CN104766087B - 一种对人工点火的早期火苗进行实时检测的方法 - Google Patents

一种对人工点火的早期火苗进行实时检测的方法 Download PDF

Info

Publication number
CN104766087B
CN104766087B CN201510189064.5A CN201510189064A CN104766087B CN 104766087 B CN104766087 B CN 104766087B CN 201510189064 A CN201510189064 A CN 201510189064A CN 104766087 B CN104766087 B CN 104766087B
Authority
CN
China
Prior art keywords
early stage
flare
region
area
color
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
Application number
CN201510189064.5A
Other languages
English (en)
Other versions
CN104766087A (zh
Inventor
吴佳芸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 2 Research Institute
Original Assignee
CETC 2 Research Institute
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 CETC 2 Research Institute filed Critical CETC 2 Research Institute
Priority to CN201510189064.5A priority Critical patent/CN104766087B/zh
Publication of CN104766087A publication Critical patent/CN104766087A/zh
Application granted granted Critical
Publication of CN104766087B publication Critical patent/CN104766087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明涉及计算机视觉处理技术领域，本发明公开了一种对人工点火的早期火苗进行实时检测的方法，其具体包括以下的步骤：步骤一、获取实时图像；步骤二、提取图像内的运动区域；步骤三、在运动区域内进行肤色检测和火色检测，得到肤色区域和火色区域；步骤四、判断肤色区域和火色区域的相对位置关系和大小关系，若全部满足条件，则判定图像中存在早期火苗，否则，判断图像中不存在早期火苗。本发明通过点火是在运动区域进行以及点火时火苗与肤色的位置关系和大小关系，对图像中的早期火苗进行实时检测，可用于实现低成本、快速的火苗检测，可以完成对人工火苗的瞬时检测，从而实现对可能的纵火等暴恐活动进行预警。

