CN108230607B - 一种基于区域特征分析的图像火灾探测方法 - Google Patents

一种基于区域特征分析的图像火灾探测方法 Download PDF

Info

Publication number
CN108230607B
CN108230607B CN201810061303.2A CN201810061303A CN108230607B CN 108230607 B CN108230607 B CN 108230607B CN 201810061303 A CN201810061303 A CN 201810061303A CN 108230607 B CN108230607 B CN 108230607B
Authority
CN
China
Prior art keywords
image
point
label
area
pixel
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
CN201810061303.2A
Other languages
English (en)
Other versions
CN108230607A (zh
Inventor
于春雨
王卓甫
张曦
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.)
Shenyang Fire Research Institute of MEM
Original Assignee
Shenyang Fire Research Institute of MEM
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 Shenyang Fire Research Institute of MEM filed Critical Shenyang Fire Research Institute of MEM
Priority to CN201810061303.2A priority Critical patent/CN108230607B/zh
Publication of CN108230607A publication Critical patent/CN108230607A/zh
Application granted granted Critical
Publication of CN108230607B publication Critical patent/CN108230607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于区域特征分析的图像火灾探测方法，涉及火灾探测技术领域。该方法首先采用前景图像整体目标区域面积预判别和分区域面积预判别两种方式，筛除面积不符合阈值区间的某帧图像或某个区域，降低了算法的计算量。然后再采用统计各区域面积的跳变次数的方法，分析各区域面积变化的频率特征，实现对图像的火灾情况的判断，大大降低了计算复杂度。本发明提供的基于区域特征分析的图像火焰探测方法，以较低的算法复杂度融合了图像目标区域的面积特征、频率特征和质心位置变化的运动特征等多种特征，具有较强的抗干扰能力，更适用于存在多目标区域的复杂场景，进一步提高了该发明方法在工程应用中的适应能力。

