CN103983574B - 一种烟雾检测方法 - Google Patents
一种烟雾检测方法 Download PDFInfo
- Publication number
- CN103983574B CN103983574B CN201410242227.7A CN201410242227A CN103983574B CN 103983574 B CN103983574 B CN 103983574B CN 201410242227 A CN201410242227 A CN 201410242227A CN 103983574 B CN103983574 B CN 103983574B
- Authority
- CN
- China
- Prior art keywords
- region
- smog
- threshold value
- segment
- mai
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种烟雾检测方法,首先进行运动检测,找到视频中的运动目标,生成运动前景图像MMI,然后把各帧的运动前景图像MMI累加起来生成运动区域累加图MAI,从运动区域累加图MAI中找到持续向上运动的区域,形成单帧烟雾候选区域图SMI,把每帧的烟雾候选区域图SMI累加起来,得到烟雾区域累加图SMAI,最后在烟雾区域累加图SMAI上找到大于阈值的区域,确定烟雾出现区域。本发明用于视频监控环境的烟雾检测,实现火灾预警,减少财产损失,适用范围更广,稳定性更高,使用更加方便。
Description
技术领域
本发明涉及一种烟雾检测方法,尤其涉及一种基于Mask掩模图像累加图的烟雾检测方法。
背景技术
现有的烟雾检测方法大多通过前后两帧图像分析烟雾的运动方向,然后把多帧判断的结果综合起来得到烟雾一段时间内的运动趋势。这类方法受制于视频采样帧率和烟雾运动速度的影响,得出的判断结果通常不准确。
发明内容
本发明提供一种烟雾检测方法,用于视频监控环境的烟雾检测,实现火灾预警,减少财产损失,适用范围更广,稳定性更高,使用更加方便。
为了达到上述目的,本发明提供一种烟雾检测方法,该烟雾检测方法包含以下步骤:
步骤1、运动检测,找到视频中的运动目标,生成运动前景图像MMI;
步骤2、把各帧的前景图像MMI累加起来生成运动区域累加图MAI;
步骤3、从运动区域累加图MAI中找到持续向上运动的区域,形成单帧烟雾候选区域图SMI;
步骤4、把每帧的烟雾候选区域图SMI累加起来,得到烟雾区域累加图SMAI;
步骤5、在烟雾区域累加图SMAI上找到大于阈值的区域,确定烟雾出现区域。
所述的步骤1中,可采用任意一种运动检测方法。
所述的步骤2中,记第t帧的运动区域累加图为MAIt,其更新规则如下:
即如果某个位置出现了运动目标,则MAIt(x,y)累加1,否则其值变为原来的k倍,如果MAIt-1(x,y)+1超过了最大值255,则MAIt(x,y)的值为255。上述k的值优选为[0.2,0.8]之间,如果MAIt-1(x,y)×k不为整数,则进行向下取整,如3.10向下取整为3。
所述的步骤3包含以下步骤:
步骤3.1、找出持续运动的区域;
找出运动区域累加图MAI中大于一定阈值T1的区域,形成一个掩模图像Mask。剔除掩模图像Mask中像素面积小于一定阈值S1的区域,剩下的区域作为持续运动区域。上述阈值T1优选为[20,50]之间,阈值S1优选为[500,1600]之间;
步骤3.2、从持续运动的区域中找出持续向上运动的区域,形成单帧烟雾候选区域图SMI;
所述的步骤3.2包含以下步骤:
步骤3.2.1、生成持续运动区域的变化方向直方图;
步骤3.2.2、根据直方图判断运动区域的变化方向是不是整体向上的;
如果变化方向的直方图中前半部分的和占整个直方图值的和的比例高于一个阈值Q,则认为这个区域为烟雾所在的候选区域,上述阈值Q优选为[0.750.95]之间;
步骤3.2.3、把所有找到的持续向上运动的区域合并起来,形成单帧烟雾候选区域图SMI;
所述的步骤3.2.1包含以下步骤:
步骤3.2.1.1、对持续运动区域进行划分,得到不同大小和位置的图块;
步骤3.2.1.2、过滤不在前景图像MMI上的图块;
将位于MMI区域上的面积与图块面积的比值小于一定阈值W的图块剔除,上述阈值W优选为[0.6,0.9]之间;
