[发明专利]一种基于视频分析的烟雾检测方法

说明书

技术领域

本发明属于视频检测方法，尤其是对早期火灾进行预警的基于视频的烟雾检测方法。

背景技术

目前火灾检测方法包括气体检测、温度检测、烟雾检测等。由于气体和温度检测需要靠传感器近距离检测，需要密集的安装传感器，这对于森林等大面积的防火将是不现实的。基于视频图像分析检测烟雾的方法是一种新兴的火灾预警技术，该技术采用数字摄像机作为传感器连续拍摄监控区域形成现场数字视频并传输给主控处理器。运行在主控处理器中的智能视频图像分析算法将对输入的数字视频图像进行处理、分析、识别和统计跟踪，最终检测出可能存在烟雾的区域，作为火灾早期预警，并且能远程观看现场图像，实现监控和火灾探测双重功效。

目前基于图像分析的火灾检测方法有：基于可信度模型的多特征融合处理的火焰识别算法、基于K均值聚类方法的分形编码技术进行烟雾图像分割算法、基于模糊神经网络的火灾探测算法等。专利CN200810239324.5中还公开了一种基于烟雾特征训练得出的统计数据模型和烟雾特征判决树，然后应用到实际检测中的方法。这些方法基本上都采用比较单一的方法对烟雾视频进行检测，可靠性和效率偏低。

发明内容

本发明提供了一种解决上述问题的方案，提供一种性能更好、鲁棒性更好的烟雾检测方法。

本发明的技术方案是提供一种基于视频分析的烟雾检测方法，该方法是在数字摄像机作为传感器以及数字信号处理芯片的支持下实现的，其特征在于：该方法包括以下步骤：

1)利用所述数字摄像机，连续拍摄指定区域采集数字视频；

2)将步骤1)中所述数字视频转换成多帧连续的数字图像；

3)基于混合高斯模型，对步骤2)中所述数字图像中的背景部分建模；

4)在步骤3)中对所述数字图像的背景建模的基础上，利用差分法提取所述数字图像中的前景部分；

5)比较步骤4)中提取的连续多帧所述数字图像的前景部分，筛选出其中具有连续运动特点的前景部分作为前景对象；

6)使用支持向量机检测器对步骤5)中筛选出的所述前景对象进行进一步筛选，筛选出其中具有类似烟雾灰白区域的所述前景对象；

7)应用小波变换分析步骤6)中筛选出的所述前景对象的高频信号变化，筛选出其中背景是逐渐模糊变化的所述前景对象；

8)使用Adaboost级联分类器对7)中得到的所述前景对象进行进一步筛选，筛选出具有烟雾纹理特征的所述前景对象作为烟雾对象。

优选的，所述数字摄像机采用CCD或者CMOS等A/D芯片。

优选的，所述数字摄像机架设的位置要确保烟雾形成早期的所述数字视频中，烟雾的面积不小于100像素。

优选的，步骤5)中是利用目标跟踪器对多帧连续的所述数字图像中的运动对象进行跟踪分析，并统计其出现的次数，从而筛选出其内包含有连续多次出现的运动对象的所述前景对象。

优选的，步骤6)中所述支持向量机检测器是利用灰白色直方图预先训练好的。

优选的，步骤8)中所述Adaboost级联分类器是基于局部二元模式LBP纹理预先训练好的级联分析器。

本发明的烟雾检测方法将背景建模提取运动对象、支持向量机SVM分类器筛选灰白色区域、小波变换高频信号变化分析、烟雾纹理特性级联分类器等多种手段融合并用，极大的提高了烟雾检测的准确性和效率，降低了误警率，鲁棒性高，具有极高的实用性。

附图说明

图1是本发明的算法原理框图。

具体实施方式

下面对本发明的具体实施方式作进一步详细的描述。

如图1所示，本发明的烟雾检测方法首先进行视频采集，采集到的视频信息依次经过混合高斯背景建模，前景运动对象跟踪，SVM灰白色检测，高频信号小波检测，烟雾LBP纹理Adaboost分类器等进行逐步分拣筛选，最终得出检测结果。

本发明所述方法是在数字摄像机作为传感器的支持下实现的，烟雾检测原理主要利用了烟雾的连续运动、灰白色、运动时模糊背景、半透明、特殊纹理等特性进行分析。以下结合附图1所示的算法原理图，详细说明本方法的具体实施方式。

①采用数字摄像机作为传感器连续采集定点区域图像形成数字视频流作为信号源，数字摄像机采用CCD或者CMOS等A/D芯片；摄像机的架设要合理，以使所监控区域场景视频中早期火灾烟雾的面积大于100像素为宜；