Description

一种基于区域特征分析的图像火灾探测方法
技术领域
本发明涉及火灾探测技术领域，尤其涉及一种基于区域特征分析的图像火灾探测方法。
背景技术
图像型火灾探测技术具有响应速度快，监测范围广，距离远的特点，适用于高大空间场所，还可在室外环境中使用，使火灾探测更大程度地满足人们对火灾安全的需求，与传统的火灾探测技术相比具有显著的优势，代表了当今火灾探测技术的较高水平。
图像火灾探测技术，包括图像火焰探测、图像烟雾探测和图像温度探测三种。其中，图像火焰探测主要利用火灾发生时，物体燃烧过程中火焰图像的颜色特性、轮廓特性、频谱特性、纹理特性或运动特性等，使其模型化、过程化，形成计算机可识别的图像模式，从而快速、准确的识别火灾信息，完成火灾检测，并及时发出报警信号。
然而，这些特征模型均存在一定的局限性，使得图像火焰探测易发生误报或者漏报。如使用颜色判别模型的方法不能够区分阳光、灯泡和摆动红旗等与火焰颜色相近的干扰源，见T.Celik(Automatic Fire Detection in Video Sequences.In：Proceedings ofEuropean Signal Processing Conference，Florence，Italy，September 2006.)；使用频谱特征受背景光影响较大，而且在图像场景中如果火焰区域面积较小，这种闪烁特征并不明显，见Liu Chebin(Proceedings ofICPR 2004.Proceedings ofthe 17thInternational Conference on.2004.4(4)：34～137.)；同时，也有研究人员采用多种特征融合的方式，如Ugur Toreyin(Proceedings of IEEE 30th International Conference onAcoustics，Speech，and Signal Processing.Philadelphia，PA，USA.2005.2(2)：669-672.)综合利用运动、频闪、边缘模糊和颜色特征等来识别火焰，利用时空小波变换提取闪烁特征和边缘模糊特征，从而实现视频火焰探测，虽然取得了较好的效果，但由于算法过于复杂，计算量大，难以满足图像火灾探测产品对于实时探测的要求。
发明内容
针对现有技术的缺陷，本发明提供一种基于区域特征分析的图像火灾探测方法，以提高图像火灾探测技术的可靠性和及时性。
一种基于区域特征分析的图像火灾探测方法，包括以下步骤：
步骤1、将由监控摄像头得到的视频图像通过采集卡传给视频监控计算机，计算机连续读取摄像机捕获的一段时间内的多帧图像，并以这些帧图像对应点的像素平均值构成背景图像BD；
步骤2、计算机实时读取摄像机获取的当前帧图像I，采用背景差分法，由当前帧图像I和背景图像BD根据以下公式进行差分，得到前景图像FD；
Figure GDA0002262278510000021
式中，(i，j)为以图像的左上角为原点，图像的水平方向为横轴、垂直方向为纵轴建立的坐标系中像素点的坐标，FD(i，j)为前景图像在点(i，j)位置的像素值，t代表当前帧，BD(i，j)为背景图像在点(i，j)位置的像素值，I(i，j，t)为当前帧图像在点(i，j)位置的像素值，T1为阈值；
所述前景图像为二值化图像，其像素值仅有0和255两个值；背景图像为灰度图像，其像素值的数值区间为0～255；
对背景图像进行实时更新，采用的公式如下所示：
Figure GDA0002262278510000022
式中，a为常数，0<a<1；
如果差分结果图像FD(i，j)中点(i，j)的像素值为0，则更新背景图像中(i，j)点的像素值BD(i，j)，如果差分结果前景图像FD(i，j)中点(i，j)的像素值为255，则不进行操作；
步骤3、进行预判别，计算前景图像的面积，即计算前景图像中像素值为255的像素总数Sum，并判断前景图像的面积是否满足T2≤Sum≤T3，其中T2和T3为阈值；若满足，则执行步骤4，否则，放弃对该帧图像的判断，返回步骤2，重新读取下一帧图像进行判断；
步骤4、利用区域标号算法对前景图像的不同区域进行标号，标号的数值范围为1～255，得到标号图像LD，具体方法为：
步骤4.1：令标号L＝0；
步骤4.2：自左向右、自上向下地扫描前景图像FD，对于像素值为255的点做下述操作：
