[发明专利]火焰检测方法及装置

说明书

本发明公开了一种火焰检测方法，使用基于单帧图像的火焰检测方法对视频进行逐帧的初步检测，当初步检测到火焰时，从当前检测到火焰的图像帧开始的连续若干帧图像中分别提取火焰区域灰度图像，并获取其中相邻帧图像间的火焰区域灰度图像的帧差图像；将所有帧差图像的叠加图像与所有帧差图像的反转图像的叠加图像进行加权求和，得到火焰检测概率图，如果火焰检测概率图中像素值超过预设阈值的像素数超过预设数量，则判定初步检测结果正确，否则为误检。本发明还公开了一种火焰检测装置。相比现有技术，本发明具有较高检测准确度的同时，还具有较好的实时性，对于软硬件资源的需求也较低。

技术领域

本发明涉及数字图像处理技术，具体涉及一种火焰检测方法。

背景技术

随着视频监控设备的普及以及数字图像处理技术的发展，基于视觉图像的火焰检测技术也得到了飞速发展。由于火焰图像所具有的纹理弱、形态多变、多样性等原因，传统火焰检测算法主要是通过颜色、亮度来进行识别，加上逻辑进行多次确认的方法识别火焰。近些年由于卷积神经网络异军突起，火焰检测可以使用检测网络进行火焰的检测，可大幅提高检测精度和效率。但是现有检测网络普遍是对单张图像进行检测，火焰在单张图像上存在的形态可能会与各类高亮、红色的灯极为相似，非常容易在实际使用中出现误检。在红外场景下看到的火焰与灯光几乎无异，火焰会不规则的闪烁而灯却不会，所以单张图像完全没办区分火焰还是灯光，误检的置信度极高，无法平衡火焰检测的误检和召回率，导致无法大规模在实际生产中进行使用。

现有基于视频的火焰检测技术通过提取视频的静态和动态特征来实现视频中火焰的检测，考虑到了火焰的空间运动及时间延续性等特点，可较为有效地进行火焰检测；但其静态、动态特征的提取算法以及分类模型往往极为复杂，例如需要使用多层小波分解、Hu不变矩、卡尔曼滤波、马尔可夫模型等复杂处理方式或者结构极为复杂的神经网络，对于火焰检测的时效性不佳，对于软硬件资源的需求极高，并且实际检测的误检率也差强人意。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种火焰检测方法，具有较高检测准确度的同时，还具有较好的实时性，对于软硬件资源的需求也较低。

本发明具体采用以下技术方案解决上述技术问题：

一种火焰检测方法，使用基于单帧图像的火焰检测方法对视频进行逐帧的初步检测，当初步检测到火焰时，从当前检测到火焰的图像帧开始的连续若干帧图像中分别提取火焰区域灰度图像，并获取其中相邻帧图像间的火焰区域灰度图像的帧差图像；将所有帧差图像的叠加图像与所有帧差图像的反转图像的叠加图像进行加权求和，得到火焰检测概率图，如果火焰检测概率图中像素值超过预设阈值的像素数超过预设数量，则判定初步检测结果正确，否则为误检。

优选地，所述视频为可见光视频或红外光视频。

进一步优选地，所述帧差图像在使用前依次经过膨胀、高斯模糊及归一化处理。

优选地，所述初步检测通过预先训练好的神经网络模型实现。

基于同一发明构思还可以得到以下技术方案：

一种火焰检测装置，包括：

初步检测模块，用于使用基于单帧图像的火焰检测方法对视频进行逐帧的初步检测；

复核模块，用于对初步检测模块的检测结果按照以下方法进行复核：当初步检测到火焰时，从当前检测到火焰的图像帧开始的连续若干帧图像中分别提取火焰区域灰度图像，并获取其中相邻帧图像间的火焰区域灰度图像的帧差图像；将所有帧差图像的叠加图像与所有帧差图像的反转图像的叠加图像进行加权求和，得到火焰检测概率图，如果火焰检测概率图中像素值超过预设阈值的像素数超过预设数量，则判定初步检测结果正确，否则为误检。

优选地，所述视频为可见光视频或红外光视频。

进一步优选地，所述帧差图像在使用前依次经过膨胀、高斯模糊及归一化处理。