CN111145234A - 基于双目视觉的火灾烟雾探测方法 - Google Patents
基于双目视觉的火灾烟雾探测方法 Download PDFInfo
- Publication number
- CN111145234A CN111145234A CN201911355128.9A CN201911355128A CN111145234A CN 111145234 A CN111145234 A CN 111145234A CN 201911355128 A CN201911355128 A CN 201911355128A CN 111145234 A CN111145234 A CN 111145234A
- Authority
- CN
- China
- Prior art keywords
- image
- component
- frame
- target candidate
- binocular vision
- 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
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 46
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000001931 thermography Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Fire-Detection Mechanisms (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于双目视觉的火灾烟雾探测方法,首先,采用红外热成像摄像头对场景内温度进行监测,若场景内温度测量值超过预设温度值Tmax,则启动可见光摄像头;然后,利用可见光摄像头采集场景内视频并进行单帧处理并获得目标候选区域外接矩形框及目标候选区域图像,之后,对所述目标候选区域图像做双线性插值采样,得到统一尺寸的图像Q;接下来,提取图像Q的颜色信息及纹理特征,得到特征向量;最后,将特征向量输入BP分类器中,得到该目标候选区域是否存在烟雾的判定结果。该基于双目视觉的火灾烟雾探测方法数据处理量少,烟雾探测准确率高。
Description
技术领域
本发明涉及烟雾探测领域,特别提供了一种基于双目视觉的火灾烟雾探测方法。
背景技术
火灾严重危害着人民群众自身及财产的安全,现有技术中对火灾的探测通常是通过对烟雾的探测实现,对烟雾的探测通常采用可见光摄像头,同时,需要实时对可见光摄像头现场采集的监控视频中每一帧图像均进行处理、分析和识别,处理数据量大,相对耗时长,另外,采用现有的图像处理方法对烟雾探测的准确率较低。
因此,提出一种基于双目视觉的火灾烟雾探测方法,以快速探测火灾前期的烟雾,成为人们亟待解决的问题。
发明内容
鉴于此,本发明的目的在于提供一种基于双目视觉的火灾烟雾探测方法,以解决现有技术中的火灾烟雾报警响应时间长,烟雾浓度低时报警不及时的问题。
本发明提供的技术方案是:一种基于双目视觉的火灾烟雾探测方法,包括如下步骤:
S1:采用双目视觉中的红外热成像摄像头对场景内温度进行监测,若场景内温度测量值超过预设温度值Tmax,则启动可见光摄像头;
S2:利用可见光摄像头采集场景内视频并进行单帧处理,设采集的第一帧图像为背景帧;
S3:对每帧图像进行行列抽样,等比例缩小原始图像,得到待处理图像M,然后,将图像M进行YUV空间转换,在Y通道,将当前帧与背景帧对应像素点的像素值相减,得到差分图像D1,同理,将后一帧与当前帧对应像素点的像素值相减,得到差分图像为D2,其中,将像素值相减结果为非正值的差分图像的像素值置0,反之像素值置255,之后,将D1与D2做并集得到图像D,对图像D做标记连通,得到目标候选区域外接矩形框Rect;
S4:截取后一帧对应的图像M的目标候选区域外接矩形框内的像素值,得到目标候选区域图像,之后,对所述目标候选区域图像做双线性插值采样,得到统一尺寸的图像Q;
S5:提取图像Q的颜色信息及纹理特征,得到各自的特征向量;
S6:将与图像Q的颜色信息及纹理特征对应的特征向量首尾连接,组成最终的特征向量F;
S7:将特征向量F输入BP分类器中,得到该目标候选区域是否存在烟雾的判定结果。
优选,S4中,所述图像Q的尺寸优选为32*64像素。
进一步优选,S5中,纹理特征提取方式如下:
对图像Q做LBP运算,得到目标纹理图像,并计算出灰度共生矩阵,之后,利用所述灰度共生矩阵得到对比度、能量、熵、逆方差、相关性五个变量,组合后作为特征向量A。
进一步优选,S5中,颜色信息采用图像Q的RGB及YUV信息获得,具体步骤如下:
a、将图像Q中每个像素点的R分量、G分量、B分量分别连接成一个列向量后将其首尾相连,得到一个一维列向量V1,之后,将所述列向量V1进行LDA降维,得到RGB空间对应的特征向量B;
b、将图像Q每个像素点的Y分量、U分量、V分量分别连接一个列向量后将其首尾相连,得到一个一维列向量V2,之后,将所述列向量V2进行LDA降维,得到YUV空间对应的特征向量C。
本发明提供的基于双目视觉的火灾烟雾探测方法,通过步骤S1,可避免可见光摄像头实时采集图像并处理,通过设置温度阈值可以减少虚警并提高了检测效率;图像处理时采用双线性插值统一目标尺寸,有利于不同烟雾浓度的判断标准的统一;相对于传统的灰度图像检测,本发明综合利用了YUV和RGB各分量作为特征向量,可增加烟雾探测的准确率;相对于现有技术中采用圆形度作为形状规则度来判定烟雾,本发明采用颜色和纹理的联合判断,提高了烟雾探测的准确率。
具体实施方式
下面将结合具体的实施方案对本发明进行进一步的解释,但并不局限本发明。
该基于双目视觉的火灾烟雾探测方法,包括如下步骤:
S1:采用双目视觉中的红外热成像摄像头对场景内温度进行监测,若场景内温度测量值超过预设温度值Tmax,则启动可见光摄像头;
S2:利用可见光摄像头采集场景内视频并进行单帧处理,设采集的第一帧图像为背景帧;
S3:对每帧图像进行行列抽样,等比例缩小原始图像,得到待处理图像M,然后,将图像M进行YUV空间转换,在Y通道,将当前帧与背景帧对应像素点的像素值相减,得到差分图像D1,同理,将后一帧与当前帧对应像素点的像素值相减,得到差分图像为D2,其中,将像素值相减结果为非正值的差分图像的像素值置0,反之像素值置255,之后,将D1与D2做并集得到图像D,对图像D做标记连通,得到目标候选区域外接矩形框Rect;
S4:截取后一帧对应的图像M的目标候选区域外接矩形框内的像素值,得到目标候选区域图像,之后,对所述目标候选区域图像做双线性插值采样,得到统一尺寸的图像Q,其中,所述图像Q的尺寸优选为32*64像素;
S5:提取图像Q的颜色信息及纹理特征,得到各自的特征向量;
其中,纹理特征提取方式如下:
对图像Q做LBP运算,得到目标纹理图像,并计算出灰度共生矩阵,之后,利用所述灰度共生矩阵得到对比度、能量、熵、逆方差、相关性五个变量,组合后作为特征向量A;
其中,颜色信息采用图像Q的RGB及YUV信息获得,具体步骤如下:
a、将图像Q中每个像素点的R分量、G分量、B分量分别连接成一个列向量后将其首尾相连,得到一个一维列向量V1,之后,将所述列向量V1进行LDA降维,得到RGB空间对应的特征向量B;
b、将图像Q每个像素点的Y分量、U分量、V分量分别连接一个列向量后将其首尾相连,得到一个一维列向量V2,之后,将所述列向量V2进行LDA降维,得到YUV空间对应的特征向量C;
S6:将与图像Q的颜色信息及纹理特征对应的特征向量首尾连接,组成最终的特征向量F;
S7:将特征向量F输入BP分类器中,得到该目标候选区域是否存在烟雾的判定结果。
若发现烟雾,则可以向外界发出烟雾警报,否则,向外界发出温度异常升高的警报。
该基于双目视觉的火灾烟雾探测方法,采用红外热成像摄像头对场景内温度进行实时监控,当检测到温度高出阈值时,立即启动可见光摄像头采集场景内视频,通过图像处理,对烟雾进行探测,该探测方式可避免可见光摄像头始终处于探测状态,数据处理量大,取而代之,采用红外热成像摄像头检测温度,当温度高出阈值时,才启动可见光摄像头,减少了可见光摄像头的工作时间和大量的数据处理量;另外,在对可见光摄像头采集的图像的处理过程中,本发明利用颜色和纹理联合组成的特征向量进行判定,可以增加最终判定的准确度。
上面对本发明的实施方式做了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (4)
1.基于双目视觉的火灾烟雾探测方法,其特征在于,包括如下步骤:
S1:采用双目视觉中的红外热成像摄像头对场景内温度进行监测,若场景内温度测量值超过预设温度值Tmax,则启动可见光摄像头;
S2:利用可见光摄像头采集场景内视频并进行单帧处理,设采集的第一帧图像为背景帧;
S3:对每帧图像进行行列抽样,等比例缩小原始图像,得到待处理图像M,然后,将图像M进行YUV空间转换,在Y通道,将当前帧与背景帧对应像素点的像素值相减,得到差分图像D1,同理,将后一帧与当前帧对应像素点的像素值相减,得到差分图像为D2,其中,将像素值相减结果为非正值的差分图像的像素值置0,反之像素值置255,之后,将D1与D2做并集得到图像D,对图像D做标记连通,得到目标候选区域外接矩形框Rect;
S4:截取后一帧对应的图像M的目标候选区域外接矩形框内的像素值,得到目标候选区域图像,之后,对所述目标候选区域图像做双线性插值采样,得到统一尺寸的图像Q;
S5:提取图像Q的颜色信息及纹理特征,得到各自的特征向量;
S6:将与图像Q的颜色信息及纹理特征对应的特征向量首尾连接,组成最终的特征向量F;
S7:将特征向量F输入BP分类器中,得到该目标候选区域是否存在烟雾的判定结果。
2.按照权利要求1所述的基于双目视觉的火灾烟雾探测方法,其特征在于:S4中,所述图像Q的尺寸为32*64像素。
3.按照权利要求1所述的基于双目视觉的火灾烟雾探测方法,其特征在于:S5中,纹理特征提取方式如下:
对图像Q做LBP运算,得到目标纹理图像,并计算出灰度共生矩阵,之后,利用所述灰度共生矩阵得到对比度、能量、熵、逆方差、相关性五个变量,组合后作为特征向量A。
4.按照权利要求1所述的基于双目视觉的火灾烟雾探测方法,其特征在于:S5中,颜色信息采用图像Q的RGB及YUV信息获得,具体步骤如下:
a、将图像Q中每个像素点的R分量、G分量、B分量分别连接成一个列向量后将其首尾相连,得到一个一维列向量V1,之后,将所述列向量V1进行LDA降维,得到RGB空间对应的特征向量B;
b、将图像Q每个像素点的Y分量、U分量、V分量分别连接一个列向量后将其首尾相连,得到一个一维列向量V2,之后,将所述列向量V2进行LDA降维,得到YUV空间对应的特征向量C。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355128.9A CN111145234A (zh) | 2019-12-25 | 2019-12-25 | 基于双目视觉的火灾烟雾探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355128.9A CN111145234A (zh) | 2019-12-25 | 2019-12-25 | 基于双目视觉的火灾烟雾探测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111145234A true CN111145234A (zh) | 2020-05-12 |
Family
ID=70519907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911355128.9A Pending CN111145234A (zh) | 2019-12-25 | 2019-12-25 | 基于双目视觉的火灾烟雾探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145234A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739250A (zh) * | 2020-07-01 | 2020-10-02 | 广东工业大学 | 结合图像处理技术与红外传感器的火灾探测方法及系统 |
CN113029349A (zh) * | 2021-02-24 | 2021-06-25 | 浙江大华技术股份有限公司 | 一种温度监测方法、装置、存储介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770644A (zh) * | 2010-01-19 | 2010-07-07 | 浙江林学院 | 森林火灾远程视频监控烟火识别方法 |
US20130094699A1 (en) * | 2011-10-12 | 2013-04-18 | Industry Academic Cooperation Foundation Keimyung University | Forest fire smoke detection method using random forest classification |
CN103236068A (zh) * | 2013-05-14 | 2013-08-07 | 中国科学院自动化研究所 | 一种局部图像匹配方法 |
CN106778488A (zh) * | 2016-11-22 | 2017-05-31 | 中国民航大学 | 基于图像相关性的低照度烟雾视频检测方法 |
CN107093179A (zh) * | 2017-03-07 | 2017-08-25 | 北京环境特性研究所 | 针对广域空间的双波段火灾搜索定位方法 |
CN109854964A (zh) * | 2019-03-29 | 2019-06-07 | 沈阳天眼智云信息科技有限公司 | 基于双目视觉的蒸汽泄露定位系统及方法 |
JP6598962B1 (ja) * | 2018-10-31 | 2019-10-30 | 電気興業株式会社 | 火災検知装置、火災検知方法及び火災監視システム |
-
2019
- 2019-12-25 CN CN201911355128.9A patent/CN111145234A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770644A (zh) * | 2010-01-19 | 2010-07-07 | 浙江林学院 | 森林火灾远程视频监控烟火识别方法 |
US20130094699A1 (en) * | 2011-10-12 | 2013-04-18 | Industry Academic Cooperation Foundation Keimyung University | Forest fire smoke detection method using random forest classification |
CN103236068A (zh) * | 2013-05-14 | 2013-08-07 | 中国科学院自动化研究所 | 一种局部图像匹配方法 |
CN106778488A (zh) * | 2016-11-22 | 2017-05-31 | 中国民航大学 | 基于图像相关性的低照度烟雾视频检测方法 |
CN107093179A (zh) * | 2017-03-07 | 2017-08-25 | 北京环境特性研究所 | 针对广域空间的双波段火灾搜索定位方法 |
JP6598962B1 (ja) * | 2018-10-31 | 2019-10-30 | 電気興業株式会社 | 火災検知装置、火災検知方法及び火災監視システム |
CN109854964A (zh) * | 2019-03-29 | 2019-06-07 | 沈阳天眼智云信息科技有限公司 | 基于双目视觉的蒸汽泄露定位系统及方法 |
Non-Patent Citations (1)
Title |
---|
孙继平 等: "基于可见光和红外图像的矿井外因火灾识别方法" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739250A (zh) * | 2020-07-01 | 2020-10-02 | 广东工业大学 | 结合图像处理技术与红外传感器的火灾探测方法及系统 |
CN111739250B (zh) * | 2020-07-01 | 2022-02-15 | 广东工业大学 | 结合图像处理技术与红外传感器的火灾探测方法及系统 |
CN113029349A (zh) * | 2021-02-24 | 2021-06-25 | 浙江大华技术股份有限公司 | 一种温度监测方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9875409B2 (en) | Abnormality detection apparatus, abnormality detection method, and recording medium storing abnormality detection program | |
EP3534326A1 (en) | Method and apparatus for merging infrared image and visible light image | |
CN105678310A (zh) | 红外热图像轮廓提取方法及装置 | |
Patel et al. | Flame detection using image processing techniques | |
US8922674B2 (en) | Method and system for facilitating color balance synchronization between a plurality of video cameras and for obtaining object tracking between two or more video cameras | |
JP2008171392A (ja) | 映像の境界を検出する方法及びその装置とこれを具現するコンピューターで読み取れる記録媒体 | |
JP3486229B2 (ja) | 画像変化検出装置 | |
KR101693959B1 (ko) | 시공간 블록 특징을 이용한 화재 검출 시스템 및 방법 | |
CN111145234A (zh) | 基于双目视觉的火灾烟雾探测方法 | |
JP5352859B2 (ja) | 複数のガウス分布モデルを利用して映像の背景を維持する方法と装置 | |
US20190246048A1 (en) | Image processing apparatus, image processing method, and storage medium | |
JP2004219277A (ja) | 人体検知方法およびシステム、プログラム、記録媒体 | |
CN115049955A (zh) | 一种基于视频分析技术的火灾探测分析方法及装置 | |
CN110619293A (zh) | 基于双目视觉的火焰探测方法 | |
CN103020588B (zh) | 基于视频图像分析的火焰检测方法 | |
CN102999994A (zh) | 基于视频图像分析的火焰检测装置 | |
CN103020587B (zh) | 基于视频图像分析火焰的视图分析方法 | |
US20140327796A1 (en) | Method for estimating camera response function | |
KR101395666B1 (ko) | 비디오 영상의 변화를 이용한 도난 감시 장치 및 방법 | |
KR101920369B1 (ko) | 열화상 카메라의 영상처리장치 및 영상처리방법 | |
JP5710230B2 (ja) | 監視システムおよび監視方法 | |
JP5243486B2 (ja) | ケーブル位置検出装置、ケーブル位置検出方法及びケーブル位置検出プログラム | |
CN114841941A (zh) | 基于深度与彩色图像融合的运动目标检测算法 | |
KR101521269B1 (ko) | 영상에서 눈 또는 비를 검출하는 방법 | |
JP6664078B2 (ja) | 3次元侵入検知システムおよび3次元侵入検知方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |