[发明专利]一种基于视频图像的实时烟雾场景检测方法

说明书

技术领域

本发明涉及一种烟雾检测方法，在基本满足实时检测情况下，尤其是对于彩色烟雾具有良好的检测效果，对火灾能过起到防范和预警的作用，属于计算机视觉技术领域。

背景技术

火灾检测是模式识别和图像处理领域近年来兴起的研究热点。火灾是火失去控制而蔓延的一种灾害性燃烧现象，是危害人类的重大自然灾害之一。火灾检测应用范围广泛，能为森林、公园、草地等场所的火灾预警提供关键技术，成为众多研究机构和学者关注的焦点。烟雾早于火焰产生，及时的检测烟雾对于火灾预警以及扑救具有重大的现实意义。

目前在实际的应用中存在单特征和多特征烟雾检测两种方式，其中单特征烟雾检测方法简答、容易实施，但是对于烟雾信息描述的不准确，误检率较高；多特征烟雾检测存在特征数量与运算速度之间的矛盾，很多多特征烟雾检测方法并不能达到实时检测的效果，另一方面，有些特征受视频分辨率影响较大(比如能量特征)，而实际应用中考虑成本的因素，监控系统所采用的摄像头分辨率较低。传统的烟雾检测都是用颜色作为烟雾特征之一，把烟雾的颜色限定在预设的范围内(白色、灰白色、青色、灰黑色、黑色等)，然而烟雾的颜色受燃烧材质(含碳量高的燃烧物的烟雾就会表现为黑色，而含硫量高的燃烧物的烟雾为浅黄色)和自然环境影响较大(在夕阳下烟雾的颜色为桔红色或浅橙色)，尤其是化学药品燃烧所产生的烟雾一般为彩色烟雾，所以传统的烟雾颜色分类存在较大的局限性。

发明内容

本发明的目的是提供一种基于视频图像的实时烟雾检测方法，属于多特征烟雾检测方式。该方法包含训练和预测两个阶段，在训练阶段，使用背景减法中的码本模型进行运动前景提取，在提取的运动前景图基础上使用高斯膨胀法对运动前景图进行补偿，然后分别提取7个烟雾特征对烟雾进行描述，最后使用svm训练烟雾模型。在检测阶段，根据运动前景图提取运动目标的7个特征，并使用这些特征与烟雾模型进行比较，如果符合烟雾模型就进行报警。该方法对烟雾信息描述较为完整，鲁棒性较好，基本能够实现实时监测的目的。

为实现上述目的，本发明采用下述的技术方案。其特征在于包括以下步骤：

步骤一：对样本视频库中的视频进行运动前景提取，这个步骤采用背景减法中的码本模型，分别采用亮度和颜色相似度为每个像素建立码本，从而建立背景模型，并在一定的时间范围内对码本进行更新；

步骤二：对于步骤一中得到的运动前景图使用高斯膨胀法进行补偿，即在运动前景图边缘建立高斯核，利用高斯核内的前景点分别求取前景像素的均值和方差，利用高斯分布求取非前景点属于前景点的概率，利用概率与设定的阈值的关系判定是否把非前景点膨胀为前景点。

步骤三：对于前景图对应的运动目标，提取它们的静态特征，包括颜色、轮廓、能量、梯度特征，并求取这些特征的特征值；

步骤四：对于前景图对应的运动目标，提取它们的动态特征，包括像素抖动、扩散(面积改变率和轮廓改变率)、质心速度特征，并求取这些特征的特征值；

步骤五：使用svm对运动目标的静态和动态特征进行训练，在结构风险最小原理上寻找分类面，从而得到烟雾模型和非烟雾模型；

步骤六：检测阶段，使用运动目标特征与烟雾模型进行对比，对于符合烟雾模型的运动目标进行报警。

本发明所提供的基于视频图像的实时烟雾检测方法可以在保证检测速度的同时有效的检测到烟雾的发生，从而为人们进行及时的扑救火灾提供时间。有关的测试结果表明，本方法对于烟雾检测具有较好的结果，其检索时间满足实时的需求。

附图说明

图1基于视频图像的实时烟雾检测方法的框架图。

图2基于视频图像的实时烟雾检测方法的流程图。

图3基于视频图像的实时烟雾检测方法效果图。

具体实施方式

前已述及，本发明通过训练视频库进行烟雾建模，在检测阶段，经过对待检测视频提取运动目标特征，通过这些特征与烟雾模型的符合度来决定是否进行报警。

下面结合附图说明本发明的实现方式，图1中明确表示了本发明的过程。首先，根据训练视频库进行烟雾建模；其次，提取待检测视频中运动目标特征并与烟雾模型进行比较，如果符合就进行报警。

需要注意的是，以下仅是示例性的列举了本发明的一种实施方式：

步骤一：建立烟雾模型