Description

一种对人工点火的早期火苗进行实时检测的方法
技术领域
本发明涉及采用计算机视觉技术实现火苗检测领域，本发明公开了一种对人工点火的早期火苗进行实时检测的方法。
背景技术
现有技术中存在对火焰的检测方法，比如专利号为CN201110089778.0的专利，其首先对采集的视频图像采用Kalman滤波器进行运动检测；其次对烟雾颜色分析和火焰颜色分析，得到烟雾和火焰像素区域；然后使用决策机确定是否检测到相应的区域，并对所确定的区域提取特征；最后对提取的特征进行归一化转换，以适应隐马尔科夫模型火焰检测和神经网络烟雾检测。本发明实现了户外烟雾和火焰的同时检测，对于森林火灾进行报警，达到对森林火灾进行早期预测的效果，减少因火灾造成的经济损失。
但上述针对火焰的检测方法只能对具有一定规模的火焰进行检测。这样的方法并不适用于早期火苗的检测，比如人工使用打火机进行打火的火苗。因为火苗区别于火焰，具有面积小，持续时间短的特点，对于人工火苗，如打火机产生的火苗，其形状通常不会像自然燃烧的火焰一样随着时间一直发生改变，所以常规描述火焰的特征如面积，尖角数目，能量等在火苗检测中不宜选择，简单利用火焰的某种或几种特性进行火苗检测在复杂背景下容易产生大量虚警。
发明内容
针对现有技术没有一种有效的检测早期火苗的方法，本发明公开了一种对人工点火的早期火苗进行实时检测的方法。
本发明的具体实现方式如下：
一种对人工点火的早期火苗进行实时检测的方法，其具体包括以下的步骤：步骤 一、获取实时图像；步骤二、提取图像内的运动区域；步骤三、在运动区域内进行肤色检测和 火色检测，得到肤色区域和火色区域；步骤四、判断肤色区域和火色区域的相对位置关系和 大小关系，若全部满足，则判定图像中存在早期火苗，否则，判断图像中不存 在早期火苗；其中，yh为火色区域的中心点纵坐标；yf为有效肤色区域的中心点纵坐标，xh为 火色区域的中心点横坐标，xf为有效肤色区域的中心点横坐标，M、N为设定的阈值；有效肤 色区域为在火色区域下方的矩形区域；h为火色区域的高度，S为有效肤色区域面积；Sf为实 际检测到的肤色区域面积；T2为有效肤色区域内实际肤色像素所占的比例。
更进一步地，上述方法还包括对获取到的实时图像进行降噪处理后再进行运动区域的提取。
更进一步地，上述方法还包括当光线条件较好时，提高T2。
更进一步地，上述T2的范围为0.7～0.2。
更进一步地，上述方法还包括当判断结果为存在早期火苗时发出报警信号。
更进一步地，上述有效肤色区域为在火色区域下方，高为4h，宽为6h的区域。
更进一步地，上述M＝3，N＝3。
通过采用以上的技术方案，本发明具有以下的有益效果：本发明提出了一种基于可见光视频分析技术的早期火苗检测方法，填补了国内外对早期人工火苗检测技术的空白。区别于红外热成像视频分析技术对视频采集仪器的依赖，本发明采用了可见光相机，其成本更低适用性更广。本发明巧妙地将简单特征(肤色、火色)进行有效融合，从而实现了对火苗“不完全火性”的智能识别。同时，由于采用了简单特征，运算消耗较小，达到了对火苗的实时检测效果。
附图说明
图1为发明的一种对人工点火的早期火苗进行实时检测的方法的流程图。
图2为火色与肤色检测区域的位置关系图。
具体实施方式
下面结合说明书附图，详细说明本发明的具体实施方式。
本发明公开了一种对人工点火的早期火苗进行实时检测的方法，其具体包括以下的步骤：步骤一、通过视频采集设备实时采集视频图像；步骤二、提取图像内的运动区域；步骤三、在运动区域内进行肤色检测和火色检测，得到肤色区域和火色区域；步骤四、判断肤色区域和火色区域的相对位置关系和大小关系，
符合，则判定图像中存在早期火苗，否则，判断图像中不存在早期火苗；
其中，yh为火色区域的中心点纵坐标；yf为有效肤色区域的中心点纵坐标，xh为火色区域的中心点横坐标，xf为有效肤色区域的中心点横坐标；有效肤色区域为：在火色区域下方，高为4h，宽6h的区域；h为火色区域的高度，S为有效肤色区域面积；Sf为实际检测到的肤色区域面积；T2为阈值，定义了有效肤色区域内实际肤色像素所占的比例。通过上述方法，在视频图像的运动区域内同时进行肤色和火色的检测，达到对早期火苗的实时检测。
在实际处理时，还可以先对采集到的视频图像进行预处理，比如将实时采集的视频图像进行降噪处理，还可以通过调整图像对比度，避免局部区域光照不均衡。再提取图像内的运动区域：采用高斯背景建模的方法，提取图像内的运动区域。将运动区域作为火苗检测候选区域符合实际点火中存在运动的情况。在获取的运动区域内同时进行肤色检测和火色检测。肤色检测：在获取的运动区域内检测肤色像素，基于肤色模型(比如高斯肤色模型)，对运动区域内的像素进行判定，将满足该模型的像素聚类形成肤色区域。本方法中使用的肤色模型为可以为椭圆形肤色模型，当然也可以兼容其他设定模型。火色检测：在获取的运动区域内检测火色像素，基于火色模型，对运动区域内的像素进行判定，将满足该模型的像素聚类形成火色区域。本发明中使用的火色模型为R,G,B颜色模型，当然也可以兼容其他设定模型。
图1为发明的一种对人工点火的早期火苗进行实时检测的方法的流程图。其首先获取视频并作降噪处理，然后通过背景建模对视频图像进行检测，得到运动区域，并对运动区域同时进行肤色检测和火色检测，最后判断视频图像中是否存在早期火苗。通过上述方法可以非常简单快速地从视频图像中锁定早期火苗，实现低成本、快速火苗检测，可以完成对人工火苗的瞬时检测，从而实现对可能的纵火等暴恐活动进行预警。其区别于红外热成像视频分析技术对视频采集仪器的依赖，本发明采用了视频采集设备(可以为摄像机或者高速相机)，其成本更低适用性更广。本发明在分析处理上，巧妙地将简单特征进行有效融合，从而实现了对火苗“不完全火性”的智能识别。同时，由于采用了简单特征，运算消耗较小，达到了对火苗的实时检测效果。
图2为火色与肤色检测区域的位置关系图。肤色区域在火色区域下方，有效肤色区域为火色区域下方，高为4h，宽6h的区域，如图2中所示S。本发明中融合器实现了肤色区域与火色区域的智能融合。综合考虑在手持点火时，火苗与手的相对位置关系决定了火色区域下方为肤色区域。另外，在整个点火动作形成运动区域中，肤色区域面积应大于火色面积。所以，设定了运动肤色区域与运动火色区域的融合判定条件：
其中，yh为火色区域的中心点纵坐标；
yf为有效肤色区域的中心点纵坐标；
h为火色区域的高度
S为有效肤色检测区域面积；
Sf为实际检测到的肤色区域面积；
T2为阈值，定义了有效肤色检测区域内实际肤色像素所占的比例；
有效肤色检测区域定义为：在火色区域下方，高为4h，宽6h的区域，如图2中所示S：
通过调节参数T2可以控制检测灵敏度，较大的T2体现了较为严格的条件限制，适应于光线条件较好的应用场景。当光线条件一般或者较差时，需要对T2进行调节，通过实验测试的使用范围为(0.7～0.2)。
视频采集设备：采用分辨率为200万像素的摄像机；
测试场地：约10平方米面积室内环境(3米宽×3米高×4米长)，具有4扇采光窗户(每扇约1平米面积)；
光线环境：自然光线；
采用本发明的方法可以检测出图像中不小于25个像素大小的(打火机)火苗目标，每帧的检测时间约为50毫秒(完成打火瞬间检测)，检测正确率约95％。
更进一步地，上述方法还包括，当判断结果为存在早期火苗时发出报警信号。在人工完成打火的瞬间(50毫秒内)就能完成检测和报警，可以适用于地铁，公交各种需要对人工点火的早期火苗进行检测的场景。
上述的实施例中所给出的系数和参数，是提供给本领域的技术人员来实现或使用发明的，发明并不限定仅取前述公开的数值，在不脱离发明的思想的情况下，本领域的技术人员可以对上述实施例作出种种修改或调整，因而发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (7)

1.一种对人工点火的早期火苗进行实时检测的方法，其具体包括以下的步骤：步骤一、获取实时图像；步骤二、提取图像内的运动区域；步骤三、在运动区域内进行肤色检测和火色检测，得到肤色区域和火色区域；步骤四、判断肤色区域和火色区域的相对位置关系和大小关系，若全部满足，则判定图像中存在早期火苗，否则，判断图像中不存在早期火苗；其中，yh为火色区域的中心点纵坐标；yf为有效肤色区域的中心点纵坐标，xh为火色区域的中心点横坐标，xf为有效肤色区域的中心点横坐标，M、N为设定的阈值；有效肤色区域为在火色区域下方的矩形区域；h为火色区域的高度，S为有效肤色区域面积；Sf为实际检测到的肤色区域面积；T2为有效肤色区域内实际肤色像素所占的比例。
2.如权利要求1所述的对人工点火的早期火苗进行实时检测的方法，其特征在于所述方法还包括对获取到的实时图像进行降噪处理后再进行运动区域的提取。
3.如权利要求2所述的对人工点火的早期火苗进行实时检测的方法，其特征在于所述方法还包括当光线条件好时，提高T2。
4.如权利要求3所述的对人工点火的早期火苗进行实时检测的方法，其特征在于所述T2的范围为0.7-0.2。
5.如权利要求4所述的对人工点火的早期火苗进行实时检测的方法，其特征在于所述方法还包括当判断结果为存在早期火苗时发出报警信号。
6.如权利要求1所述的对人工点火的早期火苗进行实时检测的方法，其特征在于所述有效肤色区域为在火色区域下方，高为4h，宽为6h的区域。
7.如权利要求1所述的对人工点火的早期火苗进行实时检测的方法，其特征在于所述M＝3，N＝3。
CN201510189064.5A 2015-04-20 2015-04-20 一种对人工点火的早期火苗进行实时检测的方法 Active CN104766087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510189064.5A CN104766087B (zh) 2015-04-20 2015-04-20 一种对人工点火的早期火苗进行实时检测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510189064.5A CN104766087B (zh) 2015-04-20 2015-04-20 一种对人工点火的早期火苗进行实时检测的方法

