CN112781791B - 一种基于光学气体成像的VOCs气体泄漏检测方法及系统 - Google Patents

Abstract

本发明涉及一种基于光学气体成像的VOCs气体泄漏检测方法及系统，其特征在于，包括：图像采集模块，用于获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像则作为背景图像；背景减除模块，用于提取当前帧红外图像的动态变化区域；参数计算模块，用于计算满足动态区域检测条件的动态变化区域的参数；气体泄漏判定模块，用于当计算的红外图像的参数满足检测条件时，判定是否发生气体泄漏；报警模块，用于发生气体泄漏时输出报警信号，并标出提取的动态变化区域；图像融合模块，用于当计算的红外图像的参数不满足检测条件时，将当前帧红外图像与原背景图像进行融合，生成新的背景图像，本发明可广泛用于挥发性有机物泄漏检测领域中。

Description

一种基于光学气体成像的VOCs气体泄漏检测方法及系统

技术领域

本发明是关于一种基于光学气体成像的VOCs(挥发性有机物)气体泄漏检测方法及系统，属于挥发性有机物泄漏检测领域。

背景技术

石油炼化属于高危行业，石油化工企业的原料或产品多为挥发性易燃易爆物品，再加上其生产工艺较为复杂、生产设备众多，很容易发生易燃易爆气体的泄漏进而造成火灾事故，且石化企业的火灾事故往往伴随着爆炸，有立体性强、易复燃复爆等特点，后果比较严重。因此，石化企业一直是各国家安全生产防范的重点对象，对于安全等级的要求甚高，需要对其生产环境进行实时监控以确保安全。目前，石油炼化企业一般会在危险区域安装可燃气体报警仪，该装备采用网格化点阵布置方式，可以对区域内发生的大规模气体泄漏产生报警。但使，该装置也有一定弊端，就是无法精确定位区域内成百上千个的密封点中哪一个是泄漏源。

中波红外光学气体成像属于热成像技术领域，是近年来发展迅猛的特种成像方法，热成像方法通过探测目标物体的红外辐射，并进行光电转换、电信号处理等手段，将不可视的目标物体热辐射分布图像转换为视频图像。红外热像是一种可靠的非接触式检测方法，且其监测的是整个视窗，配合不同焦距红外镜头及云台可以实现大面积监控，因此，在其监测范围内无死角无遗漏，且由于热成像反映的是被测物体的热辐射程度，不受环境光和天气影响，可以实现白天、黑夜及风雪雨雾全天候工作。大部分工业气体例如碳氢有机化合物，拥有其独特的红外吸收光谱，利用这一特征，通过特定的红外波段滤镜和高灵敏度的中波红外机芯，可以对红外吸收光谱处于3.1至3.5微米的肉眼不可见的400余种VOCs气体进行成像，称为光学气体成像方法。基于这一成像方法，可以实现泄漏源的定位，同时也可以清晰显示气体扩散方向，使其成为气体泄漏检测及溯源的重要技术手段。

然而，各国家只有少数科研单位及机构对红外气体泄露检测方法进行了相关研究和开发。中国昆明物理研究所的研究人员通过对被动傅里叶红外的工作原理进行分析，结合泄漏气体对红外光谱的吸收特征，完成非接触式远距离的泄漏气体监测系统；中国北京理工大学的研究人员利用DDE(数字图像细节增强)方法对气体泄漏视频图像进行实时处理，在图像细节增强算法取得了一定进展；中国中科院的研究人员通过帧间差分与局部熵差相结合的算法检测红外图像中的泄漏气体。但是，这些方法普遍均不成熟，误报率高且实用性不强。

发明内容

针对上述问题，本发明的目的是提供一种误报率低且实用性强的基于光学气体成像的VOCs气体泄漏检测方法及系统。

为实现上述目的，本发明采取以下技术方案：一种基于光学气体成像的VOCs气体泄漏检测方法，包括以下内容：

1)获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像，则将该帧红外图像作为背景图像，进入步骤1)；否则，进入步骤2)；

2)采用背景减除法，根据背景图像，提取当前帧红外图像的动态变化区域，若该动态变化区域的面积满足动态区域检测条件，则进入步骤3)；否则，进入步骤6)；

3)计算提取的动态变化区域的参数，若均满足预先设定的检测条件，则进入步骤4)；否则，进入步骤6)；

4)累计满足检测条件的红外图像，若该帧红外图像为第一帧满足检测条件的红外图像，则将满足检测条件的红外图像计数值置1，并记录该帧红外图像中动态变化区域的面积，进入步骤1)；否则，将满足检测条件的红外图像计数值加1，进入步骤5)；