步骤3.2.1.3、计算每个图块的变化方向;
步骤3.2.1.4、统计各个图块的变化方向,得到一个N维的方向直方图。
所述的步骤3.2.1.1中的图块尺寸大小为:3<Wp<Wb/2,3<Hp<Hb/2之间的奇数。Wp:图像块的宽度,Hp:图像块的高度,Wb:持续运动区域的宽度,Hb:持续运动区域的高度;
所述的步骤3.2.1.3包含以下步骤:
步骤3.2.1.3.1、计算图块的几何重心(x0,y0)和物理重心(x1,y1),得到图块的变化方向vec=(dx,dy),其中dx=x1-x0,dy=y1-y0;
如果dx和dy都等于0,此图块被忽略;
所述的图像几何中心即图像宽高的1/2处,所述的图像物理重心即图像的灰度一级矩;
步骤3.2.1.3.2、将角度(0,360)按等分量化成N个方向,将图块的变化方向角度vec=(dx,dy)按照它所处的角度区间量化为0,...,N之间的一个整数。如:N=8,dx=5,dy=10,vec=(5,10),它的角度为30度,此时落在区间0,所以它对应的量化后的角度为0。上述N的值优选为[4,36]之间;
所述的步骤4中,第t帧烟雾候选区域累加图SMAIt的更新规则如下:
即如果某个位置检测到了烟雾,则SMAIt(x,y)累加1,否则其值变为原来的k倍,如果SMAIt-1(x,y)+1超过了最大值255,则SMAIt(x,y)的值为255。上述k的值优选为[0.2,0.8]之间,如果SMAIt-1(x,y)×k不为整数,则进行向下取整。
所述步骤5中,找出烟雾区域累加图SMAI大于一定阈值T2的区域,形成一个掩模图像Mask。剔除掩模图像Mask中像素面积小于一定阈值S2的区域,剩下的区域作为烟雾所在区域,上述阈值T2优选为[20,50]之间,阈值S2优选为[400,1600]之间;
本发明用于视频监控环境的烟雾检测,实现火灾预警,减少财产损失,适用范围更广,稳定性更高,使用更加方便。
附图说明
图1是本发明的流程图。
图2是运动检测输入的灰度图。
图3是运动检测输出的检测前景图。
图4是运动区域累加图。
图5是图像方格图。
图6是方向量化图。
图7是方向直方图。
图8是烟雾候选区域累加图。
图9显示检测到了烟雾区域。
具体实施方式
以下根据图1~图9,具体说明本发明的较佳实施例。
实施例使用的图像尺寸为352×288像素大小。
烟一般是伴随热气体产生的,而热的气体由于密度小而向上运动,形成一股上升气流,使得烟雾随着上升气流往上飘。所以从时间轴上观察,烟雾整体运动趋势是向上的,同时烟雾运动时具有往外扩散的特性。如果找到合适的方法描述烟雾的这种运动特性,就可以把烟雾和其他的运动目标区别开来。
基于上述基本想法,本发明提供一种烟雾检测方法,包含以下步骤:
步骤1、运动检测,找到视频中的运动目标,生成前景图像(Motion MapImage,缩写MMI)。
前景图像即为Mask图,Mask图是一种特殊数字图像,图像中只有0和255两种数值,255代表运动区域,0代表非运动区域。Mask图常用于表示图像中的感兴趣区域。
对运动检测的方法没有特殊要求,采用一种成熟的运动检测方法即可。
本实施例中,采用多高斯建模方法做运动检测。输入图像是灰度图(如图2所示),输出图像是运动检测前景图MMI(如图3所示)和背景图(Background Image)。
步骤2、生成运动区域累加图。
Mask累积图是把多张Mask图像(二值图)按时间出现次序累积在一起形成的灰度图。
把各帧的前景图像MMI累加起来得到运动区域累加图(MotionAccumulative Image,缩写MAI)。
记第t帧的运动区域累加图为MAIt,其更新规则如下:
即如果某个位置出现了运动目标,则MAIt(x,y)累加1,否则其值变为原来的k倍,如果MAIt-1(x,y)+1超过了最大值255,则MAIt(x,y)的值为255。上述k的值优选为[0.2,0.8]之间,如果MAIt-1(x,y)×k不为整数,则进行向下取整,如3.10向下取整为3。
如图4所示,运动区域累加图可以看出一个运动目标在图像中出现的位置和运动趋势:
1、没有运动目标出现的区域,其图像值始终是0,即纯黑色。
2、有运动目标经过的区域(如人、车),图像会变成灰色,随即快速变为黑色。
3、有持续运动目标出现的地方其值会逐渐变大,即从黑色到灰色,再到白色。
