CN113486841A - 一种基于视觉的森林雷击火检测方法 - Google Patents
一种基于视觉的森林雷击火检测方法 Download PDFInfo
- Publication number
- CN113486841A CN113486841A CN202110835460.6A CN202110835460A CN113486841A CN 113486841 A CN113486841 A CN 113486841A CN 202110835460 A CN202110835460 A CN 202110835460A CN 113486841 A CN113486841 A CN 113486841A
- Authority
- CN
- China
- Prior art keywords
- area
- image
- fire
- lightning
- coordinates
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视觉的森林雷击火检测方法,首先通过提取视频中连续帧图像进行视频中动态区域提取;其次通过轮廓提取算法对动态区域进行轮廓提取;然后根据雷击火的颜色和区域大小筛选出候选雷击火区域;接下来计算出候选雷击火区域外接矩形的坐标;最后将当前帧与上一帧外接矩形坐标进行对比,锁定雷击火区域,并标记出雷击火区域。
Description
技术领域
本发明属于森林防火和视频目标检测领域,尤其涉及一种基于视频的雷击火检测方法。
背景技术
由雷电引发的林火统称“雷击火”,它是森林火灾中最危险的自然火源。由于雷电的随机性很强,森林中雷击放电形成的火点不易及时被发现并进行初期灭火,这就使得雷击火的预防与扑救极其困难。因此,对雷击火的早期探测,以及加强对雷击火高发区雷电活动的监测和预警,是森林防火工作中的一个重要环节。然而,我国大部分林区使用的雷电检测系统主要是通过实时计算云对地雷击的雷电流幅值和极性等参数来检测雷击火的发生情况,这样不仅成本高,而且布局复杂,由此可见,一种基于视觉的森林雷击火检测方法具有很大的可靠性挑战。
发明内容
本发明提供了一种基于视觉的森林雷击火检测方法,通过对固定林火监控摄像头监控视频的帧图像提取并进行处理,可以对远距离下发生的雷击火进行识别,并框选出雷击火所在区域并发出蜂鸣声作为警示。
根据本发明计算过程,所述雷击火检测方法包括:
第一步,视频信息预处理:通过采集固定摄像头的连续帧雷击火图像,进行帧图像提取,并通过基本的图像处理方法,得到特定尺寸的单通道灰度图像;
第二步,动态区域提取:对时间上连续的两帧图像进行差分运算,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动区域;设定阈值T,对得到的差分图像进行二值化处理,获得运动目标图像;
第三步,候选雷击火区域轮廓提取:利用光栅扫描法对第三步中获得到的二值图像从左上角开始,自左至右、自上而下开始扫描获得图像边界点,直到扫描到该帧图像的右下角顶点完成对动态区域轮廓的提取;
第四步,获取候选雷击火区域:利用雷击火的颜色特征和面积大小,对第三步中获得的运动目标图像区域进行筛选,获得该帧图像的候选雷击火区域图像;
第五步,候选雷击火区域外接矩形计算:根据候选区域雷击火的轮廓,计算出当前帧图像候选区域雷击火的外接矩形,并按照顺时针方向依次计算出其外接矩形四个点的坐标,该坐标记录即为当前帧图像候选区域的代表坐标;
第六步,矩形区域锁定:根据步骤五中计算得到代表坐标,计算相邻帧外接矩形对应下方两点的横、纵坐标之差,若当前帧与上一帧两点横坐标之差在一定范围内,且当前帧两点的纵坐标都大于前一帧纵坐标,则将当前帧的矩形区域锁定为雷击火区域;
第七步,雷击火区域的标记与提醒:在原视频用红色矩形标记出雷击火区域,并发出持续蜂鸣声作为警示。
第二步中动态区域提取,其计算方法为:
步骤1:记录视频序列中第n帧和第n-1帧图像为fn和fn-1,两帧对应像素点的灰度值记为fn-1(x,y)和fn(x,y)将两帧图像对应像素点的灰度值进行相减,并取其绝对值,得到差分图像Dn,其计算公式如下:
Dn(x,y)=|fn(x,y)-fn-1(x,y)|
步骤2:设定阈值,对Dn进行二值化处理,得到二值化图像Rn,其计算公式如下:
以上两步完成了动态区域提取。