5)若满足检测条件的红外图像计数值大于计数阈值，则判定待检测区域发生气体泄漏，进入步骤6)；否则，进入步骤1)；

6)输出报警信号，在该帧红外图像中标出提取的动态变化区域，并将当前帧红外图像与原背景图像进行融合，生成新的背景图像，进入步骤1)，完成待检测区域的VOCs气体泄漏检测。

进一步，所述步骤2)中背景减除法的公式为：

其中，f_n为采用背景减除法得到的动态变化区域；I_n为当前帧红外图像，b为背景图像，T为一个大于零的温度变化阈值。

进一步，所述步骤3)的具体过程为：

3.1)设定检测条件，包括灰度平均值阈值、灰度方差范围、形状不规则度范围和面积变化率阈值；

3.2)计算提取的动态变化区域的灰度平均值m和灰度方差δ²，若灰度平均值m小于灰度平均值阈值且灰度方差δ²位于灰度方差范围内，则进入步骤4)；否则，进入步骤6)；

3.3)计算提取的动态变化区域的形状不规则度Ω，若形状不规则度Ω位于形状不规则度范围内，则进入步骤3.4)，否则，进入步骤6)；

3.4)计算提取的动态变化区域的面积变化率ΔA，若动态变化区域的面积变化率ΔA大于面积变化率阈值，则进入步骤4)，否则，进入步骤6)。

进一步，所述步骤3.2)的具体过程为：

3.2.1)设定当前帧红外图像中灰度k出现的概率为p(k)，在i×j大小的当前帧红外图像区域中：

其中，n_k为灰度k在当前帧红外图像中出现的次数；

3.2.2)根据计算的概率p(k)，计算提取的动态变化区域的灰度平均值m和灰度方差δ²：

其中，k为0～255之间的灰度值；

3.2.3)若灰度平均值m小于灰度平均值阈值且灰度方差δ²位于灰度方差范围，则进入步骤3.3)；否则，进入步骤6)。

进一步，所述步骤3.3)中的动态变化区域的形状不规则度Ω为：

其中，C为动态变化区域的边缘周长；A为动态变化区域的面积。

进一步，所述步骤3.4)中的动态变化区域的面积变化率ΔA为：

其中，ΔA为相邻帧红外图像的动态变化区域的面积变化率；A_n+1和A_n分别为第n+1帧红外图像和第n帧红外图像中气体扩散区域的面积即动态变化区域的面积。

一种基于光学气体成像的VOCs气体泄漏检测系统，包括：

图像采集模块，用于获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像，则将该帧红外图像作为背景图像；

背景减除模块，用于采用背景减除法，根据背景图像，提取当前帧红外图像的动态变化区域；

参数计算模块，用于计算满足动态区域检测条件的动态变化区域的灰度平均值、灰度方差、形状不规则度和面积变化率；

气体泄漏判定模块，用于当计算的红外图像的参数满足预先设定的检测条件时，根据满足检测条件的红外图像计数值以及预先设定的计数阈值，判定待检测区域是否发生气体泄漏；

报警模块，用于当待检测区域发生气体泄漏时，输出报警信号，并在对应帧红外图像中标出提取的动态变化区域；

图像融合模块，用于当计算的红外图像的参数不满足预先设定的检测条件时，将当前帧红外图像与原背景图像进行融合，生成新的背景图像。

进一步，所述背景减除模块中背景减除法的公式为：

其中，f_n为采用背景减除法得到的动态变化区域；I_n为当前帧红外图像，b为背景图像，T为一个大于零的温度变化阈值。

一种处理器，包括计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述基于光学气体成像的VOCs气体泄漏检测方法对应的步骤。

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述基于光学气体成像的VOCs气体泄漏检测方法对应的步骤。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明通过在连续含有疑似VOCs气云的视频帧中辅以气云动态特性，对采集的红外图像进行分析，应用气体扩散的多种典型特征检测算法，实现VOCs气云泄漏的智能识别及溯源，基于光学气体成像方法可以对VOCs气体实现雾化成像这一本质特性进行气云检测，解决传统气体泄漏检测方法无法定位、不可溯源的弊端，能够实现VOCs气体的动态识别、智能检测和主动溯源，在白天、黑夜及风雪雨雾全天候条件下均可正常工作。

2、本发明的泄露判定基于泄露气体红外吸收特征、灰度分布特征和气云扩散特征，准确度高，计算复杂度低，数据处理实时性高，能够有效解决误报率高的问题，可以广泛应用于挥发性有机物泄漏检测领域中。