4、运动后静止不动的物体,其各个部分的值很接近,几乎都是灰色的或是白色的。
5、如果目标持续运动,且向上不断扩大(如烟雾),会在运动区域累加图MAI上出现下部亮,向上逐渐变暗的区域。
如果能把运动区域累加图MAI中下部亮、向上逐步变暗的区域找出来,则找到了烟雾可能出现的区域。
步骤3、生成单帧烟雾候选区域。
所述的步骤3包含以下步骤:
步骤3.1、找出持续运动的区域。
如果某个区域内的目标持续运动,其图像值会比较大。
找出运动区域累加图MAI中大于一定阈值T1的区域,形成一个掩模图像Mask。剔除掩模图像Mask中像素面积小于一定阈值S1的区域,剩下的区域作为持续运动区域,上述阈值T1优选为[20,50]之间,阈值S1优选为[500,1600]之间。
步骤3.2、从持续运动的区域中找出持续向上运动的区域,形成单帧烟雾候选区域图(Smoke Mask Image,缩写SMI)。
判断找到的持续运动区域的变化趋势,如果其变化趋势是从下到上的,则认为这些区域为此帧的烟雾候选区域。
所述的步骤3.2包含以下步骤:
步骤3.2.1、生成持续运动区域的变化方向直方图。
步骤3.2.2、根据直方图判断运动区域的变化方向是不是整体向上的。
如果变化方向的直方图中前半部分的和占整个直方图值的和的比例高于一个阈值Q,则认为这个区域为烟雾所在的候选区域,上述阈值Q优选为[0.75,0.95]之间。图7展示一个blob区域的方向直方图,其前半部分的和为1.0,占整个直方图值的和比例为1.0,这个Blob区域被认为是烟雾所在的候选区域。
步骤3.2.3、把所有找到的持续向上运动的区域合并起来,形成单帧烟雾候选区域图(Smoke Mask Image,缩写SMI)。
所述的步骤3.2.1包含以下步骤:
步骤3.2.1.1、用不同尺度大小的网格对持续运动区域进行划分,得到不同大小和位置的图块(Image Patches)(如图5中所示的正方形方块)。
图块(Patch)尺寸为奇数是为了方便找中心,图块尺寸大小为:3<Wp<Wb/2,3<Hp<Hb/2之间的奇数。Wp:图像块的宽度,Hp:图像块的高度,Wb:持续运动区域的宽度,Hb:持续运动区域的高度。
步骤3.2.1.2、过滤不在掩模区域Mask区域上的图块(Patch)。
将位于前景图像MMI区域上的面积与图块面积的比值小于一定阈值W的图块剔除,上述阈值W优选为[0.6,0.9]之间。
如图5所示,黑色实线所包围的区域为Mask区域,灰色方格表示其Mask区域的面积占图块(Patch)面积的比例小于所设阈值。
步骤3.2.1.3、计算每个图块(Patch)的变化方向。
步骤3.2.1.4、统计各个图块(Patch)的变化方向,得到一个N维的方向直方图(如图7所示)。
所述的步骤3.2.1.3包含以下步骤:
步骤3.2.1.3.1、计算图块(Patch)的几何重心(x0,y0)和物理重心(x1,y1),得到图块(Patch)的变化方向vec=(dx,dy),其中dx=x1-x0,dy=y1-y0。如果dx和dy都等于0,此图块(Patch)被忽略。
所述的图像几何中心即图像宽高的1/2处,所述的图像物理重心即图像的灰度一级矩。
步骤3.2.1.3.2、将角度(0,360)按等分量化成N等份(取N=8时如图6所示),将图块(Patch)的变化方向角度vec=(dx,dy)按照它所处的角度区间量化为0,...,N之间的一个整数。如:N=8,dx=5,dy=10,vec=30,此时落在区间0;上述N的值优选为[4,36]之间。
步骤4、生成烟雾候选区域累加图。
如图8所示,把每帧的烟雾候选区域SMI累加起来,得到烟雾区域累加图像(Smoke Mask Accumulative Image,缩写SMAI)。
第t帧烟雾候选区域累加图SMAIt的更新规则如下:
即如果某个位置检测到了烟雾,则SMAIt(x,y)累加1,否则其值变为原来的k倍。如果SMAIt-1(x,y)+1超过了最大值255,则SMAIt(x,y)的值为255。上述k的值优选为[0.2,0.8]之间,如果SMAIt-1(x,y)×k不为整数,则进行向下取整。。
步骤5、确定烟雾出现区域。