所述五步计算候选雷击火区域外接矩形的坐标,首先对当前帧图像每个轮廓区域所有坐标进行统计,确定其外接矩形左上角和右下角点的位置;然后根据候选区域像素点坐标计算外接矩形的宽度和高度,获得右上角和左下角坐标位置。
所述第六步中矩形区锁定方法为:对相邻帧外接矩形坐标进行位置统计,若判定矩形区域自上而下移动且区域变大,则锁定该区域为雷击火区域。
本发明的有益效果在于:吸取传统图像处理算法中的动态提取、二值化、灰度化操作,结合雷击火颜色、大小和方向,确定出雷击火区域。
参照后文的说明和附图,详细公开了本发明的实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的条款范围内,本发明的实施方式包括许多改变、修改和等同。
附图说明
图1为本发明计算过程中的计算流程图。
具体实施方式
参照附图,通过下面文本说明书,本发明的前述以及其他的特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用文本发明的原则部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变形以及等同物。参照附图,通过下面文本说明书,本发明的前述以及其他的特征变得明显。
在说明书和附图中,具体公开了本发明的特定实施方式,其发明了其中可以采用文本发明的原则,则部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变形以及等同物。
本发明实施例提供一种雷击火检测方法。图1是本发明实施例的雷击火检测方法的流程示意图,如图1所示,所述雷击火检测方法包括:
步骤101,对基本参数进行初始化后,进行连续两帧图像的读取,并通过灰度化算法将这两帧彩色图像转化为灰度图像;
步骤201,对步骤101中得到的两张灰度图进行帧间差分算法获得差分图像;
步骤202,设置阈值,将差分图像中灰度级大于阈值的像素标记为前景色,否则为背景;
步骤301,利用轮廓提取算法对提取出动态区域轮廓,获得候选雷击火区域轮廓。在计算过程中,外轮廓的边界开始点计算过程为:
步骤302,使用光栅扫描算法对二值化图像进行扫描,并将当前跟踪的边界编号初始化为1,若当前像素点为255,且左边像素点为0时,则当前像素点是外边界开始点,边界编号加1,并记录左边像素点位置;
步骤303,从边界点开始,分别从顺时针和逆时针两个方向进行边界追踪,直到扫描到图像右下角顶点结束;
步骤401,根据其颜色和大小特征,筛选出符合特征的雷击火区域轮廓,筛选条件如下:
其中,式(1)中R、G、B分别代表彩色图像某个像素点的红、绿、蓝三个通道值,contourArea()表示该轮廓的面积。
步骤501,依次遍历轮廓中的像素点位置,获得横、纵坐标最小值,即为该轮廓外接矩形左上角位置的坐标;获得横、纵坐标最大值,即为该轮廓外接矩形右下角位置的坐标;
步骤502,利用右下角位置坐标和左上角位置坐标计算出该轮廓外接矩形的长度和宽度,计算公式为:
其中,式(2)中(x1,y1)表示外接矩形左上角坐标,(x3,y3)表示外接矩形右下角坐标,length表示该外接矩形的长度,width表示该外接矩形的宽度;
步骤503,利用矩形的长和宽计算出右上角和左下角的坐标,并将矩形坐标从左上角起顺时针放入栈中,作为当前帧图像候选区域的代表坐标,计算公式为:
其中,(x2,y2)为外接矩形右上角位置的坐标,(x4,y4)为外接矩形左下角位置的坐标;
步骤601,分别计算当前帧和上一帧对应左下角、右下角坐标之差,若相邻两帧对应两点的横坐标之差的绝对值在一定的范围内,且当前帧左下角、右下角的纵坐标都大于前一帧纵坐标,则将当前帧的矩形区域锁定为雷击火区域;
步骤701,对于判定结果,若存在雷击火区域,则对图像上雷击火区域进行标记,并发出蜂鸣声作为提示;
步骤702,对于判定结果,若不存在雷击火区域,则直接读入后续图像进行循环判定。
Claims (4)
1.一种基于视觉的森林雷击火检测方法,其特征在于,包含以下步骤:
第一步,视频信息预处理:通过采集固定摄像头的连续帧雷击火图像,进行帧图像提取,并通过基本的图像处理方法,得到特定尺寸的单通道灰度图像;
第二步,动态区域提取:对时间上连续的两帧图像进行差分运算,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动区域;设定阈值T,对得到的差分图像进行二值化处理,获得运动目标图像;
