。

[0018] 图2为本发明中标准火焰颜色在CIE色度图中位置示意。

[0019] 图3为本发明的装置结构框图。

具体实施方式

[0020] 下面结合具体附图和实施对本发明作进一步说明。

[0021 ]如图1所示,为本整个火灾检测方法流程示意图。步骤如下:

[0022]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;

[0023] 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;否则赋值为〇,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。

[0024] 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M0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。

[0025] 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。

[0026] 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。

[0027]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数据:

Figure CN103020587BD00061

[0034] 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。

[0035] 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:

[0036]

Figure CN103020587BD00071

[0037]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_l)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。

[0038] 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。

[0039 ]在步骤110,从步骤109输出的告警信号启动预警系统。

[0040] 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。

[0041] 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。 [0042]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,转换时,先将 RGB视频图像数据线性化为f 数据:
Figure CN103020587BC00021
随后,线性化的图像数据转化为CIE XYZ图像数据:
Figure CN103020587BC00022
转换后CIE XYZ图像数据随后转换到CIE xyY图像数据,其中:
Figure CN103020587BC00023
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,该二值化图像表征 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,该移动目标二值化图像表征了移动目标的图像像 素位置;其中,背景图像通过统计帧间差图像来确定,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,该监控场景的视频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; 步骤109:融合步骤105和步骤107的检测结果,判断是否有动态火焰发生,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;其中,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;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,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。
CN201210459917.9A 2012-11-15 2012-11-15 基于视频图像分析火焰的视图分析方法 CN103020587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210459917.9A CN103020587B (zh) 2012-11-15 2012-11-15 基于视频图像分析火焰的视图分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210459917.9A CN103020587B (zh) 2012-11-15 2012-11-15 基于视频图像分析火焰的视图分析方法

Publications (2)

Publication Number Publication Date
CN103020587A CN103020587A (zh) 2013-04-03
CN103020587B true CN103020587B (zh) 2016-12-21

Family

ID=47969178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210459917.9A CN103020587B (zh) 2012-11-15 2012-11-15 基于视频图像分析火焰的视图分析方法

Country Status (1)

Country Link
CN (1) CN103020587B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107657619A (zh) * 2017-10-13 2018-02-02 西安科技大学 一种低照度林火图像分割方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1112702A (zh) * 1995-03-08 1995-11-29 中国科学技术大学 利用彩色影像三基色差分进行火灾探测与定位的方法
CN102332092A (zh) * 2011-09-14 2012-01-25 广州灵视信息科技有限公司 一种基于视频分析的火焰检测方法
CN102509078A (zh) * 2011-10-28 2012-06-20 北京安控科技股份有限公司 基于视频分析的烟火检测装置
CN102708651A (zh) * 2012-05-23 2012-10-03 无锡蓝天电子有限公司 一种图像型烟雾火灾探测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7764832B2 (en) * 2003-12-16 2010-07-27 Seiko Epson Corporation System and method for processing image data for color space conversion

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1112702A (zh) * 1995-03-08 1995-11-29 中国科学技术大学 利用彩色影像三基色差分进行火灾探测与定位的方法
CN102332092A (zh) * 2011-09-14 2012-01-25 广州灵视信息科技有限公司 一种基于视频分析的火焰检测方法
CN102509078A (zh) * 2011-10-28 2012-06-20 北京安控科技股份有限公司 基于视频分析的烟火检测装置
CN102708651A (zh) * 2012-05-23 2012-10-03 无锡蓝天电子有限公司 一种图像型烟雾火灾探测方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107657619A (zh) * 2017-10-13 2018-02-02 西安科技大学 一种低照度林火图像分割方法

Also Published As

Publication number Publication date
CN103020587A (zh) 2013-04-03

Similar Documents

Publication Publication Date Title
AU2012340862B2 (en) Geographic map based control
Kumar et al. A comparative study of different color spaces for foreground and shadow detection for traffic monitoring system
US7218756B2 (en) Video analysis using segmentation gain by area
US7660439B1 (en) Method and system for flow detection and motion analysis
CN103714325B (zh) 基于嵌入式系统的遗留物和遗失物实时检测方法
EP2924613A1 (en) Stay condition analyzing apparatus, stay condition analyzing system, and stay condition analyzing method
KR101355974B1 (ko) 복수의 객체를 추적하는 객체 추적 방법 및 장치
CN104350744B (zh) 具有多光谱滤光器阵列的相机系统及其图像处理方法
JP2669753B2 (ja) ビデオ画像プロセッサおよび車両検出方法
KR100476019B1 (ko) 침입물체검출용 감시방법 및 침입물체검출용 감시장치
KR20150029006A (ko) 비디오 감시 시스템을 위한 피처 이례들의 무감독 학습
JP4881766B2 (ja) カメラ間連結関係情報生成装置
CN101493980B (zh) 一种基于多特征融合的快速视频火焰探测方法
JP4673849B2 (ja) 複数のイメージセンサ間における視野関係を決定するためのコンピュータ化された方法及び装置
KR100948128B1 (ko) 연기 검출 방법 및 장치
CN104754302B (zh) 一种基于枪球联动系统的目标检测跟踪方法
US8218814B2 (en) Image data processing apparatus and method for object detection and judging suspicious objects
US7859419B2 (en) Smoke detecting method and device
WO2012008176A1 (ja) 監視システムおよび監視方法
US8300890B1 (en) Person/object image and screening
JP4429298B2 (ja) 対象個数検出装置および対象個数検出方法
JP5603403B2 (ja) 対象物計数方法、対象物計数装置および対象物計数プログラム
KR101336139B1 (ko) 깊이 카메라를 이용한 움직임 추정 시스템 및 방법
CN103069434B (zh) 用于多模式视频事件索引的方法和系统
US9367734B2 (en) Apparatus, control method, and storage medium for setting object detection region in an image

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