从烟雾候选区域累加图中,可以看出一个区域是否持续检测到了烟雾。当某个区域一直检测到了烟雾,其值会逐渐变亮。找出烟雾区域累加图像(SMAI)中大于一定阈值T2的区域,然后提取区域,如果存在大于一定面积阈值S2的区域,则认为视频中检测到了烟雾(如图9中方框区域所示)。上述阈值T2优选为[20,50]之间,阈值S2优选为[400,1600]之间。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.一种烟雾检测方法,其特征在于,该烟雾检测方法包含以下步骤:
步骤1、运动检测,找到视频中的运动目标,生成运动前景图像MMI;
步骤2、把各帧的前景图像MMI累加起来生成运动区域累加图MAI;
步骤3、从运动区域累加图MAI中找到持续向上运动的区域,形成单帧烟雾候选区域图SMI;
步骤4、把每帧的烟雾候选区域图SMI累加起来,得到烟雾区域累加图SMAI;
步骤5、在烟雾区域累加图SMAI上找到大于阈值的区域,确定烟雾出现区域;
所述的步骤2中,记第t帧的运动区域累加图为MAIt,其更新规则如下:
即如果某个位置出现了运动目标,则MAIt(x,y)累加1,否则其值变为原来的k倍;如果MAIt-1(x,y)+1超过了最大值255,则MAIt(x,y)的值为255;
上述k的值优选为[0.2,0.8]之间,如果MAIt-1(x,y)×k不为整数,则进行向下取整;
所述的步骤3包含以下步骤:
步骤3.1、找出持续运动的区域;
找出运动区域累加图MAI中大于阈值T1的区域,形成一个掩模图像Mask,剔除掩模图像Mask中像素面积小于阈值S1的区域,剩下的区域作为持续运动区域;
阈值T1优选为[20,50]之间,阈值S1优选为[500,1600]之间;
步骤3.2、从持续运动的区域中找出持续向上运动的区域,形成单帧烟雾候选区域图SMI;
所述的步骤4中,第t帧烟雾候选区域累加图SMAIt的更新规则如下:
即如果某个位置检测到了烟雾,则SMAIt(x,y)累加1,否则其值变为原来的k倍,如果SMAIt-1(x,y)+1超过了最大值255,则SMAIt(x,y)的值为255;
k的值优选为[0.2,0.8]之间,如果SMAIt-1(x,y)×k不为整数,则进行向下取整。
2.如权利要求1所述的烟雾检测方法,其特征在于,所述的步骤1中,可采用任意一种运动检测方法。
3.如权利要求1所述的烟雾检测方法,其特征在于,所述的步骤3.2包含以下步骤:
步骤3.2.1、生成持续运动区域的变化方向直方图;
步骤3.2.2、根据直方图判断运动区域的变化方向是不是整体向上的;
如果变化方向直方图中前半部分的和占整个直方图的和的比例高于阈值Q,则认为这个区域为烟雾所在的候选区域;
阈值Q优选为[0.75,0.95]之间;
步骤3.2.3、把所有找到的持续向上运动的区域合并起来,形成单帧烟雾候选区域图SMI。
4.如权利要求3所述的烟雾检测方法,其特征在于,所述的步骤3.2.1包含以下步骤:
步骤3.2.1.1、对持续运动区域进行划分,得到不同大小和位置的长方形图块;
步骤3.2.1.2、过滤不在运动前景图像MMI上的图块;
将位于MMI区域上的面积与图块面积的比值小于阈值W的图块剔除;
阈值W优选为[0.6,0.9]之间;
步骤3.2.1.3、计算每个图块的变化方向;
步骤3.2.1.4、统计各个图块的变化方向,得到一个N维的方向直方图。
5.如权利要求4所述的烟雾检测方法,其特征在于,所述的步骤3.2.1.1中的图块尺寸大小为奇数,且满足以下条件:
3<Wp<Wb/2,3<Hp<Hb/2;
其中,Wp是图块的宽度,Hp是图块的高度,Wb是持续运动区域的宽度,Hb是持续运动区域的高度。
6.如权利要求5所述的烟雾检测方法,其特征在于,所述的步骤3.2.1.3包含以下步骤:
步骤3.2.1.3.1、计算图块的几何重心(x0,y0)和物理重心(x1,y1),得到图块的变化方向vec=(dx,dy),其中,dx=x1-x0,dy=y1-y0;
如果dx和dy都等于0,此图块被忽略;
所述的图像几何重心即图像宽高的1/2处,所述的图像物理重心即图像的灰度一级矩;
步骤3.2.1.3.2、将角度(0,360)按等分量化成N等份,将图块的变化方向角度vec=(dx,dy)按照它所处的角度区间量化为0,…,N之间的一个整数;N的值优选为[4,36]之间。