Publications (2)

Publication Number Publication Date
CN104766087A CN104766087A (zh) 2015-07-08
CN104766087B true CN104766087B (zh) 2019-03-08

Family

ID=53647901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510189064.5A Active CN104766087B (zh) 2015-04-20 2015-04-20 一种对人工点火的早期火苗进行实时检测的方法

Country Status (1)

Country Link
CN (1) CN104766087B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7627199B2 (en) * 2006-04-06 2009-12-01 Mitsubishi Electric Corporation Image surveillance/retrieval system
CN102854191A (zh) * 2012-07-18 2013-01-02 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7627199B2 (en) * 2006-04-06 2009-12-01 Mitsubishi Electric Corporation Image surveillance/retrieval system
CN102854191A (zh) * 2012-07-18 2013-01-02 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法
CN102854191B (zh) * 2012-07-18 2014-09-10 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法

Also Published As

Publication number Publication date
CN104766087A (zh) 2015-07-08

Similar Documents

Publication Publication Date Title
CN107609470B (zh) 野外火灾早期烟雾视频检测的方法
CN110569772B (zh) 一种泳池内人员状态检测方法
CN109886241A (zh) 基于长短期记忆网络的驾驶员疲劳检测
TWI420423B (zh) Machine vision flame identification system and method
CN103632158B (zh) 森林防火监控方法及森林防火监控系统
Rinsurongkawong et al. Fire detection for early fire alarm based on optical flow video processing
CN104091354A (zh) 一种基于视频图像的火灾检测方法及其火灾检测装置
CN106897720A (zh) 一种基于视频分析的烟火检测方法及装置
CN109615611A (zh) 一种基于巡检影像的绝缘子自爆缺陷检测方法
CN101493980A (zh) 一种基于多特征融合的快速视频火焰探测方法
CN109637068A (zh) 智能烟火识别系统
CN109298785A (zh) 一种监测设备的人机联控系统及方法
CN103778418A (zh) 一种输电线路杆塔图像监测系统的山火图像识别方法
CN108389359A (zh) 一种基于深度学习的城市火灾报警方法
CN108038867A (zh) 基于多特征融合和立体视觉的火焰检测和定位方法
CN102163361A (zh) 一种基于前景累积图像的图像型火灾探测方法
CN105976365A (zh) 一种夜间火灾视频检测方法
CN114202646A (zh) 一种基于深度学习的红外图像吸烟检测方法与系统
Cai et al. Intelligent video analysis-based forest fires smoke detection algorithms
CN108760590A (zh) 一种基于图像处理的厨房油烟浓度检测与干扰排除方法
CN106023199B (zh) 一种基于图像分析技术的烟气黑度智能检测方法
CN110503017A (zh) 基于图像处理的智慧节能室内人数检测系统与方法
CN109028169A (zh) 一种具有熄火视觉控制功能的炉具及油烟浓度检测方法
CN101930540A (zh) 基于视频的多特征融合的火焰检测装置和方法
JP2011209896A (ja) 障害物検知装置、障害物検知方法及び障害物検知プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant