CN105915840B - 一种基于视频信号的工厂烟气排放自动监测的方法 - Google Patents

Abstract

一种基于视频信号的工厂烟气排放自动监测的方法，利用摄像机和图像采集卡摄像机拍摄含被监测烟囱出口的视频，实时传输给计算机及其软件系统进行处理。本发明通过自适应的轮廓检测算法判断摄像机镜头是否有污染，若存在污染且达到设定阈值，则提示人工清洁处理，以降低镜头污染对视频质量的影响；若无污染，则进一步根据监测视频建立参考像素值模型，反投影后确定出视场内的天空区域和可能存在的云团区域，以消除运动背景对烟雾监测结果的干扰。此后以视场中被监测烟囱出口处的区域为监测目标，判断该区域内是否还存在运动体，若存在，则认为正在排烟，信息管理系统会自动记录排放信息，否则认为未在排放。本发明能够有效、稳定地监测工厂烟囱排烟状况。

Description

一种基于视频信号的工厂烟气排放自动监测的方法

技术领域

本发明涉及对工厂烟囱排烟污染监测领域，具体涉及一种基于视频信号的工厂烟气排放自动监测的方法。

背景技术

各型火电厂、化工厂、垃圾焚烧厂等燃烧排放的尾气一般都是有毒气体，大量排放会对环境造成极大的污染。随着我国对环保要求的逐步提高，国家出台了一系列的减排、限排政策以限制这些重污染工厂的排烟量，以防止其对环境造成更大的污染。但为了创造更多的效益，部分企业会在限排、整改、或非规定排放时段继续排放，监管时也难以取证。因此，为了保证国家政策能够顺利执行，需要开发一种有效的对企业排烟过程自动监控的技术方法，提高环保相关领域执法的科学性和有效性。

现有的排烟自动监测方法通常是在烟囱上安装温度传感器或其他化学类传感器来进行监测，但该类方法中传感器易遭人为破坏、移动等而使系统不工作或采集虚假信号，给监控造成误导。因视频监控有“眼见为实”的特点，可进行非接触、远距离监测，若被人为破坏、造假等也可以从视频中直接显示，如：关掉摄像机、摄像机被改变了监测方向等。目前视频技术已经被用于排烟监测，但主要是用于直接录像，若要对结果进行判断还需要人工在线或者离线查看视频，工作量大，自动化程度低、实时性差，起不到自动监控的作用。

发明专利“基于图像处理的烟气排放连续监测系统”，(ZL200610130503.6)以视频图像的色调值(即颜色)来监测烟气排放状态，具体方法是选择固定场景中图像无烟区域作为参考区域、排烟口上方区域作为监测区域，再以两者的色调差值为标准判断监测区域是否存在排烟，进而选择正常排烟状态时烟气的颜色模板作为参考，来判断烟气排放的类型(仅限于黑烟、黄烟、红烟)及对浓度进行估算，该方法在监测非白色烟气，亦即烟气与背景之间的颜色有显著区别时是有效的，但忽略了一个事实，即实际生产中，排烟口附近通常存在白色的云团区域，若参考区域中存在云团，而监测区域排放烟气颜色又是白色时，由于两者色调值相似，基于色调差值的算法就难以识别出排烟口是否在排烟；反之，若参考区域中存在云团，而监测区域不存在云团且没有排烟时，该算法就会误判排烟口正在排烟。由于存在以上缺陷，上述的基于色调差值为标准判断的监测系统就无法准确的判断监测区域是否存在烟雾。因此，开发一种基于新的监测标准的视觉排烟监测装置及方法是很有必要的。

发明内容

为解决上述技术问题，本发明提供一种基于视频信号的工厂烟气排放自动监测的方法，首先判断摄像机镜头是否污染，消除镜头污染对监测结果的影响，在此基础上，应用所建背景光照模型去除该区域中的静止背景及缓慢移动的背景的干扰，如：缓慢移动的云团，此后，若区域中还存在运动目标，即判断为正在排烟，信息管理系统开始自动记录相关信息。该方法不受烟气颜色及背景上有云团的干扰，具备鲁棒性好的优点。

本发明所采用的技术方案是：

一种基于视频信号的工厂烟气排放自动监测的方法，通过摄像机拍摄含有被监测烟囱出口的视频，并传输给视频采集卡，视频采集卡将摄像机采集的模拟视频信号转换为数字信号，由计算机中的视频处理系统进行实时处理。

视频处理系统通过自适应的轮廓检测算法,判断摄像机镜头是否存在蒙尘污染，若有污染，则自动记录信息，并发出报警或信号，提示值班人员进行清洁处理；

若没有污染，则根据监测视频建立不受光照变化的参考像素值模型，以识别出视频中所有的运动物体；并根据监测视频中参考区域的概率密度直方图以消除运动云团的干扰，此后若监测到烟囱出口有运动对象，则认为正在排烟，否则认为未在排烟；

视频处理系统中所运行的改进的反投影法包括以下步骤：

步骤1为自适应的轮廓检测算法，该算法包括根据式1计算视频的边缘强度，并通过边缘强度自适应的计算视频中的轮廓总数及轮廓总面积比率，若轮廓总数或轮廓总面积比率其中一项超出设定阈值，则认为摄像机镜头有污染，系统将发出警报，若两者都未超出设定阈值，则执行排烟监测步骤；

式1中，参数h和l分别是自适应轮廓算法的上、下限阈值，i为所监测视频的像素总数，mav为所监测视频中的最大边缘强度；

若图像中某一点的像素值超过上限阈值h，则认为其为强边缘点，若像素值超过下限阈值l但不超过上限阈值h，则认为其为弱边缘点，若像素值低于下限阈值l，则认为其非边缘点；搜索所有强边缘点，并以弱边缘点连接各强边缘点形成轮廓，摒除其余无法连接强边缘点的弱边缘点，则形成了轮廓图像；此后通过以下准则判断镜头是否污染：①、若镜头无污染，则从图像中检测出的轮廓仅为视场中物体本身的轮廓，轮廓数明显较少；②、在有污染的图像中，由于镜头上存在大量的点状或条状污染，则形成的轮廓图像中会出现大量的轮廓；③、根据现场实际统计情况，设定检出的轮廓总数阈值和轮廓面积比率阈值，若两项指标中任意一个超出设定阈值，则认为污染已经达到上限，需要处理；

步骤2：建立不受光照变化影响的参考像素值模型；计算当前帧视频的实际像素值与前一帧视频的参考像素值的差值以提取监测视频中所有的运动目标；设当前帧中某一点的参考像素值为μ_t：

μ_t＝(1-α)μ_t-1+αp_t (2)

其中，α为设定常数，此处设置为0.2，μ_t-1为前一帧中该点的参考像素值，p_t为当前帧中该点的实际像素值；当光照强度随时间发生缓慢变化时，背景点的参考像素值μ_t也将沿光照强度的变化方向发生缓慢变化，即当前帧背景点的实际像素值p_t与前一帧背景点的参考像素值μ_t-1的差值不会超过设定的阈值sp，此处设置sp＝10；而运动物体由于在相邻帧中位置不一样，故其在相邻帧中的像素差值将会较大，会超过设定阈值sp；由上述算法原理，即可消除静止背景的干扰，提取出监测视频中的运动目标；

步骤3：在所监测视频中的天空区域设置多处参考区域，计算每处参考区域的参考像素值模型，参考像素值模型中包含天空区域模型和可能存在的云团模型；提取参考像素值模型的概率密度直方图，则可以反投影出图像中其他存在天空和云团的区域，设置所有反投影天空与云团区域的像素值为0，即可消除天空中运动云团的干扰；

所述参考像素值模型即记录一个参考区域内所有像素点的色调信息与灰度信息，色调值的区间为[0，180]，故可将所有像素点的色调值组合为180柱的色调直方图；同理，将所有像素点的灰度值组合为256柱的灰度直方图；将两种直方图归一化为概率密度直方图，此时直方图每一柱的面积大小即为该柱色调值在整个参考区域中出现的概率，所有柱的总面积为1；计算图像中其他区域的色调概率密度直方图和灰度概率密度直方图，并与参考区域进行比对，若其他区域的两种概率密度直方图与参考区域的相似，则认为此区域为背景区域，否则为前景区域。

本发明一种基于视频信号的工厂烟气排放自动监测的方法，技术效果如下：

1)：能够检测摄像机镜头蒙尘、雨水等的污染程度是否已达到设定阈值，并给出提示待工作人员进行清洁维护，以免镜头污染过高影响视频质量和烟气监测结果；

2)：相比于其他类似方法，本发明不仅在常规情况下能监测排烟状况，在复杂环境中依然能高性能地工作，例如烟尘较大易使镜头模糊的场合，以及背景中有白云易与前景中白烟颜色混淆的场合，因而适应性更广。

附图说明

图1是本发明实测镜头无污染时的结果图；

图2是本发明实测镜头有污染时的结果图；

图3是本发明提取运动物体时(不包含运动云团)的结果图；

图4是本发明提取运动物体时(包含运动云团)的结果图；

图5是本发明提取运动物体并消除运动云团后的结果图；

图6是本发明的结构示意图；

图7是本发明的监测流程示意图；

图8是本发明实测未在排烟的结果图；

图9是本发明实测排烟流量较小时的结果图；

图10是本发明实测排烟流量较大时的结果图。

其中，1-摄像机，2-视频采集卡，3-计算机，4-视频处理系统。

具体实施方式

一种基于视频信号的工厂烟气排放自动监测的方法，包括摄像机1、视频采集卡2、计算机3、视频处理系统4、以及信息管理系统。摄像机1拍摄含被监测烟囱出口的视频，实时传输给计算机3及视频处理系统进行处理。本发明首先通过一种自适应的轮廓检测算法判断摄像机1的镜头是否有蒙尘、水痕等污染，若存在污染且达到设定阈值，则提示人工清洁处理，以降低镜头污染对视频质量的影响；若无污染，则进一步根据参考区域建立参考像素值模型，对参考像素值模型反投影后确定出视场内与其概率密度图一致的其他区域，以消除天空像素与云团像素对监测结果的干扰。此后以视场中被监测烟囱出口处的区域为监测区域，由于烟雾的概率密度图与参考像素值模型的概率密度图不一致，故若监测区域存在运动物体，则认为其正在排烟，信息管理系统会自动记录排放信息，否则认为未在排放。

具体实施例：

如图6所示，一种基于视频信号的工厂烟气排放自动监测的方法，包括视频获取模块、视频处理模块、信息管理系统。

所述视频获取模块包括摄像机1、视频采集卡2、计算机3，视频采集卡2安装在计算机3上，视频采集卡2的输入端连接摄像机1。

视频处理模块包括视频处理系统4。

信息管理系统用于保存、记录监测结果信息。

摄像机1连续拍摄含目标烟囱出口的区域视频，经视频采集卡2转换为数字信号交由计算机3中的视频处理系统4进行实时处理，视频处理系统4通过改进的反投影法对视频进行去干扰处理，判断所监测区域是否在排烟。

视频处理系统4中所运行的改进的反投影法包括以下步骤：

1.根据式1计算视频的边缘强度，并通过边缘强度自适应的计算视频中的轮廓总数及轮廓总面积比率，若轮廓总数或轮廓总面积比率其中一项超出设定阈值，则认为摄像机镜头有污染，系统将发出警报，若两者都未超出设定阈值，则执行排烟监测步骤；

式1中，参数h和l分别是自适应轮廓算法的上、下限阈值，i为所监测视频的像素总数，mav为所监测视频中的最大边缘强度。若图像中某一点的像素值超过高阈值h，则认为其为强边缘点，若像素值超过低阈值l但不超过高阈值h，则认为其为弱边缘点，若像素值低于阈值l，则认为其非边缘点。搜索所有强边缘点，并以弱边缘点连接各强边缘点形成轮廓，摒除其余无法连接强边缘点的弱边缘点，则形成了轮廓图像。此后通过以下准则判断镜头是否污染：1)若镜头无污染，则从图像中检测出的轮廓仅为视场中物体本身的轮廓，轮廓数明显较少；2)在有污染的图像中，由于镜头上存在大量的点状或条状污染，则形成的轮廓图像中会出现大量的轮廓；3)根据现场实际统计情况，设定检出的轮廓总数阈值和轮廓面积比率(相对于图像总面积)阈值，若两项指标中任意一个超出设定阈值，则认为污染已经达到上限，需要处理。本发明应用实施例中设置检出轮廓总数阈值和轮廓面积比率分别为35和0.08。