7.如权利要求6所述的烟雾检测方法,其特征在于,所述的步骤5中,找出烟雾区域累加图SMAI大于阈值T2的区域,形成掩模图像Mask,剔除掩模图像Mask中像素面积小于阈值S2的区域,剩下的区域作为烟雾所在区域,阈值T2优选为[20,50]之间,阈值S2优选为[400,1600]之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410242227.7A CN103983574B (zh) | 2014-06-03 | 2014-06-03 | 一种烟雾检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410242227.7A CN103983574B (zh) | 2014-06-03 | 2014-06-03 | 一种烟雾检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103983574A CN103983574A (zh) | 2014-08-13 |
CN103983574B true CN103983574B (zh) | 2016-08-24 |
Family
ID=51275633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410242227.7A Active CN103983574B (zh) | 2014-06-03 | 2014-06-03 | 一种烟雾检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103983574B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794738A (zh) * | 2015-03-27 | 2015-07-22 | 北京君正集成电路股份有限公司 | 一种烟火检测方法及装置 |
CN108140291A (zh) * | 2015-11-20 | 2018-06-08 | 富士通株式会社 | 烟雾检测装置、方法以及图像处理设备 |
CN105718881B (zh) * | 2016-01-19 | 2019-01-11 | 西安理工大学 | 基于红外视频灰度图像的零照度环境烟尘监测方法 |
CN111353334A (zh) | 2018-12-21 | 2020-06-30 | 富士通株式会社 | 烟雾检测方法和装置 |
CN110070106A (zh) * | 2019-03-26 | 2019-07-30 | 罗克佳华科技集团股份有限公司 | 烟雾检测方法、装置及电子设备 |
CN110929597A (zh) * | 2019-11-06 | 2020-03-27 | 普联技术有限公司 | 一种基于图像的树叶过滤方法、装置及存储介质 |
CN116630843B (zh) * | 2023-04-13 | 2024-05-17 | 安徽中科数智信息科技有限公司 | 一种用于消防救援的防火监督管理方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100520362C (zh) * | 2007-05-17 | 2009-07-29 | 西北工业大学 | 基于彩色ccd图像分析的森林火情烟雾检测方法 |
CN101751744B (zh) * | 2008-12-10 | 2011-08-31 | 中国科学院自动化研究所 | 一种烟雾检测和预警方法 |
CN101738394B (zh) * | 2009-02-11 | 2011-10-05 | 北京智安邦科技有限公司 | 室内烟雾检测方法及系统 |
US8497904B2 (en) * | 2009-08-27 | 2013-07-30 | Honeywell International Inc. | System and method of target based smoke detection |
CN101751558B (zh) * | 2009-12-16 | 2011-12-14 | 北京智安邦科技有限公司 | 一种基于视频的隧道烟雾检测方法及装置 |
-
2014