附图说明

图1是本发明方法的流程图；

图2是本发明方法中动态变化区域的提取示例示意图，其中，图2(a)为红外图像的示意图，图2(b)为包含该红外图像的动态变化区域背景差图像示意图；

图3是本发明实施例中气体泄露检测的示意图，其中，图3(a)为待检测区域的示意图，图3(b)为获取的一帧红外图像的示意图，图3(c)为动态变化区域示意图，图3(d)为检测结果示意图。

具体实施方式

以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。

本发明应用气体扩散的多种典型特征检测算法，能够实现VOCs气云泄漏的智能识别及溯源，基于光学气体成像方法，对VOCs气体实现雾化成像这一本质特性进行气云检测，实现VOCs气体的动态识别、智能检测和主动溯源，在白天、黑夜及风雪雨雾全天候条件下均可正常工作。

实施例1

如图1所示，本实施例提供一种基于光学气体成像的VOCs气体泄漏检测方法，包括以下步骤：

1)获取待检测区域的一帧热图像即红外图像。

2)如果该帧红外图像为第一帧红外图像，则将该帧红外图像作为背景图像，并进入步骤1)；否则，进入步骤3)。

3)如图2所示，采用背景减除法，根据背景图像，提取当前帧红外图像的动态变化区域，若该动态变化区域的面积(动态变化区域f_n中值不为255的连通点的数量)满足动态区域检测条件，即动态变化区域的面积大于面积阈值T1，则进入步骤4)；否则，进入步骤8)，其中，背景减除法的公式为：

其中，f_n为采用背景减除法得到的背景差图像，取值为非255的区域即为动态变化区域，f_n＝255表示该点属于非动态变化的区域，灰度值设置为255，不参与后续的计算；I_n为当前帧红外图像，b为背景图像，b-I_n表示背景图像中每一点的灰度值(对应该点的温度)减去当前帧图像中每一点的灰度值；T为一个大于零的温度变化阈值，背景减除法要求动态变化区域的温度低于背景温度，因此可以过滤掉大部分高温运动背景产生的干扰。255为8位灰度图像的最大值，温度的变化不会达到该值，因此选择该值表示温度变化小的点，也就是没有动态变化的点，这样可以将动态变化区域较明显的显示出来，方便后续的处理。

4)计算提取的动态变化区域的灰度平均值m、灰度方差δ²、形状不规则度Ω和面积变化率ΔA，若均满足预先设定的检测条件，则进入步骤5)；否则，进入步骤8)，具体为：

4.1)设定检测条件，包括灰度平均值阈值T2、灰度方差范围T3～T4、形状不规则度范围T5～T6和面积变化率阈值T7。

4.2)计算提取的动态变化区域的灰度平均值m和灰度方差δ²，若灰度平均值m小于阈值T2且灰度方差δ²位于阈值T3和阈值T4之间，则进入步骤5)；否则，进入步骤8)：

4.2.1)设定当前帧红外图像中灰度k出现的概率为p(k)，在i×j大小的当前帧红外图像区域中：

其中，n_k为灰度k在当前帧红外图像中出现的次数。

4.2.2)根据计算的概率p(k)，计算提取的动态变化区域的灰度平均值m和灰度方差δ²：

其中，k为0～255之间的灰度值。

4.2.3)若灰度平均值m小于灰度平均值阈值T2且灰度方差δ²位于灰度方差最小值T3和灰度方差最大值T4之间，即m<T2且T3<δ²<T4，则进入步骤4.3)；否则，进入步骤8)。

4.3)计算提取的动态变化区域的形状不规则度Ω，若形状不规则度Ω位于阈值T5和阈值T6之间，即T5<Ω<T6，则进入步骤4.4)，否则，进入步骤8)，其中，动态变化区域的形状不规则度Ω为：

其中，C为动态变化区域的边缘周长；A为动态变化区域的面积。

泄漏气体扩散受其密度及气流影响，造成泄漏区域形状不规则，通过形状不规则度计算，可以排除与泄露气体灰度值相近但形状特征不同的干扰区域。

4.4)计算提取的动态变化区域的面积变化率ΔA，若动态变化区域的面积变化率ΔA大于阈值T7，即ΔA>T7，则进入步骤5)，否则，将满足检测条件的红外图像计数值赋为0，进入步骤8)，其中，动态变化区域的面积变化率ΔA为：

其中，ΔA为相邻帧红外图像的动态变化区域的面积变化率；A_n+1和A_n分别为第n+1帧红外图像和第n帧红外图像中气体扩散区域的面积即动态变化区域的面积。面积变化率是表示目标面积随时间改变的速率的特征量，气云扩散时面积变化率处于一个相对较高的水平，可以通过面积变化率排除固定干扰。

5)累计满足检测条件的红外图像，若该帧红外图像为第一帧满足检测条件的红外图像，则将满足检测条件的红外图像计数值置1，并记录该帧红外图像中气云即动态变化区域的面积A，进入步骤1)；否则，将满足检测条件的红外图像计数值加1，进入步骤6)。

6)若满足检测条件的红外图像计数值大于计数阈值T8，则判定待检测区域发生气体泄漏，进入步骤7)；否则，进入步骤1)。

7)输出报警信号，并在该帧红外图像中标出步骤3)中提取的动态变化区域；

8)将当前帧红外图像与原背景图像进行融合，生成新的背景图像，进入步骤1)，完成待检测区域的VOCs气体泄漏检测。

下面通过具体实施例详细说明本发明的基于光学气体成像的VOCs气体泄漏检测方法：

如图3(a)所示，待检测区域为一个试验场景，红外图像的大小为320×288，实验用气瓶排放的气体是丙烷。

首先，获取正常情况下的一帧红外图像作为背景图像，如图3(b)所示，然后开始本发明的循环处理。按照本发明的方法步骤3)，提取待检测区域的当前帧红外图像的背景差图像，如图3(c)所示，取温度阈值T＝15、面积阈值T1＝20，检测疑似气体泄露产生的动态变化区域，当满足动态区域检测条件后，设定检测条件，即取阈值T2＝100,T3＝0.2,T4＝0.4,T5＝3,T6＝6,T7＝0.2，按照本发明的方法步骤4)计算动态变化区域的灰度平均值m、灰度方差δ²、形状不规则度Ω和面积变化率ΔA，若均满足预先设定的检测条件，则进入步骤5)，将满足检测条件的红外图像计数值加1，若满足检测条件的红外图像计数值大于预先设定的阈值T8(T8＝10)，则判定待检测区域发生气体泄漏，进入步骤7)输出报警信号，并采用矩形框标示出气体泄露区域即该帧红外图像的动态变化区域，如图3(d)所示。

实施例2

本实施例提供一种基于光学气体成像的VOCs气体泄漏检测系统，包括：

图像采集模块，用于获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像，则将该帧红外图像作为背景图像。

背景减除模块，用于采用背景减除法，根据背景图像，提取当前帧红外图像的动态变化区域。

参数计算模块，用于计算满足动态区域检测条件的动态变化区域的灰度平均值、灰度方差、形状不规则度和面积变化率。

气体泄漏判定模块，用于当计算的红外图像的参数满足预先设定的检测条件时，根据满足检测条件的红外图像计数值以及预先设定的计数阈值，判定待检测区域是否发生气体泄漏。

报警模块，用于当待检测区域发生气体泄漏时，输出报警信号，并在对应帧红外图像中标出提取的动态变化区域。

图像融合模块，用于当计算的红外图像的参数不满足预先设定的检测条件时，将当前帧红外图像与原背景图像进行融合，生成新的背景图像。

实施例3

本实施例提供一种与本实施例1所提供的基于光学气体成像的VOCs气体泄漏检测方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。

所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在处理器上运行的计算机程序，处理器运行计算机程序时执行本实施例1所提供的基于光学气体成像的VOCs气体泄漏检测方法。

在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。

在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。

实施例4

本实施例1的基于光学气体成像的VOCs气体泄漏检测方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的声音识别方法的计算机可读程序指令。

计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。

上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (8)

1.一种基于光学气体成像的VOCs气体泄漏检测方法，其特征在于，包括以下内容：

1)获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像，则将该帧红外图像作为背景图像，进入步骤1)；否则，进入步骤2)；

2)采用背景减除法，根据背景图像，提取当前帧红外图像的动态变化区域，若该动态变化区域的面积满足动态区域检测条件，则进入步骤3)；否则，进入步骤6)；背景减除法的公式为：

其中，f_n为采用背景减除法得到的动态变化区域；I_n为当前帧红外图像，b为背景图像，b-I_n表示背景图像中每一点的灰度值减去当前帧图像中每一点的灰度值，背景图像中每一点的灰度值对应该点的温度；T为一个大于零的温度变化阈值；

3)计算提取的动态变化区域的参数，若均满足预先设定的检测条件，则进入步骤4)；否则，进入步骤6)；

4)累计满足检测条件的红外图像，若该帧红外图像为第一帧满足检测条件的红外图像，则将满足检测条件的红外图像计数值置1，并记录该帧红外图像中动态变化区域的面积，进入步骤1)；否则，将满足检测条件的红外图像计数值加1，进入步骤5)；

5)若满足检测条件的红外图像计数值大于计数阈值，则判定待检测区域发生气体泄漏，进入步骤6)；否则，进入步骤1)；

6)输出报警信号，在该帧红外图像中标出提取的动态变化区域，并将当前帧红外图像与原背景图像进行融合，生成新的背景图像，进入步骤1)，完成待检测区域的VOCs气体泄漏检测。

2.如权利要求1所述的一种基于光学气体成像的VOCs气体泄漏检测方法，其特征在于，所述步骤3)的具体过程为：

3.1)设定检测条件，包括灰度平均值阈值、灰度方差范围、形状不规则度范围和面积变化率阈值；

3.2)计算提取的动态变化区域的灰度平均值m和灰度方差δ²，若灰度平均值m小于灰度平均值阈值且灰度方差δ²位于灰度方差范围内，则进入步骤4)；否则，进入步骤6)；

3.3)计算提取的动态变化区域的形状不规则度Ω，若形状不规则度Ω位于形状不规则度范围内，则进入步骤3.4)，否则，进入步骤6)；

3.4)计算提取的动态变化区域的面积变化率ΔA，若动态变化区域的面积变化率ΔA大于面积变化率阈值，则进入步骤4)，否则，进入步骤6)。

3.如权利要求2所述的一种基于光学气体成像的VOCs气体泄漏检测方法，其特征在于，所述步骤3.2)的具体过程为：

3.2.1)设定当前帧红外图像中灰度k出现的概率为p(k)，在i×j大小的当前帧红外图像区域中：

其中，n_k为灰度k在当前帧红外图像中出现的次数；

3.2.2)根据计算的概率p(k)，计算提取的动态变化区域的灰度平均值m和灰度方差δ²：

其中，k为0～255之间的灰度值；

3.2.3)若灰度平均值m小于灰度平均值阈值且灰度方差δ²位于灰度方差范围，则进入步骤3.3)；否则，进入步骤6)。

4.如权利要求2所述的一种基于光学气体成像的VOCs气体泄漏检测方法，其特征在于，所述步骤3.3)中的动态变化区域的形状不规则度Ω为：

其中，C为动态变化区域的边缘周长；A为动态变化区域的面积。

5.如权利要求2所述的一种基于光学气体成像的VOCs气体泄漏检测方法，其特征在于，所述步骤3.4)中的动态变化区域的面积变化率ΔA为：

其中，ΔA为相邻帧红外图像的动态变化区域的面积变化率；A_n+1和A_n分别为第n+1帧红外图像和第n帧红外图像中气体扩散区域的面积即动态变化区域的面积。

6.一种基于光学气体成像的VOCs气体泄漏检测系统，其特征在于，包括：

图像采集模块，用于获取待检测区域的一帧红外图像，如果该帧红外图像为第一帧红外图像，则将该帧红外图像作为背景图像；

背景减除模块，用于采用背景减除法，根据背景图像，提取当前帧红外图像的动态变化区域；背景减除法的公式为：

其中，f_n为采用背景减除法得到的动态变化区域；I_n为当前帧红外图像，b为背景图像，b-I_n表示背景图像中每一点的灰度值减去当前帧图像中每一点的灰度值，背景图像中每一点的灰度值对应该点的温度；T为一个大于零的温度变化阈值；

参数计算模块，用于计算满足动态区域检测条件的动态变化区域的灰度平均值、灰度方差、形状不规则度和面积变化率；

气体泄漏判定模块，用于当计算的红外图像的参数满足预先设定的检测条件时，根据满足检测条件的红外图像计数值以及预先设定的计数阈值，判定待检测区域是否发生气体泄漏；

报警模块，用于当待检测区域发生气体泄漏时，输出报警信号，并在对应帧红外图像中标出提取的动态变化区域；

图像融合模块，用于当计算的红外图像的参数不满足预先设定的检测条件时，将当前帧红外图像与原背景图像进行融合，生成新的背景图像。

7.一种处理器，其特征在于，包括计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-5中任一项所述的基于光学气体成像的VOCs气体泄漏检测方法对应的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-5中任一项所述的基于光学气体成像的VOCs气体泄漏检测方法对应的步骤。

Images