如图1所示，该实施例中监测、计算得到mav∈[945 1000]，带入式(1)有h∈[340360]，l∈[136 144]，进一步计算实际轮廓总数区间为[0 0]，实际轮廓面积比率区间为[0.017 0.017](噪声点非轮廓，但也会计为面积)，系统判定镜头无污染。

如图2所示，该实施例中监测、计算得到mav∈[681 1059]，带入式(1)有h∈[245381]，l∈[98 152]，进一步计算实际轮廓总数区间为[54 62]，轮廓面积比率区间为[0.1210.450]，系统判定镜头有污染。

2.建立不受光照变化影响的参考像素值模型。计算当前帧视频的实际像素值与前一帧视频的参考像素值的差值以提取监测视频中所有的运动目标。设当前帧中某一点的参考像素值为μ_t：

μ_t＝(1-α)μ_t-1+αp_t (2)

其中，α为设定常数，本发明中设置为0.2，μ_t-1为前一帧中该点的参考像素值，p_t为当前帧中该点的实际像素值。当光照强度随时间发生缓慢变化时，背景点的参考像素值μ_t也将沿光照强度的变化方向发生缓慢变化，即当前帧背景点的实际像素值p_t与前一帧背景点的参考像素值μ_t-1的差值不会超过设定的阈值sp(此处设置sp＝10)；而运动物体由于在相邻帧中位置不一样，故其在相邻帧中的像素差值将会较大，会超过设定阈值sp。由上述算法原理，即可消除静止背景的干扰，提取出监测视频中的运动目标，典型实施例如图3、4所示。

3.在所监测视频中的天空区域设置多处参考区域(图8、9、10中的黄框区域)，计算每处参考区域的参考像素值模型，参考像素值模型中包含天空区域模型和可能存在的云团模型。提取参考像素值模型的概率密度直方图，则可以反投影出图像中其他存在天空和云团的区域，设置所有反投影天空与云团区域的像素值为0，即可消除天空中运动云团的干扰。通过此算法处理图4后即可得到图5。

本发明的参考像素值模型即记录一个参考区域内所有像素点的色调信息与灰度信息，色调值的区间为[0，180]，故可将所有像素点的色调值组合为180柱的色调直方图；同理，可将所有像素点的灰度值组合为256柱的灰度直方图；将两种直方图归一化为概率密度直方图，此时直方图每一柱的面积大小即为该柱色调值(灰度值)在整个参考区域中出现的概率，所有柱的总面积为1。计算图像中其他区域的色调概率密度直方图和灰度概率密度直方图，并与参考区域进行比对，若其他区域的两种概率密度直方图与参考区域的相似，则认为此区域为背景区域，否则为前景区域。

4.根据以上步骤即可获得排除一切背景干扰的视频，此时，设定所有的背景区域的像素值都为0，前景运动物体的像素值为1，则：1)若在连续500帧图像内均检测到监测区域(排烟口上方)中存在像素值为1的区域，且此区域面积大于200，则认为当前为排烟状态；2)若在连续500帧内监测区域中完全不存在像素值为1的区域，则认为当前无烟气排放；3)若在连续500帧内仅有若干帧的监测区域中存在像素值为1且面积大于200的区域，则初步判断当前无烟气排放，但是在该过程中，将监测区域中首次出现像素值为1且面积大于200的区域的情况重新记为第1帧，重复并依据1)、2)进行最终判断。按照以上规则得到典型实施例判断结果如图8、9、10所示，其中图8为实际未排放的情况，图9为轻微排放的情况，图10为大量排放的情况。三种情况的视频背景中均有不同程度的白云，而排放的烟气也为白色，烟气与背景上的白云色调对比度极差，但由于烟气与云团和天空的概率密度图不同，故无论烟气是轻微排放还是显著排放，本发明都能灵敏地检测出来，获得了较好的监测效果。本发明可根据需要将正排放的烟囱号、排放起止时间及对应视频自动对应保存记录，以留作环保执法证据，同时发出某种警报及提示。

Claims (1)

