[发明专利]一种图像型烟雾火灾探测方法及系统

权利要求书

1.一种图像型烟雾火灾探测方法，其特征在于，包括如下步骤：

A、对获取的视频图像进行滤波处理；

B、对步骤A处理过的视频图像进行差分运算获得差分图像，并根据所述视频图像和差分图像，生成静止图像；

C、根据预设颜色模型将所述差分图像和静止图像分割成若干连通域，并对所述若干连通域进行处理，获得潜在烟雾区；

D、将所述潜在烟雾区划分为若干聚类，并同时获取每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量，以及每个聚类的飘动性特征信息和聚类质点位置信息；

E、贝叶斯决策器根据所述聚类面积信息、所有连通域的HU矩的平均值、连通域的数量，以及每个聚类的飘动性特征信息和聚类质点位置信息，判断所述潜在烟雾区中是否存在烟雾。

2.根据权利要求1所述的图像型烟雾火灾探测方法，其特征在于，所述步骤A具体包括：通过高斯滤波器对获取的视频图像进行滤波处理。

3.根据权利要求1或2所述的图像型烟雾火灾探测方法，其特征在于，所述步骤B具体包括：

通过帧间差分法将步骤A处理过的视频图像进行差分运算获得差分图像，并计算所述视频图像关于差分图像的补集，获得静止图像。

4.根据权利要求3所述的图像型烟雾火灾探测方法，其特征在于，所述步骤C具体包括：

C1、根据预设颜色模型中的预设颜色遍历差分图像和静止图像中的每个像素，通过只保留颜色值与所述预设颜色的颜色值相同的像素将所述差分图像和静止图像分割成若干连通域；

C2、遍历所述差分图像中的连通域，去除差分图像中与所述静止图像中的连通域不相交的连通域，并计算差分图像和静止图像中存在交集的连通域的并集，获得潜在烟雾区。

5.根据权利要求4所述的图像型烟雾火灾探测方法，其特征在于，所述步骤D具体包括：

D1、通过系统聚类法将潜在烟雾区中的若干连通域划分为若干个聚类；

D2、统计每个聚类中包含的连通域的数量，并对每个聚类中所有连通域的质心坐标的总和对于时间的差分值进行分析，获得聚类质点位置信息；

D3、根据每个聚类中所有连通域包含的像素的数量的总和，获得每个聚类的聚类面积信息；

D4、采用Canny算法对聚类中的所有连通域进行检测，根据检测结果计算出该聚类中所有连通域的HU矩的平均值；

D5、分析聚类的每个连通域中相交于同一水平线的所有像素的颜色值的总和对于时间和空间的差分值，获得聚类的飘动性特征信息。

6.根据权利要求4或5所述的图像型烟雾火灾探测方法，其特征在于，所述步骤E具体包括：

贝叶斯决策器根据训练样本对所述聚类面积信息、所有连通域的HU矩的平均值、连通域的数量，以及每个聚类的飘动性特征信息和聚类质点位置信息进行分析，判断潜在烟雾区中是否存在烟雾。

7.一种图像型烟雾火灾探测系统，其特征在于，包括：

预处理单元，用于通过高斯滤波器对获取的视频图像进行滤波处理；

初步分割单元，与预处理单元连接，用于对预处理单元处理过的视频图像进行差分运算获得差分图像，并根据所述视频图像和差分图像，生成静止图像；

二次分割单元，与初步分割单元连接，用于根据预设颜色模型将所述差分图像和静止图像分割成若干连通域，并对所述若干连通域进行处理，获得潜在烟雾区；

特征提取单元，与二次分割单元连接，用于将所述潜在烟雾区划分为若干聚类，并同时获取每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量，以及每个聚类的飘动性特征信息和聚类质点位置信息；

决策单元，与特征提取单元连接，用于根据训练样本，通过贝叶斯决策器对聚类面积信息、所有连通域的HU矩的平均值、连通域的数量及每个聚类的飘动性特征信息和聚类质点位置信息进行分析，判断潜在烟雾区中是否存在烟雾。

8.根据权利要求7所述的图像型烟雾火灾探测系统，其特征在于，所述初步分割单元，具体用于

通过帧间差分法对预处理单元处理过的视频图像进行差分运算获得差分图像，并计算所述视频图像关于差分图像的补集，获得静止图像。