- 2014-06-03 CN CN201410242227.7A patent/CN103983574B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103983574A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103983574B (zh) | 一种烟雾检测方法 | |
CN102013008B (zh) | 一种基于支持向量机的烟雾检测方法及装置 | |
CN105608456B (zh) | 一种基于全卷积网络的多方向文本检测方法 | |
Filonenko et al. | Fast smoke detection for video surveillance using CUDA | |
CN102063614B (zh) | 一种安防监控中遗留物品的检测方法及装置 | |
CN105913454B (zh) | 一种视频图像中运动目标的像素坐标轨迹预测方法 | |
US20170330050A1 (en) | Method and apparatus for updating a background model used for background subtraction of an image | |
CN111967394B (zh) | 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法 | |
CN108198206A (zh) | 基于多特征联合和Camshift算法结合的多目标跟踪方法 | |
CN106355560B (zh) | 一种雾霾图像中大气光值的提取方法及系统 | |
US9213898B2 (en) | Object detection and extraction from image sequences | |
CN108108731A (zh) | 基于合成数据的文本检测方法及装置 | |
CN102567722A (zh) | 一种基于码本模型和多特征的早期烟雾检测方法 | |
CN106339677A (zh) | 一种基于视频的铁路货车洒落物自动检测方法 | |
CN107454479A (zh) | 一种多媒体数据的处理方法及装置 | |
CN107613237A (zh) | 一种视频动静混合关键帧的抽取方法 | |
CN111914818B (zh) | 一种基于多帧离散置信度森林火灾烟雾根节点检测方法 | |
CN103763461B (zh) | 一种视频抖动检测方法及装置 | |
CN104376580B (zh) | 一种视频摘要中非关注区域事件的处理方法 | |
CN108629254A (zh) | 一种运动目标的检测方法及装置 | |
CN104866833A (zh) | 视频流人脸检测方法及其装置 | |
CN112115878A (zh) | 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法 | |
CN103403762A (zh) | 图像处理装置及图像处理程序 | |
CN102663419A (zh) | 基于表示模型和分类模型的云台跟踪方法 | |
CN106296739A (zh) | 一种改进的运动目标检测方法和系统 |
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 | ||
CP03 | Change of name, title or address |
Address after: 201206 room 815, building 2, No. 111 Xiangke Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: SHANGHAI AWARE INFORMATION TECHNOLOGY Co.,Ltd. Address before: Room 2025, Building 22, No. 368, Zhangjiang Road, Pudong New Area, Shanghai, March 2012 Patentee before: SHANGHAI AWARE INFORMATION TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |