CN103413395A - 烟气智能检测预警方法及装置 - Google Patents

Abstract

本发明公开了一种烟气智能检测预警方法，包括以下步骤：S1、使用第一图像获取设备与第二图像获取设备组成的双目系统，监控区域内的监控对象，采集视频数据；S2、根据所述视频数据检测烟火区域与气体泄漏情况；S3、利用可见光与红外图像融合技术，确定所述烟火区域与所述气体泄漏点，产生报警。本发明采用图像处理和模式识别技术相结合，提供了一种化工园区公共管廊的在线实时智能检测预警的有效方法。通过网络技术和系统设计，可以对整个化工园区的所有公共管廊进行在线实时监控，对发生的气体泄漏与烟火进行及时报警。

Description

烟气智能检测预警方法及装置

技术领域

本发明涉及图像处理和模式识别技术领域，特别涉及一种烟气智能检测预警方法及装置。

背景技术

现代化工行业已经进入到高度自动化的生产过程，大多数设备处于流程化作业、长周期运行的状态，有些甚至在高温、高压及易腐蚀的环境下运行，存在着易燃、易爆的危险性。因此，生产过程中重大设备的监测显得十分重要，对化工园区内的烟火与管廊气体泄漏检测预警具有极为重要的现实意义。

目前大多数基于视频的检测方法比较单一，仅进行火灾的检测或者是气体泄漏的检测，并且针对化工园区特殊环境下应用的研究还比较少。如何有效地将烟火检测与气体泄漏检测结合起来，并且进行准确的检测预警，是需要解决的问题。

发明内容

（一）要解决的技术问题

本发明所要解决的技术问题是：如何设计一种系统全面的对化工园区公共管廊烟火和气体泄漏智能检测预警的方法和装置。

（二）技术方案

为解决上述问题，本发明提供一种烟气智能检测预警方法，包括以下步骤：S1、使用第一图像获取设备与第二图像获取设备组成的双目系统，监控区域内的监控对象，采集视频数据；S2、根据所述视频数据检测烟火区域与气体泄漏情况；S3、利用可见光与红外图像融合技术，确定所述烟火区域与所述气体泄漏点，产生报警。

优选地，所述步骤S1包括：S11、使用所述第一图像获取设备获取所述监控对象的热成像视频数据；S12、使用所述第二图像获取设备获取所述监控对象的可见光视频数据；S13、通过云台接收控制指令并根据指令带动所述第一图像获取设备与所述第二图像获取设备对所述监控对象进行扫描。

优选地，所述步骤S2包括：S21、在可见光图像中，利用烟火的颜色特征提取候选烟火区域；S22、在红外图像中，利用红外图像的热成像特性，在所述候选烟火区域中，根据温度阈值确定所述烟火区域；S23、在可见光图像中，利用基于金字塔的Lucas光流法检测烟雾与气体泄漏；S24、在红外图像中，根据不同气体在热成像图像的成像特点，确定是否发生气体泄漏。

优选地，所述步骤S3包括：S31、将可见光图像与红外图像进行融合，通过红外图像定位泄漏点，并在融合后的图像上标记所述泄漏点的位置，产生报警。

优选地，所述第一图像获取设备为非制冷红外摄像机，所述第二图像获取设备为可见光摄像机，所述监控对象为公共管廊。

本发明还提供一种烟气智能检测预警装置，包括：采集单元，使用第一图像获取设备与第二图像获取设备组成的双目系统，监控区域内的监控对象，采集视频数据；检测单元，根据所述视频数据检测烟火区域与气体泄漏情况；报警单元，利用可见光与红外图像融合技术，确定所述烟火区域与所述气体泄漏点，产生报警。

优选地，所述采集单元包括：第一采集子单元，使用所述第一图像获取设备获取所述监控对象的热成像视频数据；第二采集子单元，使用所述第二图像获取设备获取所述监控对象的可见光视频数据；扫描单元，通过云台接收控制指令并根据指令带动所述第一图像获取设备与所述第二图像获取设备对所述监控对象进行扫描。

优选地，所述检测单元包括：提取单元，在可见光图像中，利用烟火的颜色特征提取候选烟火区域；第一检测子单元，在红外图像中，利用红外图像的热成像特性，在所述候选烟火区域中，根据温度阈值确定所述烟火区域；第二检测子单元，在可见光图像中，利用基于金字塔的Lucas光流法检测烟雾与气体泄漏；确定单元，在红外图像中，根据不同气体在热成像图像的成像特点，确定是否发生气体泄漏。

优选地，所述报警单元包括：第一报警子单元，将可见光图像与红外图像进行融合，通过红外图像定位泄漏点，并在融合后的图像上标记所述泄漏点的位置，产生报警。

优选地，所述第一图像获取设备为非制冷红外摄像机，所述第二图像获取设备为可见光摄像机，所述监控对象为公共管廊。

（三）有益效果

本发明采用图像处理和模式识别技术相结合，提供了一种化工园区公共管廊的在线实时智能检测预警的有效方法。通过网络技术和系统设计，可以对整个化工园区的所有公共管廊进行在线实时监控，对发生的气体泄漏与烟火进行及时报警。

附图说明

图1是根据本发明实施例的烟气智能检测预警方法流程图；

图2是根据本发明实施例的烟火检测算法流程图；

图3是根据本发明实施例的气体泄漏检测算法流程图；

图4是根据本发明实施例的可见光与红外图像融合流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1～图4所示，本发明提供的一种化工园区公共管廊的在线实时智能检测预警的有效方法，包括以下步骤：

S1、使用非制冷红外摄像机与可见光摄像机组成的双目系统，监控区域内的公共管廊，采集预设监测区域内的视频信号；

S2、使用烟火检测与气体泄漏识别算法进行检测；

S3、利用可见光与红外图像融合技术，确定烟火与气体泄漏点，产生报警。

优选地，所述采集预设监测区域内的视频信号包括如下步骤：

S11、非制冷红外摄像机负责采集管廊区域的热成像视频；

S12、可见摄像机负责采集管廊区域的可见光视频；

S13、通过云台接收控制指令并根据指令带动非制冷红外摄像机与可见光摄像机对管廊区域进行扫描。

优选地，使用烟火检测与气体泄漏识别算法进行检测包括如下步骤：

S21、在可见光图像中，利用烟火的颜色特征提取候选烟火区域；

步骤S21中所述利用烟火的颜色特征提取候选烟火区域的主要步骤如下：

在RGB颜色空间下，进行统计分析，烟火区域颜色应当满足

$\left\{\begin{array}{c}{\mathrm{Pixel}}_{\mathrm{iR}}>R_{\mathrm{mean}}\\ {\mathrm{Pixel}}_{\mathrm{iR}}>{\mathrm{Pixel}}_{\mathrm{iG}}>{\mathrm{Pixel}}_{\mathrm{iB}}\end{array}\right.$

其中，Pixel_iR,Pixel_iG,Pixel_iB是当前像素Pixel_i的R、G、B分量，R_mean是图像中满足Pixel_iR>threshold_R,Pixel_iG<threshold_G,Pixel_iB<threshold_B所有像素点红色分量的均值。

S22、在红外图像中，利用红外图像的热成像特性，在所述候选烟火区域中，根据温度阈值确定烟火区域；

步骤S22中所述温度阈值为火焰在热成像图像上表现为灰度值，温度越高，灰度值越大。

S23、在可见光图像中，利用基于金字塔的Lucas光流法检测烟雾与气体泄漏；

步骤S23中所述利用利用基于金字塔的Lucas光流法检测烟雾与气体泄漏的主要步骤如下：

S231、在可见光图像中利用混合高斯背景建模提取前景图像；

S232、计算前景图像的光流，根据烟雾与气体的不规则运动与发散特征，提取特征值。特征值选取如下：设前景图像的光流向量为v，其大小为|v|，其方向角为θ，计算前景图像光流速度大小组成的数组的平均值和方差以及所有前景图像光流速度方向组成的数组的平均值和方差，作为特征值；

速度大小平均值： $m_v=\frac{1}{k}\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}\sqrt{v_{\mathrm{ix}}^2+v_{\mathrm{iy}}^2}$

速度大小方差： ${\mathrm{\&sigma;}}_v=\frac{1}{k-1}\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}{(\sqrt{v_{\mathrm{ix}}^2+v_{\mathrm{iy}}^2}-m_v)}^2$

速度方向平均值：

速度方向方差： ${\mathrm{\&sigma;}}_{\mathrm{\&theta;}}=\frac{1}{k-1}\underset{i-1}{\overset{k}{\mathrm{\&Sigma;}}}{(t_i-d_v)}^2$

其中， $t_i=\left\{\begin{array}{c}\arctan \frac{v_{\mathrm{iy}}}{v_{\mathrm{ix}}},(v_{\mathrm{ix}}>0,v_{\mathrm{iy}}>0)\\ \mathrm{\&pi;}-\arctan \frac{v_{\mathrm{iy}}}{v_{\mathrm{ix}}},(v_{\mathrm{ix}}<0,v_{\mathrm{iy}}>0)\\ \mathrm{\&pi;}+\arctan \frac{v_{\mathrm{iy}}}{v_{\mathrm{ix}}},(v_{\mathrm{ix}}<0,v_{\mathrm{iy}}<0)\\ 2\mathrm{\&pi;}-\arctan \frac{v_{\mathrm{iy}}}{v_{\mathrm{ix}}},(v_{\mathrm{ix}}>0,v_{\mathrm{iy}}<0)\end{array}\right.$

S233、通过设定的阈值与特征值比较，确定候选烟雾与气体泄漏区域。设速度大小平均值阈值为M_v1,M_v2，速度大小方差阈值为N_v，速度方向的方差阈值为N_θ，如果满足

$\left\{\begin{array}{c}{M}_{v1}<m_v<M_{v2}\\ 0<m_{\mathrm{\&theta;}}<2\mathrm{\&pi;}\\ {\mathrm{\&sigma;}}_v>N_v\\ {\mathrm{\&sigma;}}_{\mathrm{\&theta;}}>N_{\mathrm{\&theta;}}\end{array}\right.$

则判别为烟雾与气体泄漏；

S24、在红外图像中，根据不同气体在热成像图像的成像特点，设定阈值，进一步确定是否发生气体泄漏。

优选地，所述利用可见光与红外图像融合技术，确定烟火与气体泄漏点，产生报警主要包括如下步骤：

S31、将可见光图像与红外图像进行融合，通过红外图像定位泄漏点，并在融合后的图像上标记泄漏点位置，产生报警。

步骤S31中所述将可见光图像与红外图像进行融合的主要步骤如下：

S311、利用中心投影模型建立坐标系，并对可见光摄像机与红外摄像机进行标定；

S312、以可见光图像为基准，计算红外图像与可见光图像坐标系间的变换关系；

设红外图像坐标系上一点为(u_i,v_i)，对应的红外图像世界坐标系内一点为(X_i,Y_i,Z_i)，根据中心投影模型，可知

$Z_i\left[\begin{array}{c}{u}_i\\ v_i\\ 1\end{array}\right]=\left[\begin{array}{cccc}\frac{f_i}{d_{\mathrm{xi}}}& 0& u_{\mathrm{oi}}& 0\\ 0& \frac{f_i}{d_{\mathrm{yi}}}& v_{\mathrm{oi}}& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{X}_i\\ Y_i\\ Z_i\\ 1\end{array}\right]$

设可见光图像坐标系上一点为(u_v,v_v)，对应的可见光图像世界坐标系内一点为(X_v,Y_v,Z_v)，根据中心投影模型，可知

$Z_v\left[\begin{array}{c}{u}_v\\ v_v\\ 1\end{array}\right]=\left[\begin{array}{cccc}\frac{f_v}{d_{\mathrm{xv}}}& 0& u_{\mathrm{ov}}& 0\\ 0& \frac{f_v}{d_{\mathrm{yv}}}& v_{\mathrm{ov}}& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{X}_v\\ Y_v\\ Z_v\\ 1\end{array}\right]$

由于以可见光图像为基准，可以认为红外摄像机坐标系与可见光世界坐标系重合，设红外摄像机坐标系上的点为(X_c,Y_c,Z_c)，可见光世界坐标系上的点为(X_v,Y_v,Z_v)，则有

$\left[\begin{array}{c}{X}_v\\ Y_v\\ Z_v\\ 1\end{array}\right]=\left[\begin{array}{cc}R& T\\ 0^T& 1\end{array}\right]\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\\ 1\end{array}\right],$ 其中R与T为可见光摄像机坐标系与红外摄像机坐标系的变换关系，可以通过实际测量计算得出。

综上，则可以得出红外图像与可见光图像的变换关系，如下：

$Z_v\left[\begin{array}{c}{u}_v\\ v_v\\ 1\end{array}\right]=\left[\begin{array}{cccc}\frac{f_v}{d_{\mathrm{xv}}}& 0& u_{\mathrm{ov}}& 0\\ 0& \frac{f_v}{d_{\mathrm{yv}}}& v_{\mathrm{ov}}& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{cc}R& T\\ 0^T& 1\end{array}\right]\left[\begin{array}{c}{Z}_c(u_i-u_{\mathrm{oi}})\frac{d_{\mathrm{xi}}}{f_i}\\ Z_c(v_i-v_{\mathrm{oi}})\frac{d_{\mathrm{yi}}}{f_i}\\ Z_c\\ 1\end{array}\right]$

S313、将红外图像变换为可见光图像坐标系；

S314、利用加权融合方法对可见光图像和红外图像进行融合。

本发明还提供一种化工园区公共管廊的在线实时智能检测预警的置，包括：采集单元，使用非制冷红外摄像机与可见光摄像机组成的双目系统，监控区域内的公共管廊，采集预设监测区域内的视频信号；检测单元，使用烟火检测与气体泄漏识别算法进行检测；报警单元，利用可见光与红外图像融合技术，确定烟火与气体泄漏点，产生报警。

优选地，所述采集单元包括：第一采集子单元，非制冷红外摄像机负责采集管廊区域的热成像视频；第二采集子单元，可见摄像机负责采集管廊区域的可见光视频；扫描单元，通过云台接收控制指令并根据指令带动非制冷红外摄像机与可见光摄像机对管廊区域进行扫描。

优选地，所述检测单元包括：提取单元，在可见光图像中，利用烟火的颜色特征提取候选烟火区域；第一检测子单元，在红外图像中，利用红外图像的热成像特性，在所述候选烟火区域中，根据温度阈值确定烟火区域；第二检测子单元，在可见光图像中，利用基于金字塔的Lucas光流法检测烟雾与气体泄漏；确定单元，在红外图像中，根据不同气体在热成像图像的成像特点，设定阈值，进一步确定是否发生气体泄漏。

优选地，所述报警单元包括：第一报警子单元，将可见光图像与红外图像进行融合，通过红外图像定位泄漏点，并在融合后的图像上标记泄漏点位置，产生报警。

本发明采用图像处理和模式识别技术相结合，提供了一种化工园区公共管廊的在线实时智能检测预警的有效方法。通过网络技术和系统设计，可以对整个化工园区的所有公共管廊进行在线实时监控，对发生的气体泄漏与烟火进行及时报警。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种烟气智能检测预警方法，其特征在于，包括以下步骤：

S1、使用第一图像获取设备与第二图像获取设备组成的双目系统，监控区域内的监控对象，采集视频数据；

S2、根据所述视频数据检测烟火区域与气体泄漏情况；

S3、利用可见光与红外图像融合技术，确定所述烟火区域与所述气体泄漏点，产生报警。

2.如权利要求1所述的方法，其特征在于，所述步骤S1包括：

S11、使用所述第一图像获取设备获取所述监控对象的热成像视频数据；

S12、使用所述第二图像获取设备获取所述监控对象的可见光视频数据；

S13、通过云台接收控制指令并根据指令带动所述第一图像获取设备与所述第二图像获取设备对所述监控对象进行扫描。

3.如权利要求1所述的方法，其特征在于，所述步骤S2包括：

S21、在可见光图像中，利用烟火的颜色特征提取候选烟火区域；

S22、在红外图像中，利用红外图像的热成像特性，在所述候选烟火区域中，根据温度阈值确定所述烟火区域；

S23、在可见光图像中，利用基于金字塔的Lucas光流法检测烟雾与气体泄漏；

S24、在红外图像中，根据不同气体在热成像图像的成像特点，确定是否发生气体泄漏。

4.如权利要求1所述的方法，其特征在于，所述步骤S3包括：

S31、将可见光图像与红外图像进行融合，通过红外图像定位泄漏点，并在融合后的图像上标记所述泄漏点的位置，产生报警。

5.如权利要求1～4任一项所述的方法，其特征在于，所述第一图像获取设备为非制冷红外摄像机，所述第二图像获取设备为可见光摄像机，所述监控对象为公共管廊。

6.一种烟气智能检测预警装置，其特征在于，包括：

采集单元，使用第一图像获取设备与第二图像获取设备组成的双目系统，监控区域内的监控对象，采集视频数据；

检测单元，根据所述视频数据检测烟火区域与气体泄漏情况；

报警单元，利用可见光与红外图像融合技术，确定所述烟火区域与所述气体泄漏点，产生报警。

7.如权利要求1所述的装置，其特征在于，所述采集单元包括：

第一采集子单元，使用所述第一图像获取设备获取所述监控对象的热成像视频数据；

第二采集子单元，使用所述第二图像获取设备获取所述监控对象的可见光视频数据；

扫描单元，通过云台接收控制指令并根据指令带动所述第一图像获取设备与所述第二图像获取设备对所述监控对象进行扫描。

8.如权利要求1所述的装置，其特征在于，所述检测单元包括：

提取单元，在可见光图像中，利用烟火的颜色特征提取候选烟火区域；

第一检测子单元，在红外图像中，利用红外图像的热成像特性，在所述候选烟火区域中，根据温度阈值确定所述烟火区域；

第二检测子单元，在可见光图像中，利用基于金字塔的Lucas光流法检测烟雾与气体泄漏；

确定单元，在红外图像中，根据不同气体在热成像图像的成像特点，确定是否发生气体泄漏。

9.如权利要求1所述的装置，其特征在于，所述报警单元包括：

第一报警子单元，将可见光图像与红外图像进行融合，通过红外图像定位泄漏点，并在融合后的图像上标记所述泄漏点的位置，产生报警。

10.如权利要求6～9任一项所述的装置，其特征在于，所述第一图像获取设备为非制冷红外摄像机，所述第二图像获取设备为可见光摄像机，所述监控对象为公共管廊。

Images