1.一种基于视频信号的工厂烟气排放自动监测的方法，其特征在于，通过摄像机(1)拍摄含有被监测烟囱出口的视频，并传输给视频采集卡(2)，视频采集卡(2)将摄像机(1)采集的模拟视频信号转换为数字信号，由计算机中的视频处理系统(4)进行实时处理；视频处理系统(4)通过自适应的轮廓检测算法,判断摄像机镜头是否存在蒙尘污染，若有污染，则自动记录信息，并发出报警或信号，提示值班人员进行清洁处理；

若没有污染，则根据监测视频建立不受光照变化的参考像素值模型，以识别出视频中所有的运动物体；并根据监测视频中参考区域的概率密度直方图以消除运动云团的干扰，此后若监测到烟囱出口有运动对象，则认为正在排烟，否则认为未在排烟；

视频处理系统(4)中所运行的改进的反投影法包括以下步骤：

步骤1为自适应的轮廓检测算法，该算法包括根据式1计算视频的边缘强度，并通过边缘强度自适应的计算视频中的轮廓总数及轮廓总面积比率，若轮廓总数或轮廓总面积比率其中一项超出设定阈值，则认为摄像机镜头有污染，系统将发出警报，若两者都未超出设定阈值，则执行排烟监测步骤；

式1中，参数h和l分别是自适应轮廓算法的上、下限阈值，i为所监测视频的像素总数，mav为所监测视频中的最大边缘强度；

若图像中某一点的像素值超过上限阈值h，则认为其为强边缘点，若像素值超过下限阈值l但不超过上限阈值h，则认为其为弱边缘点，若像素值低于下限阈值l，则认为其非边缘点；搜索所有强边缘点，并以弱边缘点连接各强边缘点形成轮廓，摒除其余无法连接强边缘点的弱边缘点，则形成了轮廓图像；此后通过以下准则判断镜头是否污染：①、若镜头无污染，则从图像中检测出的轮廓仅为视场中物体本身的轮廓，轮廓数明显较少；②、在有污染的图像中，由于镜头上存在大量的点状或条状污染，则形成的轮廓图像中会出现大量的轮廓；③、根据现场实际统计情况，设定检出的轮廓总数阈值和轮廓面积比率阈值，若两项指标中任意一个超出设定阈值，则认为污染已经达到上限，需要处理；

步骤2：建立不受光照变化影响的参考像素值模型；计算当前帧视频的实际像素值与前一帧视频的参考像素值的差值以提取监测视频中所有的运动目标；设当前帧中某一点的参考像素值为μ_t：

μ_t＝(1-α)μ_t-1+αp_t (2)

其中，α为设定常数，此处设置为0.2，μ_t-1为前一帧中该点的参考像素值，p_t为当前帧中该点的实际像素值；当光照强度随时间发生缓慢变化时，背景点的参考像素值μ_t也将沿光照强度的变化方向发生缓慢变化，即当前帧背景点的实际像素值p_t与前一帧背景点的参考像素值μ_t-1的差值不会超过设定的阈值sp，此处设置sp＝10；而运动物体由于在相邻帧中位置不一样，故其在相邻帧中的像素差值将会较大，会超过设定阈值sp；由上述算法原理，即可消除静止背景的干扰，提取出监测视频中的运动目标；

步骤3：在所监测视频中的天空区域设置多处参考区域，计算每处参考区域的参考像素值模型，参考像素值模型中包含天空区域模型和可能存在的云团模型；提取参考像素值模型的概率密度直方图，则可以反投影出图像中其他存在天空和云团的区域，设置所有反投影天空与云团区域的像素值为0，即可消除天空中运动云团的干扰；

所述参考像素值模型即记录一个参考区域内所有像素点的色调信息与灰度信息，色调值的区间为[0，180]，故可将所有像素点的色调值组合为180柱的色调直方图；同理，将所有像素点的灰度值组合为256柱的灰度直方图；将两种直方图归一化为概率密度直方图，此时直方图每一柱的面积大小即为该柱色调值在整个参考区域中出现的概率，所有柱的总面积为1；计算图像中其他区域的色调概率密度直方图和灰度概率密度直方图，并与参考区域进行比对，若其他区域的两种概率密度直方图与参考区域的相似，则认为此区域为背景区域，否则为前景区域。