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝0，FD(i，j-1)＝255，则令当前点(i，j)的标号与邻点(i，j-1)的标号相同，即LD(i，j)＝LD(i，j-1)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝0，则令当前点(i，j)的标号与点(i-1，j)的标号相同，即LD(i，j)＝LD(i-1，j)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝255，且两像素点的标号相同，即LD(i-1，j)＝LD(i，j-1)，则令当前点(i，j)的标号与点(i-1，j)的标号相同，即LD(i，j)＝LD(i-1，j)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝FD(i，j-1)＝0，则当前点为一个新区域的起点，赋予它一个新的标号，为L＝L+1，LD(i，j)＝L；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝255，但两像素点的标号不同，即LD(i-1，j)≠LD(i，j-1)，则令当前像素点的标号等于其中较小的那个标号；
步骤4.3：重新搜索整张标号图像LD，对标号进行整理，使自左向右、自上向下搜索到的区域的标号从1开始依次增加；
步骤5、对整张标号图像进行搜索，分别统计不同标号区域的面积，即不同标号区域的像素个数，并判断各区域的面积是否满足大于最小阈值Smin且小于最大阈值Smax，如果满足，则执行步骤6，否则，该区域为噪声或遮挡干扰，不进行处理；
步骤6、分别计算标号图像中各标号区域的质心；
所述各标号区域的质心的计算公式如下所示：
Figure GDA0002262278510000031
式中，Mmax为标号为L的区域的像素横坐标的最大值，Mmin为标号为L的区域的像素横坐标的最小值，Nmax为标号为L的区域的像素纵坐标的最大值，Nmin为标号为L的区域像素纵坐标的最小值，xcL为标号为L的区域的质心的横坐标，ycL为标号为L的区域的质心的纵坐标，xi代表标号为L的区域的轮廓上的第i个点的横坐标，yj代表标号为L的区域的轮廓上的第j个点的纵坐标，I(i，j)为坐标为(i，j)的点的像素值；
步骤7、设置时间窗口T0，统计时间T0内所有帧图像在各标号区域的面积SLt和质心坐标(xcLt，ycLt)，并分别计算时间窗口T0内各标号区域面积的平均值SaveLt和方差SVLt，以及质心横纵坐标的平均值(xavecLt，yavecLt)和方差(xVcLt，yVcLt)，并计算各区域面积的跳变次数；
所述各标号区域面积的跳变次数的计算方法为：
一、记录时间窗口T0内，标号为L区域的面积数组为SL[t]，其平均值为SaveLt，计数器countL初始值为0；
二、从时间窗口T0内的第一帧图像开始，若SL[t]>SaveLt且SL[t+1]<SaveLt，或者SL[t]<SaveLt且SL[t+1]>SaveLt，则计数器countL增加1；
三、当t＝L-1，则计算结束，counhL即为该区域面积跳变次数；
步骤8、判断视频图像所监控的场景是否存在火灾情况，如果存在火灾，则发出报警指令，否则返回步骤二，重新读取下一帧图像，继续对视频图像所监控的场景进行火灾探测；
所述判断视频图像所监控的场景是否存在火灾情况的具体方法为：
将时间窗口T0内各标号区域面积跳变次数countL，质心坐标方差(xVcLt，yVcLt)，面积方差SVLt，分别与提前设置好的阈值Pcount、Pzhixinx、Pzhixiny、Ps比较，并设置累加值Ccount、Czhixinx、Czhixiny、Cs，这四个累加值初始值均为0，
若countL>Pcount，则Ccount增加1；
若xVcLt>Pzhixinx，则Czhixinx增加1；
若yVcLt>Pzhixiny，则Czhixiny增加1；
若SVLt>Ps，则Cs增加1；
判断Ccount、Czhixinx、Czhixiny、Cs四个数值是否均超过阈值P，如果均超过，则判别视频图像所监控的场景存在火灾，否则不存在火灾。
由上述技术方案可知，本发明的有益效果在于：本发明提供的一种基于区域特征分析的图像火灾探测方法，采用前景图像整体目标区域面积预判别和分区域面积预判别两种方式，筛除面积不符合阈值区间的某帧图像或某个区域，降低了算法的计算量。同时，本发明方法采用的统计各区域面积的跳变次数的方法，分析了各区域面积变化的频率特征，相较FFD快速傅里叶变换计算频率的方法，大大降低了计算的复杂度。本发明方法以较低的算法复杂度，并融合图像目标区域的面积特征、频率特征和质心位置变化的运动特征等多种特征对图象型火灾进行探测，具有较强的抗干扰能力，进一步提高了图象型火灾方法在工程应用中的适应能力。
附图说明
图1为本发明实施例提供的采用一种基于区域特征分析的图像火灾探测方法进行火灾探测的火灾探测器系统结构示意图；
图2为本发明实施例提供的一种基于区域特征分析的图像火灾探测方法的流程图。
其中，1、计算机；2、报警装置；3、监控区域；4、摄像头；5、视频数据采集卡。
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。
采用本发明的基于区域特征分析的图像火灾探测方法进行火灾探测的火灾探测器系统结构如图1所示，包括计算机1、报警装置2、监控区域3、摄像头4和视频数据采集卡5；摄像头4采集到的监控区域3的视频图像数据通过视频数据采集卡5传送给计算机1，计算机1通过本发明的基于区域特征分析的图像火灾探测方法对图像的火灾情况进行分析判断。报警装置2通过485总线与计算机1相连，当确认发生火灾时，计算机通过485总线向报警装置2发出指令，报警装置2随即发出声光警报。
本实施例中，图1中给出的系统各硬件性能参数如下：
摄像头4：
·处理芯片：1/4英寸索尼芯片Sonysuper HAD CCD
·CCD总像素752(H)×576(V)
·分辨率480线
·最低照度0.7Lux(彩色)
·信噪比大于48dB
·电子快门1/50～1/100000秒连续
·镜头f＝12mm
视频数据采集卡5：
·视频压缩标准：H.264
·1个采集卡最多可连接8个摄像头
·预览分辨率和编码分辨率可达4CIF
·可设置图像分辨率和码率
·可设置视频信号的亮度、色度、对比度
计算机1：
·CPU处理器：Intel Core2 Q95502.83GHz
·内存：4GB
·显卡：NVIDIA GeForce 310512M
一种基于区域特征分析的图像火灾探测方法，如图2所示，包括以下步骤：
步骤1、将由监控摄像头得到的视频图像通过采集卡传给视频监控计算机，计算机连续读取摄像机捕获的20帧图像，并以这些帧图像对应点的像素平均值构成背景图像BD；
步骤2、计算机实时读取摄像机获取的当前帧图像I，采用背景差分法，由当前帧图像I和背景图像BD根据以下公式进行差分，得到前景图像FD；
式中，(i，j)为以图像的左上角为原点，图像的水平方向为横轴、垂直方向为纵轴建立的坐标系中像素点的坐标，FD(i，j)为前景图像在点(i，j)位置的像素值，t代表当前帧，BD(i，j)为背景图像在点(i，j)位置的像素值，I(i，j，t)为当前帧图像在点(i，j)位置的像素值，T1为阈值。
阈值T1是通过经验和实验测试得到的，T1设置的过大，则获得的前景图像可能会丢失部分信息，如果T1设置的过小，则可能将噪声也提取出来了，本实施例中设置阈值T1＝120。
前景图像为二值化图像，其像素值仅有0和255两个值；背景图像为灰度图像，其像素值的数值区间为0～255；
对背景图像进行实时更新，采用的公式如下所示：
Figure GDA0002262278510000061
式中，a为常数，0<a<1；
如果差分结果图像FD(i，j)中点(i，j)的像素值为0，则更新背景图像中(i，j)点的像素值BD(i，j)，如果差分结果前景图像FD(i，j)中点(i，j)的像素值为255，则不进行操作；
步骤3、进行预判别，计算前景图像的面积，即计算前景图像中像素值为255的像素总数Sum，并判断前景图像的面积是否满足T2≤Sum≤T3，其中T2和T3为阈值；若满足，则执行步骤4，否则，放弃对该帧图像的判断，返回步骤2，重新读取下一帧图像进行判断，本实施例中，阈值T2＝50和T3＝10000。
步骤4、利用区域标号算法对前景图像的不同区域进行标号，标号的数值范围为1～255，得到标号图像LD，具体方法为：
步骤4.1：令标号L＝0；
步骤4.2：自左向右、自上向下地扫描前景图像FD，对于像素值为255的点做下述操作：
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝0，FD(i，j-1)＝255，则令当前点(i，j)的标号与邻点(i，j-1)的标号相同，即LD(i，j)＝LD(i，j-1)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝0，则令当前点(i，j)的标号与点(i-1，j)的标号相同，即LD(i，j)＝LD(i-1，j)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝255，且两像素点的标号相同，即LD(i-1，j)＝LD(i，j-1)，则令当前点(i，j)的标号与点(i-1，j)的标号相同，即LD(i，j)＝LD(i-1，j)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝FD(i，j-1)＝0，则当前点为一个新区域的起点，赋予它一个新的标号，为L＝L+1，LD(i，j)＝L；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝255，但两像素点的标号不同，即LD(i-1，j)≠LD(i，j-1)，则令当前像素点的标号等于其中较小的那个标号；
步骤4.3：重新搜索整张标号图像LD，对标号进行整理，使自左向右、自上向下搜索到的区域的标号从1开始依次增加；
步骤5、对整张标号图像进行搜索，分别统计不同标号区域的面积，即不同标号区域的像素个数，并判断各区域的面积是否满足大于最小阈值Smin且小于最大阈值Smax，如果满足，则执行步骤6，否则，该区域为噪声或遮挡干扰，不进行处理；
步骤6、根据以下公式，分别计算标号图像中各标号区域的质心
Figure GDA0002262278510000071
式中，Mmax为标号为L的区域的像素横坐标的最大值，Mmin为标号为L的区域的像素横坐标的最小值，Nmax为标号为L的区域的像素纵坐标的最大值，Nmin为标号为L的区域像素纵坐标的最小值，xcL为标号为L的区域的质心的横坐标，ycL为标号为L的区域的质心的纵坐标，xi代表标号为L的区域的轮廓上的第i个点的横坐标，yj代表标号为L的区域的轮廓上的第j个点的纵坐标，I(i，j)为坐标为(i，j)的点的像素值；
步骤7、设置时间窗口T0，统计时间T0内所有帧图像在各标号区域的面积SLt和质心坐标(xcLt，ycLt)，并分别计算时间窗口T0内各标号区域面积的平均值SaveLt和方差SVLt，以及质心横纵坐标的平均值(xavecLt，yavecLt)和方差(xVcLt，yVcLt)，并计算各区域面积的跳变次数；
所述各标号区域面积的跳变次数的计算方法为：
一、记录时间窗口T0内，标号为L区域的面积数组为SL[t]，其平均值为SaveLt，计数器countL初始值为0；
二、从时间窗口T0内的第一帧图像开始，若SL[t]>SaveLt且SL[t+1]<SaveLt，或者SL[t]<SaveLt且SL[t+1]>SaveLt，则计数器countL增加1；
三、当t＝L-1，则计算结束，countL即为该区域面积跳变次数；
时间窗口T0是通过经验设置，如果T0设置的过小，由于取得时间窗口过短，不能足够反应火焰的跳变特征，但如果T0设置的过大，则时间窗口过长，造成火灾识别时间的延长，不利于快速探测，本实施例中，T0＝20。
步骤8、判断视频图像所监控的场景是否存在火灾情况，如果存在火灾，则发出报警指令，否则返回步骤二，重新读取下一帧图像，继续对视频图像所监控的场景进行火灾探测；
判断视频图像所监控的场景是否存在火灾情况的具体方法为：
将时间窗口T0内各标号区域面积跳变次数countL，质心坐标方差(xVcLt，yVcLt)，面积方差SVLt，分别与提前设置好的阈值Pcount、Pzhixinx、Pzhixiny、Ps比较，并设置累加值Ccount、Czhixinx、Czhixiny、Cs，这四个累加值初始值均为0，
若countL>Pcount，则Ccount增加1；
若xVcLt>Pzhixinx，则Czhixinx增加1；
若yVcLt>Pzhixiny，则Czhixiny增加1；
若SVLt>Ps，则Cs增加1；
阈值Pcount、Pzhixinx、Pzhixiny、Ps都是用于判别的阈值，均通过实验进行特征训练获得，设置在该值的时候，最能够准确的区分火灾图像和干扰图像特征，本实施例中，Pcounnt＝10、Pzhixinx＝50、Pzhixiny＝400和Ps＝100。
判断Cco＝t、Czhixinx、Czhixiny、Cs四个数值是否均超过阈值P，如果均超过，则视频图像所监控的场景存在火灾，否则不存在火灾。
本实施例中，阈值P＝5，Ccount、Czhixinx、Czhixiny、Cs四个数值均超过阈值P，判断视频图像所监控的场景存在火灾，需要向报警装置2发出报警指令。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (6)

1.一种基于区域特征分析的图像火灾探测方法，其特征在于：包括以下步骤：
步骤1、将由监控摄像头得到的视频图像通过采集卡传给视频监控计算机，计算机连续读取摄像机捕获的一段时间内的多帧图像，并以这些帧图像对应点的像素平均值构成背景图像BD；
步骤2、计算机实时读取摄像机获取的当前帧图像I，采用背景差分法，由当前帧图像I和背景图像BD进行差分，得到前景图像FD，并对背景图像进行实时更新；
步骤3、进行预判别，计算前景图像的面积，即计算前景图像中像素值为255的像素总数Sum，并判断前景图像的面积是否满足T2≤Sum≤T3，其中T2和T3为阈值；若满足，则执行步骤4，否则，放弃对该帧图像的判断，返回步骤2，重新读取下一帧图像进行判断；
步骤4、利用区域标号算法对前景图像的不同区域进行标号，标号的数值范围为1～255，得到标号图像LD，具体方法为：
步骤4.1：令标号L＝0；
步骤4.2：自左向右、自上向下地扫描前景图像FD，对于像素值为255的点做下述操作：
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝0，FD(i，j-1)＝255，则令当前点(i，j)的标号与邻点(i，j-1)的标号相同，即LD(i，j)＝LD(i，j-1)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝0，则令当前点(i，j)的标号与点(i-1，j)的标号相同，即LD(i，j)＝LD(i-1，j)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝255，且两像素点的标号相同，即LD(i-1，j)＝LD(i，j-1)，则令当前点(i，j)的标号与点(i-1，j)的标号相同，即LD(i，j)＝LD(i-1，j)；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝FD(i，j-1)＝0，则当前点为一个新区域的起点，赋予它一个新的标号，为L＝L+1，LD(i，j)＝L；
若当前点的两个直接邻点的像素值分别为FD(i-1，j)＝255，FD(i，j-1)＝255，但两像素点的标号不同，即LD(i-1，j)≠LD(i，j-1)，则令当前像素点的标号等于其中较小的那个标号；
步骤4.3：重新搜索整张标号图像LD，对标号进行整理，使自左向右、自上向下搜索到的区域的标号从1开始依次增加；
步骤5、对整张标号图像LD进行搜索，分别统计不同标号区域的面积，即不同标号区域的像素个数，并判断各区域的面积是否满足大于最小阈值Smin且小于最大阈值Smax，如果满足，则执行步骤6，否则，该区域为噪声或遮挡干扰，不进行处理；
步骤6、分别计算标号图像中各标号区域的质心；
步骤7、设置时间窗口T0，统计时间T0内所有帧图像在各标号区域的面积SLt和质心坐标(xcLt，ycLt)，并分别计算时间窗口T0内各标号区域面积的平均值SaveLt和方差SVLt，以及质心横纵坐标的平均值(xavecLt，yavecLt)和方差(xVcLt，yVcLt)，并计算各区域面积的跳变次数；
步骤8、判断视频图像所监控的场景是否存在火灾情况，如果存在火灾，则发出报警指令，否则返回步骤二，重新读取下一帧图像，继续对视频图像所监控的场景进行火灾探测。
2.根据权利要求1所述的一种基于区域特征分析的图像火灾探测方法，其特征在于：步骤2所述前景图像为二值化图像，其像素值仅有0和255两个值，背景图像为灰度图像，其像素值的数值区间为0～255。
3.根据权利要求2所述的一种基于区域特征分析的图像火灾探测方法，其特征在于：步骤2所述前景图像FD的计算公式如下所示：
Figure FDA0002262278500000021
式中，(i，j)为以图像的左上角为原点，图像的水平方向为横轴、垂直方向为纵轴建立的坐标系中像素点的坐标，FD(i，j)为前景图像在点(i，j)位置的像素值，t代表当前帧，BD(i，j)为背景图像在点(i，j)位置的像素值，I(i，j，t)为当前帧图像在点(i，j)位置的像素值，T1为阈值；
所示背景图像进行实时更新采用的公式如下所示：
Figure FDA0002262278500000022
式中，a为常数，0＜a＜1；
如果差分结果图像FD(i，j)中点(i，j)的像素值为0，则更新背景图像中(i，j)点的像素值BD(i，j)，如果差分结果前景图像FD(i，j)中点(i，j)的像素值为255，则不进行操作。
4.根据权利要求1所述的一种基于区域特征分析的图像火灾探测方法，其特征在于：步骤6所述标号图像中各标号区域的质心的计算公式如下所示：
式中，Mmax为标号为L的区域的像素横坐标的最大值，Mmin为标号为L的区域的像素横坐标的最小值，Nmax为标号为L的区域的像素纵坐标的最大值，Nmin为标号为L的区域像素纵坐标的最小值，xcL为标号为L的区域的质心的横坐标，ycL为标号为L的区域的质心的纵坐标，xi代表标号为L的区域的轮廓上的第i个点的横坐标，yj代表标号为L的区域的轮廓上的第j个点的纵坐标，I(i，j)为坐标为(i，j)的点的像素值。
5.根据权利要求1所述的一种基于区域特征分析的图像火灾探测方法，其特征在于：步骤7所述各标号区域面积的跳变次数的计算方法为：
一、记录时间窗口T0内，标号为L区域的面积数组为SL[t]，其平均值为SaveLt，计数器countL初始值为0；
二、从时间窗口T0内的第一帧图像开始，若SL[t]＞SaveLt且SL[t+1]＜SaveLt，或者SL[t]＜SaveLt且SL[t+1]＞SaveLt，则计数器countL增加1；
三、当t＝L-1，则计算结束，countL即为该区域面积跳变次数。
6.根据权利要求1所述的一种基于区域特征分析的图像火灾探测方法，其特征在于：步骤8所述判断视频图像所监控的场景是否存在火灾的具体判别方法为：
将时间窗口T0内各标号区域面积跳变次数countL，质心坐标方差(xVcLt，yVcLt)，面积方差SVLt，分别与提前设置好的阈值Pcount、Pzhixinx、Pzhixiny、Ps比较，并设置累加值Ccount、Czhixinx、Czhixiny、Cs，这四个累加值初始值均为0，
若countL＞Pcount，则Ccount增加1；
若xVcLt＞Pzhixinx，则Czhixinx增加1；
若yVcLt＞Pzhixiny，则Czhixiny增加1；
若SVLt＞Ps，则Cs增加1；
判断Ccount、Czhixinx、Czhixiny、Cs四个数值是否均超过阈值P，如果均超过，则判别该视频图像所监控的场景存在火灾，否则，不存在火灾。
CN201810061303.2A 2018-01-23 2018-01-23 一种基于区域特征分析的图像火灾探测方法 Active CN108230607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810061303.2A CN108230607B (zh) 2018-01-23 2018-01-23 一种基于区域特征分析的图像火灾探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810061303.2A CN108230607B (zh) 2018-01-23 2018-01-23 一种基于区域特征分析的图像火灾探测方法

