CN109063592A - 一种基于边缘特征的室内火焰检测方法 - Google Patents

一种基于边缘特征的室内火焰检测方法 Download PDF

Info

Publication number
CN109063592A
CN109063592A CN201810765540.7A CN201810765540A CN109063592A CN 109063592 A CN109063592 A CN 109063592A CN 201810765540 A CN201810765540 A CN 201810765540A CN 109063592 A CN109063592 A CN 109063592A
Authority
CN
China
Prior art keywords
highlight regions
region
flame
edge
detection method
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.)
Pending
Application number
CN201810765540.7A
Other languages
English (en)
Inventor
张德馨
史玉坤
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.)
TIANJIN ISECURE TECHNOLOGY Co Ltd
Original Assignee
TIANJIN ISECURE TECHNOLOGY Co Ltd
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 TIANJIN ISECURE TECHNOLOGY Co Ltd filed Critical TIANJIN ISECURE TECHNOLOGY Co Ltd
Priority to CN201810765540.7A priority Critical patent/CN109063592A/zh
Publication of CN109063592A publication Critical patent/CN109063592A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V20/44—Event detection

Abstract

本发明专利提出一种基于计算机视觉和图像处理技术的针对室内空间的火焰进行检测的方法，包括步骤：建立背景模型并进行前景检测；筛选高亮前景；对高亮区域进行膨胀操作，记录膨胀后的像素点以提取高亮区域的边缘；提取内部高亮边缘具有特定颜色信息的特征点，具体方法为在YUV空间下，当V>144时即选定为符合条件的特征点；判断经筛选后的高亮区域的闪动特征。本发明的核心为找出图像中的高亮区域后，利用高亮区域边缘特定的颜色信息确定潜在的火焰区域，再通过判断筛选出区域的闪动特性确定该区域是否为火焰，基于高亮区域边缘的颜色信息设计的火焰检测方鲁棒性高，实时性好。

