[发明专利]一种基于图像处理的管道液体泄漏监测方法

说明书

本发明涉及一种基于图像处理的管道液体泄漏监测方法。其技术方案是：从待检测视频中截取一帧管道未发生泄漏时的彩色RGB图像Y，进行灰度变换，得到管道未发生泄漏时的灰度图像y。从待检测视频中的第1帧RGB彩色图像起，每L帧RGB彩色图像为一个待检测视频段，在待检测视频段中每n帧取一帧为待检测图像。将所有待检测图像转为灰度图像，得到待检测灰度图像集合Q1，将其中的每一幅图像做去抖动处理并取平均值，再进行二值化处理。若二值化处理后的图像Z中所有像素值之和小于设定的警示阈值K，则待测视频段未发生管道液体泄漏；反之则发生管道液体泄漏。本发明具有精度高、复杂度低、处理过程短和能在线实时监测的特点。

技术领域

本发明属于图像处理技术领域。特别涉及一种基于图像处理的管道液体泄漏监测方法。

背景技术

近些年来，管道运输凭借着其平稳连续、安全性好、运输量大、质量易保证、物料损失少、占地少和运费低等优点已成为石油等液体运输的首选方式。然而，由于外界不利环境和管道服役时间长导致的运输管道老化会使管道产生裂纹，进而导致管道中所运输的液体发生泄漏，从而造成重大的经济损失，同时影响着周围的自然环境。

随着摄像头拍摄精度的提高，所拍摄的图像和视频可以包含更多的细节信息。把拍摄的高精度图像用在更加复杂和精细的环境里，如管道液体泄漏的监测。工作人员在面对大量的视频和图片数据时，很难有足够的精力和时间去观察管道是否发生泄漏，所以不可能第一时间发现管道泄漏，并作出相应的应对措施，并且对细微的状态改变很难鉴别出来，如泄漏流量微小时。且用肉眼观测的方法会消耗大量的人力和物力资源，造成资源浪费。

“一种监控摄像设备异常检测的系统及方法”(CN 101765025A)专利技术，该技术需要对图像进行精确配准处理，没有考虑监控设备在使用期间有轻微的抖动情况。所以很难防止由于摄像机出现较小的抖动而出现的不准确性的情况。“一种基于机器学习的视频异常检测方法”(CN 103763515A)专利技术，该技术对异常状态的识别具有较高的精度和准确性，但是它需要对异常视频进行学习，具有较高的计算复杂度，增加了处理视频的时长。

发明内容

本发明旨在克服现有技术缺陷，目的是提供一种精度高、方法简单、处理过程短、适应性强和能在线实时监控的基于图像处理的管道液体泄漏监测方法。

为了完成上述任务，本发明采用的技术方案的具体步骤是：

第一步、从待检测视频中截取一帧管道未发生泄漏时的彩色RGB图像Y；采用灰度图像算法将所述管道未发生泄漏时的彩色RGB图像Y进行灰度变换，得到管道未发生泄漏时的灰度图像y；所述灰度图像算法是：

Gray＝R×0.299+G×0.587+B×0.114 (1)

式(1)中：R表示彩色RGB图片的红色分量；

G表示彩色RGB图片的绿色分量；

B表示彩色RGB图片的蓝色分量。

第二步、从所述待检测视频中的第1帧RGB彩色图像起，取每L帧RGB彩色图像为一个待检测视频段，从第一个待检测视频段开始逐个检测每个待检测视频段，每个待检测视频段的检测方法为第三步～第五步。

在所述待检测视频段中每n帧RGB彩色图像取一帧RGB彩色图像为待检测图像，有m帧待检测图像，则m×n＝L，其中：n为2～100自然数，m为10～1000的自然数。

第三步、用式(1)将所述m帧待检测图像转为灰度图像，得到待检测灰度图像集合Q1。

第四步、将所述管道未发生液体泄漏时的灰度图像y与所述待测灰度图像集合Q1中的每一幅图像做去抖动处理，得到m幅差值图像；然后对所述m幅差值图像取平均值，得到1幅平均值图像z。