CN114882401A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114882401A CN114882401A CN202210464890.6A CN202210464890A CN114882401A CN 114882401 A CN114882401 A CN 114882401A CN 202210464890 A CN202210464890 A CN 202210464890A CN 114882401 A CN114882401 A CN 114882401A
- Authority
- CN
- China
- Prior art keywords
- flame
- image
- rgb
- pixels
- area
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000007787 solid Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
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
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Nonlinear Science (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明涉及基于RGB‑HSI模型和火焰初期生长特性的火焰检测方法及系统,其方法包括步骤:S1、读取图像;S2、将图像处理为RGB三通道数据;S3、根据RGB‑HSI模型判据,得到对应的二值图像;S4、对二值图像进行中值滤波处理;S5、对滤波后的二值图像进行膨胀操作;S6、若有多个火焰像素连通区域,则进行区域分割;S7、计算各区域的火焰像素总量;S8、计算前后两张图像对应区域火焰像素的增长倍数;S9、若存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,则用矩形框对该区域进行标记,并进行报警。本发明通过应用图像处理技术,结合火灾初期火焰的生长特性,实现对视频中刚刚形成的火焰的实时、准确识别,并进行位置标注以及报警。
Description
技术领域
本发明涉及防火安全技术领域,尤其涉及基于RGB-HSI模型和火焰初期生长特性的火焰检测方法及系统。
背景技术
由于我国人口的高密度以及进一步城市化,发生火灾不仅会造成严重的经济损失,同时也会污染环境、破坏生态,甚至危及人们的生命。在大型仓库、停车场、生产车间等地方,很容易出现无人看管的情况,或是有人看管却无法及时发现火情,从而造成不可估量的损失。因此,及时、准确的火灾探测并向相关人员报警极为重要。传统的火灾检测方法大多采用检测器,如烟雾检测器、温度检测器,而检测器本身需要靠近火源的特性,导致其不易发现距离较远的火情,同时检测器容易受到干扰,造成火灾的误报和漏报。近年来,将图像处理技术应用于火灾探测是一大发展热点。
发明内容
为解决现有技术所存在的技术问题,本发明提供基于RGB-HSI模型和火焰初期生长特性的火焰检测方法及系统,通过应用图像处理技术,结合火灾初期火焰的生长特性,实现对视频中刚刚形成的火焰的实时、准确识别,并进行位置标注以及报警;该方法抗干扰性强,能在复杂背景下快速而准确地预警火灾。
本发明方法采用以下技术方案来实现:基于RGB-HSI模型和火焰初期生长特性的火焰检测方法,包括以下步骤:
S1、从数据集中读入视频或摄像头实时导入视频,读取一帧图像,并每间隔一定时间读取下一帧图像;
S2、将图像处理为RGB三通道数据;
S3、根据RGB-HSI模型判据,将当前帧图像中符合RGB-HSI模型判据的像素点置为白色,其他像素点置为背景色黑色,得到对应的二值图像;
S4、对二值图像进行中值滤波处理,消除图像中的离散点,补全部分遗漏点;
S5、对滤波后的二值图像进行膨胀操作,连通火焰像素区域;
S6、若有多个火焰像素连通区域,则对相隔一定距离的进行区域分割;
S7、计算各区域的火焰像素总量;
S8、计算前后两张图像对应区域火焰像素的增长倍数;
S9、若存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,则用矩形框对该区域进行标记,并进行报警,否则,返回步骤S1。
本发明系统采用以下技术方案来实现:基于RGB-HSI模型和火焰初期生长特性的火焰检测系统,包括:
视频读取模块:用于从数据集中读入视频或摄像头实时导入视频,读取一帧图像,并每间隔一定时间读取下一帧图像;
图像处理模块:用于将图像处理为RGB三通道数据;
RGB-HSI模型判据模块:根据RGB-HSI模型判据,将当前帧图像中符合RGB-HSI模型判据的像素点置为白色,其他像素点置为背景色黑色,得到对应的二值图像;
中值滤波处理模块:用于对二值图像进行中值滤波处理,消除图像中的离散点,补全部分遗漏点;
膨胀操作模块:用于对滤波后的二值图像进行膨胀操作,连通火焰像素区域;
区域分割模块:用于对有多个火焰像素连通的区域,对相隔一定距离的进行区域分割;
火焰像素总量计算模块:用于计算计算各区域的火焰像素总量;
火焰像素的增长倍数计算模块:用于计算前后两张图像对应区域火焰像素的增长倍数;
报警模块:对存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,用矩形框对该区域进行标记,并进行报警。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明通过应用图像处理技术,结合火灾初期火焰的生长特性,实现对视频中刚刚形成的火焰的实时、准确识别,并进行位置标注以及报警;该方法抗干扰性强,能在复杂背景下快速而准确地预警火灾。
2、本发明利用RGB-HSI模型判据得到的二值图像进行中值滤波处理及膨胀操作,能在不同光照背景条件下,有效提取图像中火焰像素信息,保护图像边缘信息的同时,连通火焰像素区域。
3、本发明利用火焰初期的生长特性,判断视频中火情的真伪,可避免火灾的误报警。
附图说明
图1是本发明的方法流程图;
图2是膨胀原理示意图;
图3是本发明的火焰检测结果示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,本实施例基于RGB-HSI模型和火焰初期生长特性的火焰检测方法,包括以下步骤:
S1、从数据集中读入视频或摄像头实时导入视频,读取一帧图像,并每间隔一定时间读取下一帧图像;
S2、将图像处理为RGB三通道数据;
S3、根据RGB-HSI模型判据,将当前帧图像中符合RGB-HSI模型判据的像素点置为白色,其他像素点置为背景色黑色,得到对应的二值图像;
S4、对二值图像进行中值滤波处理,消除图像中的离散点,补全部分遗漏点;
S5、对滤波后的二值图像进行膨胀操作,连通火焰像素区域;
S6、若有多个火焰像素连通区域,则对相隔一定距离的进行区域分割;
S7、计算各区域的火焰像素总量;
S8、计算前后两张图像对应区域火焰像素的增长倍数;
S9、若存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,则用矩形框对该区域进行标记,并进行报警,否则,返回步骤S1。
本实施例中,步骤S3中RGB-HSI模型判据具体如下:
式中,R(x,y)、G(x,y)、B(x,y)分别为图像中各点在RGB模型中红绿蓝颜色分量值,RT为红色分量阈值,S为HSI模型中饱和度值,Smean为图像的平均饱和度值,K为调整因子;K使得该判据具有针对不同背景空间的自适应性,可以适应不同环境中可疑火焰区域的提取,K的一般取值范围为(0.15,2);当图像中像素点满足式(1)时,则判断该点为火焰像素点,显示为白色,否则显示为黑色,进而得到该帧图像的二值图。
本实施例中,步骤S4中的中值滤波处理过程具体如下:
设f(x,y)表示原始图像,g(x,y)表示中值滤波处理后的图像,则两者关系可表示为:
g(x,y)=med{f(x-k,y-l),(k,l∈W)} (2)
式中,med代表取有序序列的中值;W是二维滑动模板,其可将板内像素按大小进行排序;W通常取3*3、5*5的方形区域,也可取圆形、十字形等其他形状,待滤波的像素点位于W的中心。
本实施例在RGB判据中添加HIS约束条件,以此实现对原图像中火焰像素点的提取。而往往火焰内部颜色不满足此判据,造成提取的火焰二值图像区域并未连通而分散多处,因此,本实施例采用数学形态学中的膨胀操作,在结构元素的约束下将与目标区域,即火焰像素点区域相接触的背景合并到该目标物中,使目标边界向外部扩张,连通区域。
设A与B为两个集合,A被B膨胀定义为:
式中,B的反射进行平移与A的交集不为空;B的反射指相对于自身原点的映象。
具体地,膨胀原理如图2所示,图中,X表示被处理的图像,B是结构元素,箭头指向的点是结构元素的中心点;膨胀,此处针对黑色实心点的过程为:移动B,使得B与X的不同像素点完全重合;当B的黑色实心点以及中心点与X的黑色实心点有交集时,保留此时中心点的覆盖位置;图2右侧,黑色实心点表示原有区域,灰色实心点表示X经过膨胀操作扩增的区域。
本实施例中,前后两张图像对应区域火焰像素的增长倍数α的计算过程如下:
设第i帧目标区域火焰像素总和为Yi,则第i+l帧目标区域火焰像素总和为Yi+l,则:
式中,α表示火焰像素量的增长倍数,αT是设置的增长倍数阈值;当前后两帧图像满足式(4)时,认为符合火焰的生长特性。
具体地,截取一段视频中一帧图像进行检测,结果如图3所示。
基于相同的发明构思,本发明基于RGB-HSI模型和火焰初期生长特性的火焰检测系统,包括:
视频读取模块:用于从数据集中读入视频或摄像头实时导入视频,读取一帧图像,并每间隔一定时间读取下一帧图像;
图像处理模块:用于将图像处理为RGB三通道数据;
RGB-HSI模型判据模块:根据RGB-HSI模型判据,将当前帧图像中符合RGB-HSI模型判据的像素点置为白色,其他像素点置为背景色黑色,得到对应的二值图像;
中值滤波处理模块:用于对二值图像进行中值滤波处理,消除图像中的离散点,补全部分遗漏点;
膨胀操作模块:用于对滤波后的二值图像进行膨胀操作,连通火焰像素区域;
区域分割模块:用于对有多个火焰像素连通的区域,对相隔一定距离的进行区域分割;
火焰像素总量计算模块:用于计算计算各区域的火焰像素总量;
火焰像素的增长倍数计算模块:用于计算前后两张图像对应区域火焰像素的增长倍数;
报警模块:对存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,用矩形框对该区域进行标记,并进行报警。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.基于RGB-HSI模型和火焰初期生长特性的火焰检测方法,其特征在于,包括以下步骤:
S1、从数据集中读入视频或摄像头实时导入视频,读取一帧图像,并每间隔一定时间读取下一帧图像;
S2、将图像处理为RGB三通道数据;
S3、根据RGB-HSI模型判据,将当前帧图像中符合RGB-HSI模型判据的像素点置为白色,其他像素点置为背景色黑色,得到对应的二值图像;
S4、对二值图像进行中值滤波处理,消除图像中的离散点,补全部分遗漏点;
S5、对滤波后的二值图像进行膨胀操作,连通火焰像素区域;
S6、若有多个火焰像素连通区域,则对相隔一定距离的进行区域分割;
S7、计算各区域的火焰像素总量;
S8、计算前后两张图像对应区域火焰像素的增长倍数;
S9、若存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,则用矩形框对该区域进行标记,并进行报警,否则,返回步骤S1。
3.根据权利要求1所述的基于RGB-HSI模型和火焰初期生长特性的火焰检测方法,其特征在于,步骤S4中的中值滤波处理过程具体如下:
设f(x,y)表示原始图像,g(x,y)表示中值滤波处理后的图像,则两者关系可表示为:
g(x,y)=med{f(x-k,y-l),(k,l∈W)} (2)
式中,med代表取有序序列的中值;W是二维滑动模板,其将板内像素按大小进行排序,待滤波的像素点位于W的中心。
6.基于RGB-HSI模型和火焰初期生长特性的火焰检测系统,其特征在于,包括:
视频读取模块:用于从数据集中读入视频或摄像头实时导入视频,读取一帧图像,并每间隔一定时间读取下一帧图像;
图像处理模块:用于将图像处理为RGB三通道数据;
RGB-HSI模型判据模块:根据RGB-HSI模型判据,将当前帧图像中符合RGB-HSI模型判据的像素点置为白色,其他像素点置为背景色黑色,得到对应的二值图像;
中值滤波处理模块:用于对二值图像进行中值滤波处理,消除图像中的离散点,补全部分遗漏点;
膨胀操作模块:用于对滤波后的二值图像进行膨胀操作,连通火焰像素区域;
区域分割模块:用于对有多个火焰像素连通的区域,对相隔一定距离的进行区域分割;
火焰像素总量计算模块:用于计算计算各区域的火焰像素总量;
火焰像素的增长倍数计算模块:用于计算前后两张图像对应区域火焰像素的增长倍数;
报警模块:对存在对应区域的火焰像素增长倍数连续三次计算结果都超过了增长倍数阈值,用矩形框对该区域进行标记,并进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210464890.6A CN114882401A (zh) | 2022-04-29 | 2022-04-29 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210464890.6A CN114882401A (zh) | 2022-04-29 | 2022-04-29 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882401A true CN114882401A (zh) | 2022-08-09 |
Family
ID=82672918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210464890.6A Pending CN114882401A (zh) | 2022-04-29 | 2022-04-29 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882401A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503678A (zh) * | 2023-06-28 | 2023-07-28 | 广东省农业科学院设施农业研究所 | 一种基于图像处理的农产品分选方法及分选系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096603A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院自动化研究所 | 一种融合多特征的动态火焰检测方法及装置 |
CN109300110A (zh) * | 2018-08-24 | 2019-02-01 | 哈尔滨理工大学 | 一种基于改进颜色模型的森林火灾图像检测方法 |
-
2022
- 2022-04-29 CN CN202210464890.6A patent/CN114882401A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096603A (zh) * | 2016-06-01 | 2016-11-09 | 中国科学院自动化研究所 | 一种融合多特征的动态火焰检测方法及装置 |
CN109300110A (zh) * | 2018-08-24 | 2019-02-01 | 哈尔滨理工大学 | 一种基于改进颜色模型的森林火灾图像检测方法 |
Non-Patent Citations (1)
Title |
---|
苏展等: "基于RGB+HSI颜色模型的早期火焰检测算法研究", 《河南教育学院学报( 自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503678A (zh) * | 2023-06-28 | 2023-07-28 | 广东省农业科学院设施农业研究所 | 一种基于图像处理的农产品分选方法及分选系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
CN103761529B (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN107085714B (zh) | 一种基于视频的森林火灾检测方法 | |
CN103763515B (zh) | 一种基于机器学习的视频异常检测方法 | |
CN105005766B (zh) | 一种车身颜色识别方法 | |
US20200250840A1 (en) | Shadow detection method and system for surveillance video image, and shadow removing method | |
CN109635758B (zh) | 智慧工地基于视频的高空作业人员安全带穿戴检测方法 | |
CN113139521B (zh) | 一种用于电力监控的行人越界标监测方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN110378179B (zh) | 基于红外热成像的地铁逃票行为检测方法及系统 | |
CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN114842397A (zh) | 一种基于异常检测的实时老人跌倒检测方法 | |
CN102610104B (zh) | 一种车载的前方车辆检测方法 | |
Cai et al. | Real-time arrow traffic light recognition system for intelligent vehicle | |
CN103996045A (zh) | 一种基于视频的多种特征融合的烟雾识别方法 | |
CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
CN110544271A (zh) | 抛物动作检测方法及相关装置 | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
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 | |
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 | |
CN113657250A (zh) | 一种基于监控视频的火焰检测方法及系统 | |
CN106446832B (zh) | 一种基于视频的实时检测行人的方法 | |
CN117475353A (zh) | 基于视频的异常烟雾识别方法及系统 | |
CN112364884A (zh) | 一种移动物体侦测的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220809 |