Description

一种基于边缘特征的室内火焰检测方法
技术领域
本发明属于机器视觉检测领域，尤其是一种基于边缘特征的室内火焰检测方法。
背景技术
随着计算机视觉及图像处理技术的发展，基于计算机视觉的火焰检测技术逐渐取代了利用传感器进行火焰检测的技术。利用火焰的多项特征作为火焰检测的依据，容易造成误检，其主要原因在于火焰在不同情况下表现出的特征不同，因此基于多项特征的火焰检测方法鲁棒性不强。由于颜色是火焰静态特性中一种比较显著的特质，所以利用火焰的颜色特征进行火焰识别的方法具有更高的识别率。
发明内容
基于此，提出一种基于边缘特征的室内火焰检测方法，采用的技术方案如下：
一种基于边缘特征的室内火焰检测方法，找出图像中的高亮区域后，利用高亮区域边缘特定的颜色信息确定潜在的火焰区域，再通过判断筛选出区域的闪动特性确定该区域是否为火焰，完整检测方法包括步骤：
步骤1.建立背景模型并进行前景检测；
步骤2.筛选高亮前景；
步骤3.对高亮区域进行四邻域膨胀操作，记录膨胀后的像素点以提取高亮区域的边缘；
步骤4.提取内部高亮边缘具有特定颜色信息的特征点；
步骤5.判断经筛选后的高亮区域的闪动特征。
进一步的，采用四邻域遍历搜索前景点，将检测出的相邻前景点标记为相同的掩码，求取掩码相同的像素点的个数之和，作为高亮前景的面积，求取掩码相同的像素点的灰度平均值，当面积小于设定的面积阈值或平均灰度值小于设定的灰度阈值则舍去该区域。
进一步的，面积阈值通过图像的分辨率确定。
进一步的，在步骤4中使用的颜色空间为YUV空间，步骤4的具体过程为：
A1.统计记录的像素点的总数记为N；
A2.设定符合颜色信息的点数为C，初始值为0，当记录的像素点V分量数值大于144时，C加1；
A3.若C/N>0.5，则标记该区域为潜在的火焰区域。
进一步的，当图像中的区域满足步骤4的特征时，则持续分析后续的10帧图像，统计前后相邻两帧高亮区域的面积变化，当面积变化与前帧中高亮区域的比值超过五分之一时，则标记为一次跳跃，当同一高亮区域跳跃次数超过3次则判定该高亮区域为火焰。
与现有技术相比，本发明的有益效果在于：
1.提取特征的辨识度强，利用这种特征的火焰检测方法鲁棒性高。
2.本检测方法可减小烟雾对检测精度的影响。
3.算法的整体设计简单，算法实时性较好。
附图说明
图1是算法流程图。
具体实施方式
如图1所示，本发明中的算法包括步骤：
步骤1.建立背景模型并进行前景检测。具体为利用VIBE算法建立背景模型并实时更新，同时检测视频图像序列中的移动前景；
步骤2.筛选高亮前景。基于VIBE前景检测的特点，需要将相邻区域内的移动前景点连接，从而对整体区域做出进一步判断，连接方法如下：
(1)采用四邻域遍历搜索前景点，将检测出的相邻前景点标记为相同的掩码；
(2)对相同的掩码区域进行参数求取，计算面积和平均灰度值。
(3)对上述高亮区域的面积和平均灰度做出判断。当前景面积小于阈值T1或平均灰度小于阈值T2则舍弃。其中T1阈值根据分辨率确定，阈值T2取值为经验值230。
面积计算方法为：计算同一掩码像素点的个数之和。
平均灰度的计算公式为：
其中，gi表示同一掩码区域第i个像素的灰度值。
步骤3.对高亮前景进行膨胀操作。膨胀操作的主要目的在于获取高亮区域边缘的像素坐标。方法为将步骤2中保存下来的区域进行四邻域膨胀，并记录膨胀后的像素点。
步骤4.提取内部高亮边缘具有特定颜色信息的特征点。在这一步骤中使用YUV颜色空间，该颜色空间将图像的灰度信息与颜色信息分开存储，其中Y表示图像的灰度值，UV用来表示颜色值。这样能够有效降低光照对火焰颜色的影响。
在YUV颜色空间下统计并分析了室内火焰颜色的边缘颜色信息，可以得出当UV值在127-128时，图像变为灰度；当V>140时逐渐符合火焰颜色信息，因此用于判定颜色是否为火焰颜色的阈值设定为144。
步骤4的具体操作如下：
(1)统计同一掩码区域膨胀后的记录的像素点的总数，记为N；
(2)统计膨胀后的记录的像素点中符合颜色信息的总数，记为C，符合颜色信息判定的条件为V>144；
(3)若C/N>0.5，则标记该区域为潜在的火焰。此公式的意义为：高亮区域的边缘像素的中符合火焰颜色模型的像素点的个数大于一半。因为火焰在燃烧过程中会伴随烟雾的产生，因此膨胀得到的边缘点不可能全部满足统计的出颜色阈值，因此将其设定为大于0.5。
步骤5.判断经筛选后的高亮区域的闪动特征。火焰在燃烧过程中会表现出跳跃的闪动特征，为了便于量化该特征，我们将其定义为火焰像素面积变化。当图像中的区域满足步骤4的特征时，则持续分析后续的10帧图像，统计前后相邻两帧高亮区域的面积变化，当面积变化与前帧中高亮区域的比值超过五分之一时，则标记为一次跳跃，当同一高亮区域跳跃次数超过3次则判定该高亮区域为火焰。
以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。

Claims (6)

1.一种基于边缘特征的室内火焰检测方法，其特征在于，找出图像中的高亮区域后，利用高亮区域边缘特定的颜色信息确定潜在的火焰区域，再通过判断筛选出区域的闪动特性确定该区域是否为火焰。
2.如权利完要求1所述一种基于边缘特征的室内火焰检测方法，其特征在于，确定检测区域是否为火焰的方法包括步骤：
步骤1.建立背景模型并进行前景检测；
步骤2.筛选高亮前景；
步骤3.对高亮区域进行膨胀操作，记录膨胀后的像素点以提取高亮区域的边缘；
步骤4.提取内部高亮边缘具有特定颜色信息的特征点；
步骤5.判断经筛选后的高亮区域的闪动特征。
3.如权利要求1所述一种基于边缘特征的室内火焰检测方法，其特征在于，采用四邻域遍历搜索前景点，将检测出的相邻前景点标记为相同的掩码，求取掩码相同的像素点的个数之和，作为高亮前景的面积，求取掩码相同的像素点的灰度平均值，当面积小于设定的面积阈值或平均灰度值小于设定的灰度阈值则舍去该区域。
4.如权利要求3所述一种基于边缘特征的室内火焰检测方法，其特征在于，面积阈值通过图像的分辨率确定。
5.如权利要求1所述一种基于边缘特征的室内火焰检测方法，其特征在于，在步骤4中使用的颜色空间为YUV空间，步骤4的具体过程为：
A1.统计记录的像素点的总数记为N；
A2.设定符合颜色信息的点数为C，初始值为0，当记录的像素点V分量数值大于144时，C加1；
A3.若C/N>0.5，则标记该区域为潜在的火焰区域。
6.如权利要求1所述一种基于边缘特征的室内火焰检测方法，其特征在于，当图像中的区域满足步骤4的特征时，则持续分析后续的10帧图像，统计前后相邻两帧高亮区域的面积变化，当面积变化与前帧中高亮区域的比值超过五分之一时，则标记为一次跳跃，当同一高亮区域跳跃次数超过3次则判定该高亮区域为火焰。
CN201810765540.7A 2018-07-12 2018-07-12 一种基于边缘特征的室内火焰检测方法 Pending CN109063592A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810765540.7A CN109063592A (zh) 2018-07-12 2018-07-12 一种基于边缘特征的室内火焰检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810765540.7A CN109063592A (zh) 2018-07-12 2018-07-12 一种基于边缘特征的室内火焰检测方法

Publications (1)

Publication Number Publication Date
CN109063592A true CN109063592A (zh) 2018-12-21

Family

ID=64816171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810765540.7A Pending CN109063592A (zh) 2018-07-12 2018-07-12 一种基于边缘特征的室内火焰检测方法

Country Status (1)

Country Link
CN (1) CN109063592A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382600A (zh) * 2018-12-28 2020-07-07 山东华软金盾软件股份有限公司 一种安防视频单色遮挡物检测装置及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080136934A1 (en) * 2006-12-12 2008-06-12 Industrial Technology Research Institute Flame Detecting Method And Device
CN101393603A (zh) * 2008-10-09 2009-03-25 浙江大学 一种识别和检测隧道火灾火焰的方法
CN102663869A (zh) * 2012-04-23 2012-09-12 国家消防工程技术研究中心 基于视频监控平台的室内火灾检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080136934A1 (en) * 2006-12-12 2008-06-12 Industrial Technology Research Institute Flame Detecting Method And Device
CN101393603A (zh) * 2008-10-09 2009-03-25 浙江大学 一种识别和检测隧道火灾火焰的方法
CN102663869A (zh) * 2012-04-23 2012-09-12 国家消防工程技术研究中心 基于视频监控平台的室内火灾检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许宏科: "《基于亮度与火焰区域边缘颜色分布的火焰检测》", 《计算机应用研究》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382600A (zh) * 2018-12-28 2020-07-07 山东华软金盾软件股份有限公司 一种安防视频单色遮挡物检测装置及方法

Similar Documents

Publication Publication Date Title
CN110135269B (zh) 一种基于混合颜色模型与神经网络的火灾图像检测方法
JP6549797B2 (ja) 通行人の頭部識別方法及びシステム
CN104978567B (zh) 基于场景分类的车辆检测方法
CN108257146B (zh) 运动轨迹显示方法及装置
CN103714325B (zh) 基于嵌入式系统的遗留物和遗失物实时检测方法
CN103150549B (zh) 一种基于烟雾早期运动特征的公路隧道火灾检测方法
CN103729858B (zh) 一种视频监控系统中遗留物品的检测方法
CN106650584B (zh) 火焰检测方法和系统
CN105678811A (zh) 一种基于运动检测的人体异常行为检测方法
CN112036254B (zh) 基于视频图像的运动车辆前景检测方法
CN109087363B (zh) 一种基于hsv颜色空间的污水排放检测方法
CN106203334B (zh) 一种室内场景火苗检测方法
CN102663362B (zh) 一种基于灰度特征的运动目标检测方法
JPWO2009125596A1 (ja) 画像処理装置、方法、および記憶媒体
CN103035013A (zh) 一种基于多特征融合的精确运动阴影检测方法
CN101794406A (zh) 烟粉虱成虫密度自动计数系统
Lian et al. A novel method on moving-objects detection based on background subtraction and three frames differencing
CN106023249A (zh) 一种基于局部二值相似性模式的运动目标检测方法
CN104079798B (zh) 图像检测方法、装置及一种视频监控系统
CN103049748A (zh) 行为监测方法及装置
CN105447863A (zh) 一种基于改进vibe的遗留物检测方法
CN109063592A (zh) 一种基于边缘特征的室内火焰检测方法
JP5027201B2 (ja) テロップ文字領域検出方法，テロップ文字領域検出装置およびテロップ文字領域検出プログラム
CN103049919A (zh) 一种嵌入式目标检测算法
Saxena et al. Video inpainting detection and localization using inconsistencies in optical flow

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