Publications (2)

Publication Number Publication Date
CN108230607A CN108230607A (zh) 2018-06-29
CN108230607B true CN108230607B (zh) 2020-02-21

Family

ID=62668449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810061303.2A Active CN108230607B (zh) 2018-01-23 2018-01-23 一种基于区域特征分析的图像火灾探测方法

Country Status (1)

Country Link
CN (1) CN108230607B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985221A (zh) * 2018-07-12 2018-12-11 广州视源电子科技股份有限公司 视频片段检测方法、装置、设备和存储介质
CN109612573B (zh) * 2018-12-06 2021-01-12 南京林业大学 一种基于噪声频谱分析的树冠火和地面火检测方法
CN111899459A (zh) * 2020-07-27 2020-11-06 山东工商学院 一种基于区域特征分析的图像火灾探测方法
CN115359616B (zh) * 2022-08-26 2023-04-07 新创碳谷集团有限公司 一种氧化炉内火情监测方法、计算机设备及存储介质
CN117493834B (zh) * 2023-12-29 2024-09-03 合众新能源汽车股份有限公司 定位性能评价方法、装置和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363718A (zh) * 2008-09-17 2009-02-11 北京航空航天大学 一种双路质心跟随成像方法及装置
CN102201146A (zh) * 2011-05-18 2011-09-28 中国科学技术大学 基于主动红外视频的零照度环境火灾烟雾识别方法
CN102609685A (zh) * 2012-01-17 2012-07-25 公安部沈阳消防研究所 一种图像型火灾探测器的遮挡判别方法
CN104463903A (zh) * 2014-06-24 2015-03-25 中海网络科技股份有限公司 一种基于目标行为分析的行人图像实时检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI420423B (zh) * 2011-01-27 2013-12-21 Chang Jung Christian University Machine vision flame identification system and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363718A (zh) * 2008-09-17 2009-02-11 北京航空航天大学 一种双路质心跟随成像方法及装置
CN102201146A (zh) * 2011-05-18 2011-09-28 中国科学技术大学 基于主动红外视频的零照度环境火灾烟雾识别方法
CN102609685A (zh) * 2012-01-17 2012-07-25 公安部沈阳消防研究所 一种图像型火灾探测器的遮挡判别方法
CN104463903A (zh) * 2014-06-24 2015-03-25 中海网络科技股份有限公司 一种基于目标行为分析的行人图像实时检测方法

Also Published As

Publication number Publication date
CN108230607A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
CN108230607B (zh) 一种基于区域特征分析的图像火灾探测方法
WO2020078229A1 (zh) 目标对象的识别方法和装置、存储介质、电子装置
US10070053B2 (en) Method and camera for determining an image adjustment parameter
US9652863B2 (en) Multi-mode video event indexing
CN102163361B (zh) 一种基于前景累积图像的图像型火灾探测方法
Habiboglu et al. Real-time wildfire detection using correlation descriptors
KR101953342B1 (ko) 멀티 센서 화재감지 방법 및 시스템
CN108629299B (zh) 一种结合人脸匹配的长时间多目标跟踪方法及系统
CN111401311A (zh) 一种基于图像检测的高空抛物识别方法
TW202211668A (zh) 拍攝處理方法和電子設備、電腦可讀儲存介質
WO2022237591A1 (zh) 运动对象的识别方法、装置、电子设备及可读存储介质
WO2021139049A1 (zh) 检测方法、检测装置、监控设备和计算机可读存储介质
CN111462155B (zh) 移动侦测方法、装置、计算机设备和存储介质
KR102127276B1 (ko) 복수의 고해상도 카메라들을 이용한 파노라마 영상 감시 시스템 및 그 방법
KR20140095333A (ko) 영상에서 객체 추적 방법 및 장치
Xu et al. Segmentation and tracking of multiple moving objects for intelligent video analysis
CN114202646A (zh) 一种基于深度学习的红外图像吸烟检测方法与系统
Eng et al. Robust human detection within a highly dynamic aquatic environment in real time
CN114885119A (zh) 一种基于计算机视觉的智能监控报警系统及方法
JP2001005974A (ja) 物体認識方法及び物体認識装置
CN113920585A (zh) 行为识别方法及装置、设备和存储介质
CN113657250A (zh) 一种基于监控视频的火焰检测方法及系统
JP2021007055A (ja) 識別器学習装置、識別器学習方法およびコンピュータプログラム
CN106921846A (zh) 视频移动终端遗留物检测装置
KR101154350B1 (ko) 고해상도 영상의 객체 검지 및 분할 인식을 이용한 다중 영상처리시스템 및 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 110034 No. 218-20, Wen Da Road, Huanggu District, Shenyang, Liaoning.

Applicant after: Shenyang Institute of Fire Protection, Ministry of Emergency Management

Address before: 110034 No. 218-20, Wen Da Road, Huanggu District, Shenyang, Liaoning.

Applicant before: Shenyang Fire-Extiquishing Inst., Public Security Ministry

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant