[发明专利]一种基于视频图像的烟火检测方法和装置

说明书

技术领域

本发明属于图像处理和识别技术领域，具体地涉及一种基于视频图像的运动区域检测结合暗通道的烟火检测方法和装置。

背景技术

在现代智能交通系统中，监控摄像机已经广泛地应用于城市道路、高速公路的路口及路段上。基于监控视频的情景分析已经成为了智能交通系统必不可少的模块，而且随着技术的不断进步，基于视频的情景分析已经从单一的闯红灯分析发展到了各种违章检测乃至一些特殊的情景检测，如交通事故引发的起火冒烟等。由交通事故引起的车辆燃烧等或者由其燃烧对交通安全的影响都是非常巨大的。

基于视频的烟火检测技术使智能交通系统能够在摄像机监控路段出现车辆起火、冒烟等意外事件时，自动完成识别报警，可以为交通管理提供强有力的支持。因此其在智能交通系统中有很强的实际需求和广泛应用前景。

目前的烟火检测方法主要分为两类：传统的基于多传感器的烟火检测，需要安装大量的传感器，而且传感器的后期维护将是一项巨大的工程；基于视频图像处理的烟火检测克服了传统方法的缺点，基于摄像机来获取视频图像，利用烟火特征检测是否有雾。但是一般的基于图像的烟火检测方法需要遍历整个图像，进行特征分类，运行速度慢且易出现误检。

发明内容

针对传统的基于视频图像的烟火检测方法存在的运行速度慢、误检多的问题，本发明提出了一种基于视频图像的烟火检测方法，利用高斯混合模型构建背景并提取前景，获取图像中运动的区域，同时利用烟雾的暗通道特性，减少了其他因素的干扰；根据烟雾的扩散特性，对视频中连续的轮廓筛选，定位到疑似的烟火区域，最后利用LBP特征结合EOH特征训练的分类器对烟雾区域进行识别，进一步降低误报率。

本发明的技术方案是：

一种基于视频图像的烟火检测方法，包括以下步骤：

S01：对视频图像利用高斯混合模型构建背景；

S02：将当前帧图像与步骤S01获取的背景相减获取前景图像，并进行二值化；

S03：计算当前帧图像的暗通道图像，并进行二值化；

S04：将步骤S02获取的前景二值图与步骤S03获取的暗通道二值图进行与操作；

S05：对步骤S04获得的二值图进行轮廓查找，将当前帧的轮廓与上一帧的轮廓进行比较，如果固定位置的轮廓扩大，则该轮廓为疑似烟雾轮廓；

S06：若连续的设定帧数的图像在相似的位置检测到疑似烟雾轮廓，则该轮廓为疑似烟火区域，将该区域进行滑动窗口检测，如果超过一定阈值的窗口被烟火分类器识别为烟火，则该区域有烟火。

优选的，所述步骤S03的暗通道计算包括：

S31：遍历当前帧图像的每个像素点，获取每个像素点的各通道的最小值，并将该像素点的像素值设为该最小值；

S32：使用一定大小的滤波器对该帧图像进行最小值滤波，得到暗通道图像。

优选的，所述步骤S03的烟火分类器利用SVM分类器结合LBP特征和 EOH特征在已有的烟雾图像数据库训练得到。

本发明还公开了一种基于视频图像的烟火检测装置，包括，

背景构建模块，对视频图像利用高斯混合模型构建背景；

前景图像生成模块，将当前帧图像与步骤S01获取的背景相减获取前景图像，并进行二值化；

暗通道图像生成模块，计算当前帧图像的暗通道图像，并进行二值化；

图像操作模块，将前景二值图与暗通道二值图进行与操作；

疑似烟雾轮廓判定模块，对图像操作模块获得的二值图进行轮廓查找，将当前帧的轮廓与上一帧的轮廓进行比较，如果固定位置的轮廓扩大，则该轮廓为疑似烟雾轮廓；

烟火判定模块，若连续的设定帧数的图像在相似的位置检测到疑似烟雾轮廓，则该轮廓为疑似烟火区域，将该区域进行滑动窗口检测，如果超过一定阈值的窗口被烟火分类器识别为烟火，则该区域有烟火。

优选的，所述暗通道图像生成模块的暗通道计算包括：

S31：遍历当前帧图像的每个像素点，获取每个像素点的各通道的最小值，并将该像素点的像素值设为该最小值；

S32：使用一定大小的滤波器对该帧图像进行最小值滤波，得到暗通道图像。

优选的，所述烟火分类器利用SVM分类器结合LBP特征和EOH特征在已有的烟雾图像数据库训练得到。

与现有技术相比，本发明的优点是：