CN1406366A - 视频烟雾检测系统 - Google Patents

Abstract

视频烟雾检测系统，它含有至少一个用于摄取视频图像(A)的装置，和含有一种在其中确定视频图像(A)的各个像素或各组像素亮度的信号处理级。通过一种处理进行像素亮度的所述的确定，其中，获得一种对于所述的亮度有代表性的值。针对表征烟雾出现的变化来分析研究所述值的时间过程。通过一种边缘抽取处理(5)进行像素亮度的所述的确定，其中，给每个像素分配一个边缘值(Ki，j)。除边缘抽取处理(5)之外还从运动方面对所述的视频图像(A)进行一种以下称为运动检测(7)的分析研究。借助不断用一种滞后算法更新的计数器图像(6，8)既进行边缘值的所述确定，也进行所述的运动检测(7)。

Description

视频烟雾检测系统

本发明位于借助视频图像进行烟雾检测的领域。在住宅和工业建筑、库房、博物馆、教堂和类似建筑中，用安装在各自空间的顶棚上的，譬如基于由烟雾引起光漫射或光弱化原理的烟雾报警器进行烟雾检测。相反在铁路或公路隧道中实际上不采用烟雾报警器，因为在这里由于通过行驶的汽车和火车引起的空气运动和空气分层保证不了，在火警时所产生的烟雾会以可利用的期限到达安装在棚顶上的烟雾报警器。所以今天对于隧道中的火警监控采用譬如象西门子建筑技术股份公司，Cerberus部的纤维激光系统那样的所谓的线性温感报警系统。

近来，持续努力将对于隧道中的交通监控必然存在着的视频系统用于烟雾检测。由于视频图像对于观察者很经常是不重要的，此外通过烟雾只引起视频图像中的很小的改变，因而不能考虑通过人员在屏幕上进行监控。如果情况确实如此，则只能通过视频图像的自动的分析来进行监控。在一种用于从烟雾出现方面自动分析研究视频图像的公知的方法中，彼此比较相继图像的各个像素的强度值。如果测量到代表一种由烟雾存在所引起的较亮的图像的强度值，则推断烟雾的存在，并启动报警。

此外，在此方法中存在的问题是，发觉不了明亮背景前的烟雾，并且检测不到甚至仅生成少量烟雾的火。此外，譬如通过因走过摄像机视野的人员引起的亮度变化可能启动误报警。已按如下方式来尝试解决这种问题，即除原来的监控范围之外还分析研究一个外部的范围，并在此外部范围中有变化时便中断监控范围的观察。这种方法具有的缺点是，有时火在某种延迟之后才被检测到，并且发觉不了在附加于监控范围而安排的外部范围中的烟雾源。

本发明涉及一种具有至少一个用于摄取视频图像的装置的，和具有一种在其中确定视频图像各个像素或各组像素的亮度的信号处理级的视频烟雾检测系统。

用本发明应解决的任务在于，说明一种实现迅速而可靠的烟雾检测的，并尤其适合于在公路和铁路隧道中使用的视频烟雾检测系统。应该在火警形成的尽可能早的阶段进行所述的烟雾检测，并应该实际上排除误报警。

本发明的视频烟雾检测系统的特征在于，通过一种处理进行像素亮度的所述的确定，其中，获得一种对于所述的亮度有代表性的值，并针对表征烟雾出现的变化来对所述值的时间过程进行分析研究。

本发明的视频烟雾检测系统的第一优选实施形式的特征在于，通过一种边缘抽取处理进行像素亮度的所述的确定，其中，给每个像素分配一个边缘值。

本发明的烟雾检测系统是基于以下的认识，即烟雾的出现导致对比度的降低。在通过一种边缘抽取处理确定像素亮度时使得所述的边缘模糊，或这些边缘将消失。此时，这种过程的优点在于，边缘值相对于整体的照明变化是不敏感的。

本发明的视频烟雾检测系统的第二优选实施形式的特征在于，对于每个像素进行所述的边缘值与一个平均值的比较，并从此比较中获得一个说明边缘值相对于所述平均值的时间特性的以下所谓的计数器图像。

尤其在边缘值与所述平均值的每次比较时，更新所述的计数器图像，此计数器图像说明了有关像素的亮度在某个时间段上如何频繁地曾平均位于所述的平均值之上。

将所述的计数器图像与一种阈值进行比较，并在超过此阈值时将一个初始化值向一个当前值进行累加。

本发明的视频烟雾检测系统的第三优选实施形式的特征在于，除边缘抽取处理之外还从运动方面对所述的视频图像进行一种以下称为运动检测的分析研究。

在为其监控首先安排了本发明系统的公路和铁路隧道中，几乎仅仅是由有关边缘和摄像机之间的移动物体而产生边缘的并非由烟雾所引起的覆盖。由于这样的物体不是突然体现的，而是通常已移到它们覆盖所述边缘的位置上，所以可以从以下的情况出发，即在不是由烟雾引起的边缘覆盖的情况下，覆盖所述边缘的物体必定在此前刚刚产生过运动。所述的运动检测因此提供了一种用于区分由物体所覆盖的那些边缘和由烟雾所覆盖的边缘的可靠判据。

尤其借助不断用一种滞后算法更新的计数器图像既进行边缘值的所述确定，也进行所述的运动检测。尤其将一种基于标准化互相关的算法用于所述的运动检测。

所述的滞后算法尤其具有一个最小值和一个最大值，以及两个位于其间的阈值，其中，所述的计数器图像在向上计数时当超过下阈值时便跳至最大值上，而在向下计数时当低于上阈值时便跳至最小值上。

这种滞后算法实现了把有噪声的图像用于检测算法。在适当参数化的滞后的情况下，在计数器图像中不出现由噪声引起的边缘，并且一个边缘不会因为一个单个的有噪声图像而消失。

本发明的视频烟雾检测系统的第四优选实施形式的特征在于，采用三种数据结构，一种具有关于存在于各自图像中的边缘的信息的数据段、一种具有用于淘汰对于烟雾检测所不需要考虑的图像范围的位屏蔽的数据段、和所观察的图像本身，其中，所述的边缘和图像在处理过程的相继迭代之间保持不变，并对于每次迭代重新初始化所述的位屏蔽。

本发明的视频烟雾检测系统的第五优选实施形式的特征在于，逐像素地分析所述的图像和边缘，并对于以下称为块的多个像素的组进行位屏蔽的分析。

本发明的视频烟雾检测系统的第六优选实施形式的特征在于，在两个路径上，即在一个用于计算存在于图像中的边缘的和用于更新已经存在于边缘之上的数据的第一路径上，并在一个用于建立位屏蔽的第二路径上进行数据的处理，其中，此第二路径包括所述的运动检测。

按本发明的视频烟雾检测系统的第七优选实施形式，第二路径此外还包括对所述的块检验所述用于摄取视频图像的装置的饱和，其中用确定数目的饱和像素标记一些块，并对于边缘的计数器图像的分析不考虑这些块。

本发明的视频烟雾检测系统的另一优选实施形式的特征在于，借助一种屏蔽可将任意的图像片段排除在分析之外。尤其将借助所述的运动检测和饱和检验所建立的位屏蔽用来，更新在淘汰对于烟雾检测不必考虑的图像范围时所用的计数器图像。

本发明的视频烟雾检测系统的另一优选实施形式的特征在于，在作出关于存在着烟雾的判断之前进行一种检验，是否对于这种判断存在着足够数目的边缘。

以下借助实施例和附图详述本发明；所展示的：

图1为本发明视频烟雾检测系统的方框图，

图2-4为用于阐述本发明视频烟雾检测系统的第一实施例的功能的各一个流程图；和

图5为用于阐述本发明视频烟雾检测系统的第二实施例的功能方式的一个流程图。

按附图1，本发明的视频烟雾检测系统基本上由多个视频摄像机1和一个进行视频摄像机1信号的处理与分析的共同处理器2组成。所述的视频摄像机1譬如安装在公路隧道中，并用于交通监控，譬如用于监控交通规则的遵守、和用于检测灰尘形成、事故和类似的事情。所述的摄像机是与经监视器观察隧道中交通情况的有人值班的运行中心相连的。分散地布置了所述的处理器2，其中，一个共同的处理器2分别分配给某个数目的，譬如8至10个摄像机。

在处理器2中所述的视频图像被分解为像素，给各个像素和/或这些像素的组分配亮度值，并借助所述像素的亮度值与一个参考值的比较来进行关于存在烟雾的判断。在给各个像素或像素组分配亮度值时重要的是，这种分配不依赖于整体的亮度变化，也就是不依赖于整个图像照明的变化。可以按如下方式来达到对照明的这种独立性，即把真正表达一种推断的边缘值分配给所述的像素。烟雾的识别基于这种假设，即所述的边缘通过烟雾被弱化，或消失。

可以将处理器2中的信号处理和信号分析进一步划分为两个在附图1中用像素亮度3和烟雾检测4表示的功能方框。按这种划分，附图2的流程图展示了对于像素亮度有代表性的值(像素亮度3)的求取，而附图3的那个流程图则展示了从烟雾存在方面对这些值作进一步的分析研究(烟雾检测4)。附图4展示了按附图2的所述方法对于某些用途(在譬如象过道、门厅和类似处的内部空间中的烟雾检测)所必要的附加步骤。

将由每个摄像机1摄取的视频图像分解为像素，并数字化，由此对于每个像素用坐标i和j确定此像素的譬如可以位于0和255之间的强度值I_i，j。从所述的强度值I_i，j中对于譬如3×3或5×5个像素的某个组形成平均值M_i，j或中值、或通过低通滤波所获得的值。所述的中值具有的优点是可以以8位进行它的计算。

平行于平均值或中值的计算，从所述的强度I_i，j中获得一个边缘值，这通过推断或通过频率分析(高通滤波，譬如子波变换)来实现。譬如可以通过应用Robert运算器或Sobel运算器求出各个像素的边缘值K_i，j。但是对于边缘计算当然也可以采用更复杂的运算器，并应用到譬如象5×5或7×7个像素的较大区域上。

然后分析研究，所述的边缘值K_i，j是否位于平均值或中值之上。如果是肯定的，则向一个值Z_i，j加计一个数δ_ob，并通过新的值代替旧的值Z_i，j，如果是否定的，则从一个值Z_i，j减去一个数δ_un，并通过新的值代替旧的值Z_i，j。所述的值Z_i，j是一个如下的数，它说明了所述的边缘值以及有关像素的亮度是如何频繁地在某个时间段上已平均地位于某个阈值(平均值或中值M_i，j)之上。这个数Z_i，j以下称为计数器图像。Z_i，j的值范围譬如为0至255，Z_i，j的初始值在系统初始化时为0。所述的数δ_un和δ_ob可以是相同的或不同的，譬如两者可以等于1。

鉴于运动对边缘值的影响，所述的计数器图像Z_i，j具有一种特别的优点。如果一个物体移经所述的图像，则至少一个边缘也移经此图像，并且这导致在边缘各自地点上的像素有一个较高的边缘值，所述的计数器图像Z_i，j因此上升δ。一旦所述的边缘已离开有关的像素，所述的计数器图像Z_i，j则减少δ_un，使得边缘穿过视频图像在总体上对各个像素的计数器图像Z_i，j没有什么影响。

最后所获得的计数器图像Z_i，j因此尤其是一种对于有关像素的亮度有代表性的值。在分析研究计数器图像Z_i，j时采用三种时间标度：所摄取视频图像的频率，譬如1/25秒、在255个图像之后每10秒和譬如每半小时。

按附图3将所述的计数器图像Z_i，j与一个阈值S_z进行比较。如果所述的计数器图像Z_i，j位于所述的阈值Sz之下，则不进行任何运作，如果它位于所述的阈值S_z之上，则进行相加，即值∑_x提高1，并由此新值代替。如此来获得所述的初始化值∑_x ⁰，使得在初始化时以∑＝0开始和累加，其中，在几秒钟的某个稳定阶段之后出现一种然后用作为初始化值∑_x ⁰的稳定值。∑_x在正常的情况下应等于∑_x ⁰。

如果∑_x明显大于∑_x ⁰，则出现新的边缘，这可能是如下原因引起的，一个静止的物体位于视频摄像机的图像范围中。在隧道中这样的物体譬如可能是一辆静止的汽车，或在过道中可能是一种停放在此过道中的物件；在两种情况下由所述的物体覆盖了某个图像范围，这在附图3中称为覆盖。在覆盖的情况下重新定义初始化值∑_x ⁰。随后形成商∑_x/∑_x ⁰，并与烟雾阈值S_R进行比较。如果所述的商位于烟雾阈值之下，并因此边缘被弱化或消失，则启动报警。

只要清晰的边缘在前景中平移，这在隧道中通常总是这种情况，则对于准确和可靠的不误报警的烟雾检测，商∑_x/∑_x ⁰与烟雾阈值S_R的比较是绝对足够的。对于公路和铁路隧道中的烟雾检测，因而采用一种具有附图2和3中所示出功能性的系统。

当涉及人逗留的内部空间中的烟雾检测时，情况则是别样的。已确认出，站立在一个地点上的和互相交谈的人是实施一种循环的或在所述地点上来回的运动，与平移运动不同的是，这种运动不再落在所述的计数器图像Z_i，j之外。网纹或图样的运动也是成问题的。这些运动导致产生新的边缘，这可能会补偿由于烟雾引起的边缘的弱化或减少，使得有时不再会可靠地检测烟雾。一般来说，运动通常导致新的边缘和有时也覆盖边缘，而烟雾不导至新的边缘，而是弱化边缘。在远距离上的有时可能导至新边缘的烟雾是这种规律的一种例外。由于离摄像机最远的范围位于视频图像的最上方的部分中，所有所以可以通过屏蔽这个最上方的图像部分排除这种效应，或可以采取以下的假设，即由烟雾形成的边缘仅很缓慢地移动。

为了防止运动的干扰影响，在需要时采用附图4中示出的，用于消除运动的和从边缘K_i，j(附图2)出发的子程序。原则上也可以从所述的强度I_i，j出发，但是这伴有存在着干扰性直流成份的缺点。形成相继图像的差值ΔK_i，j，并将此差值ΔK_i，j与一种运动阈值S_B进行比较。如果ΔK_i，j位于这个阈值之下，则不存在运动。在ΔK_i，j＞S_B时，将满足这种条件的像素汇总成从中屏蔽所述运动的子区域。按如下方式来实现后者，即不更新所述的计数器图像Z_i，j，并将所述运动之前的最后的计数器图像用于所述的子区域。

通过一种形态学的滤波器(侵蚀)消除信号噪声。这意味着以下的内容：提供所述子区域中的已变化像素数目的差值图像是一种二值图像。用一种图样驶越此二值图像，并赋予用所述图样覆盖的像素以值＂1＂。如此来指出所述运动的结束，使得所述的子区域相继从所述的图像中消失，并减少边缘。

附图5展示了本发明的视频烟雾检测系统的第二实施例的一个流程图，此视频烟雾检测系统的特点尤其是在于抗干扰的高度鲁棒性和烟雾检测的高度可靠性。附图5中用参考符号A表示所观察的图像。

以下在说明所述的流程图之前介绍几种一般性的阐述：由于所述的边缘不仅可能由烟雾覆盖，而且也可能由位于摄像机和有关边缘之间的物体覆盖，所以附加地从运动方面分析研究所观察的图像。此时，出发点在于，一个覆盖边缘的物体不是突然在此位置上产生的，而是已经移动到那里去的。

在烟雾检测时，要注意的另一点是不同时帧的、一方面要考虑的而另一方面应互相区别开的那个点。譬如象由近距离驶过的载重汽车引起的摄像机抖动那样，存在着在亚秒范围中的很迅速的效应，这可以通过形成浮动的平均值来消除。还有譬如象由烟雾引起的，约在10秒范围中的中等迅速的效应，因为所述的烟雾需要大约10秒钟，直到它到达它被检测的地点，并有譬如在10分钟范围中的缓慢的效应，或者更缓慢的效应。后者譬如是通过太阳的明显移动所产生的影响。用于区别这些时帧的和用于识别在正确时帧中的效应的一种可能性是具有滞后的计数器图像。

一个计数器图像是一系列的值，通常为一个可以放大或缩小的图像的大小。这些值通常用于譬如事件的计数。流程图中所示出算法的不仅边缘检测，而且烟雾检测都依赖于用一种滞后算法更新的计数器图像。所述的滞后的特征在于四个值，最低、低、高和最高，其中，“最低”和“最高”形成不能低于或超出的计数器界限。所述的值“低”位于所述的值“最低”之上，而所述的值“高”位于所述的值“低”和“最高”之间。如果计数器读数位于“最低”和“低”之间，或位于“高”和“最高”之间，则完全正常计数，即计数器读数对每个所检测的事件提高1。可是当计数器读数达到值“低”并检测一个其它的事件时，它则跳到最高。类似地，当计数器读数从上向下减少达到所述的值“高”时，计数器读数则跳到最低。

这种滞后机理使得可以为检测算法使用有噪声的图像。在适当参数化的滞后的情况下，在计数器图像中将不出现由噪声引起的边缘，并且边缘不会由于一个单个的有噪声的图像而消失。此外，还适用以下的关系：所述的值＂    ＂    继的单个图像的数目，在这些单个图像上必须存在一种用于进行检测的特征或事件，譬如一个边缘，而在所述的值＂    ＂出了如下相继的单个图像的数目，即在这些单个图像之后，在计数器值减少的情况下所述的事件消失。由于某个时间区间分别相当于单个图像的这个数目，所以这些时间区间则是所述算法的反应时间的一个尺度。

流程图中示出的分析从采用一种譬如基于Sobel运算器的方法的边缘检测5开始。所述的算法分析每个单个图像的每个像素的亮度，并借助一个用上述滞后机理更新的计数器图像6来跟踪实况的历史。此时，对于每个像素的环境计算两个值：

·将一种提供值q_Sobel的Sobel边缘检测滤波器应用到所述的环境中；

·对于所述环境的像素计算一个平均值q_sum。

然后通过采用两个标量因子(DiffFac和SumFac)比较所述的两个值：

f_DiffFac·q_Sobel<？>f_SumFac·q_Sum

当这个不等式的左侧大于右侧时，则提高计数器6，当不大于时，则降低它。在两种情况下应用所述的滞后机理。

平行于边缘检测5而进行一种运动检测7，对其譬如采用基于标准化互相关的算法，所述的算法大致按如下方式来执行：

所述的标准化互相关为： $\frac{|\stackrel{\&RightArrow;}{x}\&CenterDot;\stackrel{\&RightArrow;}{y}|}{\left|\right|\stackrel{\&RightArrow;}{x}\left|\right|\&CenterDot;\left|\right|\stackrel{\&RightArrow;}{y}\left|\right|}$ (公式1)在时间t，取出譬如4×4像素的图像的小范围，并将这些像素看作为矢量 。用矢量

表示在时间t+1时的下一个图像的同一范围。如果所述的范围根本未曾改变，则 $\stackrel{\&RightArrow;}{x}=\stackrel{\&RightArrow;}{y}$ ，按公式1的商则有值1。否则在所述范围中的变化会改变所述的商，使得可以将这种改变的程度采用作为所述范围中的变化强度的尺度。

为了与所采用的处理器适配，在公式1中用因子乘分子和分母，并类似于公式1的标准化互相关而记下如此形成的乘积。如果分子是较小的，则已进行过运动，并标记相应的范围。光线情况或照明情况的突然变化大致相等强烈地影响不等式的两侧，使得所述的运动检测相对于图像中的统一的变化是不受影响的。以此方式获得一个具有4×4像素块的当前图像映象。

下一个步骤是计算在分析边缘的计数器图像6时不应考虑的块。应该检测图像中某个数目的，譬如4×4像素的在其中已发生事件的所有块，这些事件负面影响所述的烟雾检测算法。这些块生成一种作为完整图像大小的1/16的计数器图像而显示的位屏蔽8。通过在运动检测时所观察的块确定所述块的大小，该块的大小又是可以变化的。

下一个阶段是修正视频传感器的饱和。这种饱和可以带来不同的问题：

·只有当图像的像素既不饱和又不是完全黑色时，所述的标准化的互相关才起作用；

·完全饱和的图像片段的界限作为边缘出现。照明的突然变化会给予这种印象，似乎移动了有关的边缘并随后会消失。

·在饱和像素的范围中没有边缘。当有关的范围到达饱和时，原来已识别的边缘消失。

出于这种原因，在饱和检验9中对于每一个范围通过与一个极限值的比较来检验，某个数目的像素是否是饱和的。如果是肯定的，则同样标记有关的块。为了避免移动的物体具有＂孔＂-由于所述的运动检测只检测移动物体的部分-，将一种可能充填有孔的扩展运算器10应用到所述的位屏蔽8上。

在所述的阶段，运动检测7、饱和检验9和扩展运算器10中所计算的位屏蔽8现在被用于更新淘汰过程11(淘汰对于烟雾检测不必考虑的图像范围)的计数器图像，其中，重新应用已经说明的滞后机理。

在算法的这个点上存在有两种计数器图像，也即：已被检测到边缘的所有像素的已更新的计数器图像6、和要淘汰的所有块的已更新的计数器图像11。现在后者的计数器图像与一个参数被共同用来如此改变所述的计数器图像6，使得不受任何可能干扰烟雾检测的效应影响的可靠的边缘评估成为可能。将计数器图像8中的每个块与一个阈值进行比较。当所述块的值位于这个阈值之上时，将计数器图像6中的所有像素设置到一个最小值上。从边缘的计数器图像6中现在计算两种代表不同时刻的边缘数目的量。第一种量是在第一阈值之上的现在存在的边缘中的像素数目。第二种量是在第二阈值之上的像素数目，其中，这个第二阈值可以粗略解释为在一个过去的时刻存在的边缘中的像素数目。

为了计算这两种量定义一种函数 ${\mathrm{\&Sigma;}}_t\left(c\right)=\underset{i,j}{\mathrm{\&Sigma;}}(c_{i,j}>l)$

此函数用阈值l之上的一个值来计数计数器的图像中的像素C_i，j数目。用此函数现在可以计算所述的两种量，此时如此估计现在位于一个边缘上的像素的数目，使得将l很近地置为所述像素c_i，j能够达到的最大值W_m上。为了考虑图像A中的噪声，对于l通常选择值(W_m-k)，其中，k意味着帧的数目，并譬如在隧道中的通常为固定的摄像机上大致为250。

可以给像素计数用的子程序添加一个参数＂图像高度＂，此参数促使仅考虑烟雾检测用的图像的上面部分，譬如上半部。由于烟雾通常向上升起，这是合理的。附加地可以用一种屏蔽将任意的图像片段排除在分析之外。

在判断烟雾是否存在之前，现在在一个步骤12中检验是否存在着足够的边缘，以便能够作出这种判断。这种检验对于譬如一辆大的载重汽车直接停在摄像机前面，并且所述的图像不具有任何边缘的情况是必要的。由于在这种情况下不可能检测火，所以应该启动一个指明在当前情况下所述的算法不可能工作的干扰信号。为了短时延迟其它的动作，并为了对于烟雾更加不敏感，而采用一个可以要么是零，要么大于零的中断值。在后者的情况下已经在不久之前检测到了不存在足够的边缘。

如果存在着少于相当于边缘最小数的像素数目，则可以进行两种动作：如果所述的中断值已经不等于零，则减小它，并如果它达到1，则启动干扰信号。相反，如果所述的中断值是零，则将它提高到大于零的值。如果存在着足够多的边缘，则将所述的中断值调到零，并继续进行处理。

如果存在着对于烟雾的可靠检测为足够的边缘数目，则在阶段13中借助边缘的平均的总和以及差值进行关于存在烟雾的判断。所述的差值与一个参数相乘，并与所述的总和进行比较。如果所述的总和是较大的，则不存在烟雾；否则启动报警。在两种情况下终止当前图像的处理，并开始下一个图像的处理。

譬如可以按如下方式来进行报警启动，即在连接了有关摄像机的，有人值班的报警中心或监控中心中显示一种相应的报警，此报警促使操作人员用眼睛更仔细分析由有关的摄像机提供的图像。所述的中心譬如可以是城市或地区的基地中的一种警务中心或消防中心，或者也可以是公路隧道的指挥中心。

Claims (20)

1.视频烟雾检测系统，具有至少一个用于摄取视频图像的装置(1)和具有一种在其中确定视频图像各个像素或各组像素亮度的信号处理级(2)，其特征在于，通过一种处理进行像素亮度的所述的确定，其中，获得一种对于所述的亮度有代表性的值，并针对表征烟雾出现的变化来对所述值的时间过程进行分析研究。

2.按权利要求1的烟雾检测系统，其特征在于，通过一种边缘抽取处理(5)进行像素亮度的所述的确定，其中，给每个像素分配一个边缘值(K_i，j)。

3.按权利要求1的烟雾检测系统，其特征在于，通过一种频率分析，尤其是通过一种子波分析进行像素亮度的所述的确定，其中，给每个像素分配一个借助高通滤波确定的边缘值(K_i，j)。

4.按权利要求2的烟雾检测系统，其特征在于，对于每个像素进行所述的边缘值(K_i，j)与一个平均值(M_i，j)的比较，并从此比较中获得一个说明边缘值(K_i，j)相对于所述平均值(M_i，j)的时间特性的以下所谓的计数器图像(Z_i，j，6)。

5.按权利要求4的烟雾检测系统，其特征在于，在边缘值(K_i，j)与所述平均值(M_i，j)的每次比较时，更新所述的计数器图像(Z_i，j，6)，此计数器图像(Z_i，j，6)说明了有关像素的亮度在某个时间段上是如何频繁地已平均位于所述平均值(M_i，j)之上。

6.按权利要求5的烟雾检测系统，其特征在于，将所述的计数器图像(Z_i，j，6)与一种阈值(S_z)进行比较，并在超过此阈值(S_z)时将一个初始化值(∑_x ⁰)向一个当前值进行累加。

7.按权利要求4至6之一的烟雾检测系统，其特征在于，从新边缘的出现方面对所摄取的视频图像(A)进行分析研究，其中，借助一种时间上有间隔的计数器图像(Z_i，j，6)的相关计算推断新边缘的存在，并在存在着新的边缘时进行初始化值(∑_x ⁰)的一种重新定义。

8.按权利要求6或7的烟雾检测系统，其特征在于，由所述的当前值(∑_x)和初始化值(∑_x ⁰)形成一个商，并将此商与一个烟雾阈值(S_R)相比较，并在超过后者时进行报警启动。

9.按权利要求2的烟雾检测系统，其特征在于，除边缘抽取处理(5)之外还从运动方面对所述视频图像(A)进行一种以下称为运动检测(7)的分析研究。

10.按权利要求9的烟雾检测系统，其特征在于，借助不断用一种滞后算法更新的计数器图像(6，11)既进行边缘值的所述确定，也进行所述的运动检测(7)。

11.按权利要求10的烟雾检测系统，其特征在于，所述的滞后算法具有一个最小值和一个最大值，以及两个位于其间的阈值，其中，所述的计数器图像在向上计数时当低于下阈值时便跳至最大值上，而在向下计数时当低于上阈值时便跳至最小值上。

12.按权利要求9至11之一的烟雾检测系统，其特征在于，将一种基于标准化互相关的算法用于所述的运动检测(7)。

13.按权利要求9至12之一的烟雾检测系统，其特征在于，采用三种数据结构，一种具有关于存在于各自图像中的边缘的信息的数据段、一种具有用于淘汰对于烟雾检测所不需要考虑的图像范围的位屏蔽(8)的数据段、和所观察的图像本身，其中，所述的边缘和图像在处理过程的相继迭代之间保持不变，并对于每次迭代重新初始化所述的位屏蔽(8)。

14.按权利要求13的烟雾检测系统，其特征在于，逐像素地分析所述的图像和边缘，并对于以下称为块的多个像素的组进行位屏蔽(8)的分析。

15.按权利要求13或14的烟雾检测系统，其特征在于，在两个路径上，即在一个用于计算存在于图像中的边缘的和用于更新已经存在于边缘之上的数据的第一路径上，并在一个用于建立位屏蔽(8)的第二路径上进行数据的处理，其中，此第二路径包括所述的运动检测(7)。

16.按权利要求14或15的烟雾检测系统，其特征在于，第二路径还包括对所述的块检验所述用于摄取视频图像的装置的饱和，其中用确定数目的饱和像素标记一些块，并对于所述计数器图像(6)的分析不考虑这些块。

17.按权利要求16的烟雾检测系统，其特征在于，借助一种屏蔽可将任意的图像片段排除在分析之外。

18.按权利要求17的烟雾检测系统，其特征在于，所述借助运动检测(7)和饱和检验(9)所建立的位屏蔽(8)被用来，更新在淘汰对于烟雾检测(13)不必考虑的图像范围时所用的计数器图像(11)。

19.按权利要求18的烟雾检测系统，其特征在于，借助所述在淘汰对于烟雾检测(13)不必考虑的图像范围时所用的计数器图像(11)来如此改变边缘的计数器图像(6)，使得边缘评估相对于有时干扰所述烟雾检测(13)的因素在很大程度上是不受影响的。

20.按权利要求19的烟雾检测系统，其特征在于，在作出关于存在着烟雾的判断之前进行一种检验(12)，是否对于这种判断存在着足够数目的边缘。

Images