第三步,动态区域轮廓提取:利用光栅扫描法对第三步中获得到的二值图像从左上角开始,自左至右、自上而下开始扫描获得图像边界点,直到扫描到该帧图像的右下角顶点完成对动态区域轮廓的提取;
第四步,获取候选雷击火区域:利用雷击火的颜色特征和面积大小,对第三步中获得的运动目标图像区域进行筛选,获得该帧图像的候选雷击火区域图像;
第五步,候选雷击火区域外接矩形计算:根据候选区域雷击火的轮廓,计算出当前帧图像候选区域雷击火的外接矩形,并按照顺时针方向依次计算出其外接矩形四个点的坐标,该坐标记录即为当前帧图像候选区域的代表坐标;
第六步,矩形区域锁定:根据步骤五中计算得到代表坐标,计算相邻帧外接矩形对应下方两点的横、纵坐标之差,若当前帧与上一帧两点横坐标之差在一定范围内,且当前帧两点的纵坐标都大于前一帧纵坐标,则将当前帧的矩形区域锁定为雷击火区域;
第七步,雷击火区域的标记与提醒:在原视频用红色矩形标记出雷击火区域,并发出持续蜂鸣声作为警示。
3.如权利要求1所述的一种基于视觉的森林雷击火检测方法,其特征在于所述五步计算候选雷击火区域外接矩形的坐标,首先对当前帧图像每个轮廓区域所有坐标进行统计,确定其外接矩形左上角和右下角点的位置;然后根据候选区域像素点坐标计算外接矩形的宽度和高度,获得右上角和左下角坐标位置。
4.如权利要求1所述的一种基于视觉的森林雷击火检测方法,其特征在于所述第六步中矩形区锁定方法为:对相邻帧外接矩形坐标进行位置统计,若判定矩形区域自上而下移动且区域变大,则锁定该区域为雷击火区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110835460.6A CN113486841A (zh) | 2021-07-23 | 2021-07-23 | 一种基于视觉的森林雷击火检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110835460.6A CN113486841A (zh) | 2021-07-23 | 2021-07-23 | 一种基于视觉的森林雷击火检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113486841A true CN113486841A (zh) | 2021-10-08 |
Family
ID=77943292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110835460.6A Pending CN113486841A (zh) | 2021-07-23 | 2021-07-23 | 一种基于视觉的森林雷击火检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486841A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761529A (zh) * | 2013-12-31 | 2014-04-30 | 北京大学 | 一种基于多色彩模型和矩形特征的明火检测方法和系统 |
CN106650584A (zh) * | 2016-09-29 | 2017-05-10 | 广东安居宝数码科技股份有限公司 | 火焰检测方法和系统 |
CN108009529A (zh) * | 2017-12-27 | 2018-05-08 | 北京林业大学 | 一种基于特征根和流体力学的森林火灾烟视频目标检测方法 |
CN108537212A (zh) * | 2018-07-04 | 2018-09-14 | 南京邮电大学 | 基于运动估计的学生行为检测方法 |
CN110751635A (zh) * | 2019-10-12 | 2020-02-04 | 湖南师范大学 | 一种基于帧间差分和hsv颜色空间的口腔检测方法 |
-
2021
- 2021-07-23 CN CN202110835460.6A patent/CN113486841A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761529A (zh) * | 2013-12-31 | 2014-04-30 | 北京大学 | 一种基于多色彩模型和矩形特征的明火检测方法和系统 |
CN106650584A (zh) * | 2016-09-29 | 2017-05-10 | 广东安居宝数码科技股份有限公司 | 火焰检测方法和系统 |
CN108009529A (zh) * | 2017-12-27 | 2018-05-08 | 北京林业大学 | 一种基于特征根和流体力学的森林火灾烟视频目标检测方法 |
CN108537212A (zh) * | 2018-07-04 | 2018-09-14 | 南京邮电大学 | 基于运动估计的学生行为检测方法 |
CN110751635A (zh) * | 2019-10-12 | 2020-02-04 | 湖南师范大学 | 一种基于帧间差分和hsv颜色空间的口腔检测方法 |
Non-Patent Citations (5)
Title |
---|
付亚鹏;高成;杨波;黄正宇;石立华;: "基于光学观测的雷电定位方法研究", 微波学报, no. 03 * |
刘秀进;黄晋英;: "基于图像融合的运动目标检测与跟踪方法研究", 机械工程与自动化, no. 04 * |
宁煜西;周铭;李广强;王宁;: "民航航班跟踪视频关键帧提取方法研究", 空军预警学院学报, no. 03 * |
李迪飞;柏才音;陈方;李忠琦;: "雷击火险区安全监测预警技术的研究", 林业机械与木工设备, no. 04, pages 1 - 6 * |
郑鑫;高宇;陈锋;程朋乐;: "基于高斯混合模型林火"烟雾根"的识别", 林业和草原机械, no. 01 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
CN107085714B (zh) | 一种基于视频的森林火灾检测方法 | |
CN113658132B (zh) | 基于计算机视觉的结构件焊缝检测方法 | |
CN114937055A (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN111738342B (zh) | 一种受电弓异物检测方法、存储介质及计算机设备 | |
US20080044102A1 (en) | Method and Electronic Device for Detecting a Graphical Object | |
CN113139521B (zh) | 一种用于电力监控的行人越界标监测方法 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN111723644A (zh) | 一种监控视频遮挡检测方法及系统 | |
TWI415032B (zh) | Object tracking method | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN110738106A (zh) | 一种基于fpga的光学遥感图像船舶检测方法 | |
CN104952256A (zh) | 一种基于视频信息的交叉口处车辆的检测方法 | |
CN111428573B (zh) | 一种复杂背景下的红外弱小目标检测虚警抑制方法 | |
CN107610132B (zh) | 一种古籍文档图像污渍去除方法 | |
CN112115875A (zh) | 一种基于动静态结合区域层叠策略森林火灾烟雾根检测方法 | |
CN113744326B (zh) | 一种在ycrcb颜色空间中基于种子区域生长法则的火灾检测方法 | |
CN113657264A (zh) | 基于暗通道和knn算法融合的森林火灾烟雾根节点检测方法 | |
CN113610052A (zh) | 一种基于深度学习的隧道渗漏水自动识别方法 | |
CN113657250A (zh) | 一种基于监控视频的火焰检测方法及系统 | |
CN107066929B (zh) | 一种融合多种特征的高速公路隧道停车事件分级识别方法 | |
KR100696725B1 (ko) | 객체의 대칭성과 거리 벡터를 사용한 그림자 제거방법 | |
CN109978916B (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
CN113486841A (zh) | 一种基于视觉的森林雷击火检测方法 | |
CN114882401A (zh) | 基于rgb-hsi模型和火焰初期生长特性的火焰检测方法及系统 |
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 |