CN102034110B - 一种火焰检测方法 - Google Patents
一种火焰检测方法 Download PDFInfo
- Publication number
- CN102034110B CN102034110B CN 201010580309 CN201010580309A CN102034110B CN 102034110 B CN102034110 B CN 102034110B CN 201010580309 CN201010580309 CN 201010580309 CN 201010580309 A CN201010580309 A CN 201010580309A CN 102034110 B CN102034110 B CN 102034110B
- Authority
- CN
- China
- Prior art keywords
- flame
- pixel
- image
- video
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Fire-Detection Mechanisms (AREA)
Abstract
一种火焰检测方法。因为火焰在一个位置具有一定的持续性等特点,本发明采集视频图像,利用颜色信息检测图像中具有火焰颜色特征的像素点,利用时域滤波检测运动区域等,检测出火焰区域。可用于远距离、大范围的火灾监控。
Description
技术领域
本发明涉及一种火焰检测方法。
背景技术
在各种灾害中,火灾是最经常、最普遍地威胁公共安全和社会发展的主要自然灾害之一。及时准确的火灾检测报警能有效减小或消除这种威胁。传统火灾检测一般是基于传感器(比如红外传感器、紫外传感器等)实现的。但是,这些传感器易受到各种干扰影响,灵敏度会逐渐变差,可靠性也慢慢下降。同时,单个传感器的监控范围是非常有限的,对大场景远距离的监控有着比较大的局限性。而视频监控装置可以克服上述缺点,且成本低廉。随着数字图像技术和视频处理技术的快速发展,基于计算机视觉的火灾检测技术也得到了很大发展,而在火灾检测中,火焰检测算法是十分重要的。
通过对现有最新技术的文献检索发现:《2004年国际图像处理会议论文集》(A Early Fire-Detection Method Based on Image Processing[C].Proceedings ofthe 2004 International Conference on Image Processing.IEEE Press,Singapore,2004:1701-1710)中提出利用原始的R、G、B颜色信息,对火焰像素进行分类,并结合运动信息进行火焰检测,取得了较好的效果,但是若场景中同时存在类似火焰的运动物体,就会造成误判。
《2006年IEEE声学、语音和信号处理国际会议论文集》(A.E.Real-timeFile and Flame Detection in Video[C].In Proc.Of IEEE ICASSP 05,2005,669-672)中首先利用背景差提去处视频中的运动区域,接着对运动区域在时域和空域做小波分析,利用小波系数分析视频中是否存在火焰,由于这种方法采用了背景差分法,需要训练背景模型,当场景发生变化时,算法可能会失效。
发明内容
本发明提出了一种火焰检测方法。
本发明解决其技术问题所采用的技术方案是:
1、本发明的构思:
(1)根据火焰的颜色信息,由于火焰具有比较高的亮度值,且含有较高的红色分量和较低的绿色分量。在YCrCb色彩空间表现为:Y分量和Cr分量均要大于整幅图像的Y平均量和Cr平均量,而Cb分量要小于整幅图像的Cb平均量,且Y分量要大于Cr分量,Cr与Cb的差要大于一个阈值。
(2)火焰在燃烧的过程中,燃烧形状是在不断变化的,具有动态特性。
(3)一个位置的火焰要燃料耗尽才会熄灭,燃烧会持续一段时间,表现为一定的持续性。
2、采用下述技术方案:
一种火焰检测方法,根据火焰的多种特性而设计,具体步骤如下:
(1)启动视频监控***:采集视频图像Ik(x,y),k表示图像的帧号,x、y表示像素在图像中的空间位置,以图像左上角的像素为坐标原点,设每张图像的大小为K行L列。
(2)利用颜色信息检测图像中具有火焰颜色特征的像素点,具体步骤如下:
①将图像Ik从RGB颜色空间转化到YCrCb颜色空间:
Y=0.299×R+0.587×G+0.114×B
Cr=(R-Y)×0.713+128
Cb=(B-Y)×0.564+128
②计算Y、Cr、Cb的平均值:
③将满足下式的像素组成的区域确定为疑似火焰区域:
C=(Y>Ym)∩(Cr>Crm)∩(Cb<Cbm)∩(Y>Cr)∩((Cr-Cb)>T1)
其中∩为‘逻辑与’操作符,T1为阈值;
(3)利用时域滤波检测运动区域,具体步骤如下:对相邻帧做时域滤波,采用(0.5,-0.25,-0.25)的滤波算子进行滤波,并对滤波结果二值化:
M=(0.5×Ik-0.25×Ik-1-0.25×Ik-2)>T
(4)将同时满足步骤2)和步骤3)的区域作为疑似火焰区域;
F(x,y)=C(x,y)∩M(x,y)
(5)根据火焰在一个位置具有一定的持续性,先缓存N帧步骤(4)的检测结果,统计像素被判为为疑似火焰的次数:
(6)对统计结果进行均值滤波,若滤波后有像素值大于阈值,则认为视频中存在火焰,且该像素位置即为火焰中心点的位置。
本发明的有益效果是,与现有技术比较,本发明运算简单、灵活,容易实现,解决了场景中存在类似火焰的运动物体会导致误判的问题,由于不需要训练背景,当视频监控设备切换场景时,能很快适应新场景。应用此发明的视频监控设备可按装在云台上,定时切换到不同场景,使得一台监控设备能监控更大的场景,降低监控成本。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图1对本发明的实施案例详细说明:
本实施例对1个AVI格式的视频序列进行火灾检测,其图像帧大小为640x480、帧率为每秒24帧,整个视频序列长度为1421帧,如图1所以,包括如下步骤:
第一步,将图像帧从RGB颜色空间变换到YCrCb颜色空间,再计算整个图像Y、Cr、Cb分量的平均值,若像素的Y、Cr、Cb分量满足条件,则判为火焰点。
所述的将图像帧从RGB颜色空间转换到YCrCb颜色空间的计算公式为:
Y=0.299×R+0.587×G+0.114×B
Cr=(R-Y)×0.713+128
Cb=(B-Y)×0.564+128
所述的计算Y、Cr、Cb均值的计算公式如下:
其中:K表示图像帧的宽,L表示图像帧的高,x、y表示像素在图像中的空间位置,以图像左像素点为原点,Ym、Crm、Cbm为图像Y、Cr、Cb分量对应的平均值。
所述的条件为:
C=(Y>Ym)∩(Cr>Crm)∩(Cb<Cbm)∩(Y>Cr)∩((Cr-Cb)>T1)
所述的颜色提取疑似火焰区域的结果是:若像素的Y、Cr值大于整幅图像对应的Y、Cr平均值,而Cb值小于整幅图像对应的Cb的平均值,且Y值大于Cr值,Cr与Cb的差大于一个阈值T1,则把这个像素判为疑似火焰点。其中T1=40。
第二步,对图像帧做时间滤波,滤波算子为(0.5,-0.25,-0.25)。
所述的时间滤波是将连续的三帧图像同位置的相似滤波,将滤波后值大于阈值的像素判为疑似火焰像素。计算公式:
M=(0.5×Ik-0.25×Ik-1-0.25×Ik-2)>T2
其中,I表示像素灰度值,k表示图像序号,T2为阈值,T2=15
第三步,将第二步和第三步的检测结果做逻辑与运算,即认为要同时满足第二步和第三步的条件才能被判为火焰像素,进一步消除干扰。
所示的逻辑与的公式为:
F(x,y)=C(x,y)∩M(x,y)
第四步,缓存N帧通过第三步得到的检测结果,计算每个像素点被判为火焰像素的次数。
所述的计算公式为:
其中i表示缓存中的图像序号。本实例中N=50
第5步,将第四步的计数结果进行均值滤波,若滤波有像素值大于阈值,则认为视频中存在火焰,且该像素位置即为火焰中心点的位置。
所述的均值滤波是指:
第6步,清空缓存中的内容,重复上述五个步骤。
本实例中火焰区域大小变化范围为0-500个像素,处理时间是每帧25ms。
Claims (1)
1.一种火焰检测方法,其特征是:
步骤一:启动视频监控***,采集视频图像;
步骤二:利用颜色信息检测图像中具有火焰颜色特征的像素点,所述检测图像中具有火焰颜色特征的像素点的具体步骤如下:
①将视频图像Ik从RGB颜色空间转化到YCrCb颜色空间:
Y=0.299×R+0.587×G+0.114×B
Cr=(R-Y)×0.713+128
Cb=(B-Y)×0.564+128
②计算Y、Cr、Cb的平均值:
其中:K表示图像帧的宽,L表示图像帧的高,x、y表示像素在图像中的空间位置,Ym、Crm、Cbm为图像Y、Cr、Cb分量对应的平均值;
③将满足下式的像素组成的区域确定为疑似火焰区域:
C=(Y>Ym)∩(Cr>Crm)∩(Cb<Cbm)∩(Y>Cr)∩((Cr-Cb)>T1)
其中:视频图像Ik(x,y),k表示图像的帧号,x、y表示像素在图像中的空间位置,以图像左上角的像素为坐标原点,设每张图像的大小为K行L列,∩为‘逻辑与’操作符,T1为阈值;
步骤三:利用时域滤波检测运动区域:对相邻帧做时域滤波,采用(0.5,-0.25,-0.25)的滤波算子进行滤波,将滤波后值大于阈值的像素判为疑似火焰像素:M=(0.5×Ik-0.25×Ik-1-0.25×Ik-2)>T,其中,I表示像素灰度值,k表示图像序号,T为阈值;
步骤四:将同时满足步骤二和步骤三的区域作为疑似火焰区域:逻辑与的公式为:F(x,y)=C(x,y)∩M(x,y);
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010580309 CN102034110B (zh) | 2010-12-09 | 2010-12-09 | 一种火焰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010580309 CN102034110B (zh) | 2010-12-09 | 2010-12-09 | 一种火焰检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102034110A CN102034110A (zh) | 2011-04-27 |
CN102034110B true CN102034110B (zh) | 2013-02-27 |
Family
ID=43886973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010580309 Expired - Fee Related CN102034110B (zh) | 2010-12-09 | 2010-12-09 | 一种火焰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102034110B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494630B (zh) * | 2011-07-29 | 2014-06-04 | 刘建松 | 锅炉、容器内的火焰的形状特征参数测量方法及装置 |
CN104392471B (zh) * | 2014-11-13 | 2017-12-26 | 山东财经大学 | 一种在静态图像中判断火焰区域的方法 |
CN104933739B (zh) * | 2015-07-17 | 2018-06-19 | 山东大学 | 一种基于i1i2i3颜色空间的火焰检测方法 |
CN105096323A (zh) * | 2015-07-28 | 2015-11-25 | 中国石油天然气股份有限公司 | 一种基于可见光图像处理的池火灾火焰测高方法 |
CN105160799B (zh) * | 2015-09-29 | 2018-02-02 | 广州紫川电子科技有限公司 | 一种基于红外热成像裸数据的火情与热源探测方法及装置 |
CN106846375A (zh) * | 2016-12-30 | 2017-06-13 | 广东工业大学 | 一种应用于自主灭火机器人的火焰检测方法 |
CN108985144B (zh) * | 2018-05-29 | 2022-04-12 | 湖北德强电子科技有限公司 | 一种高效低成本图像火灾自动识别方法及装置 |
CN114120208A (zh) * | 2022-01-27 | 2022-03-01 | 青岛海尔工业智能研究院有限公司 | 一种火焰检测方法、装置、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515326A (zh) * | 2009-03-19 | 2009-08-26 | 浙江大学 | 一种适用于识别和检测大空间火灾火焰的方法 |
CN101826153A (zh) * | 2010-02-11 | 2010-09-08 | 上海交通大学 | 火灾检测方法 |
CN101840571A (zh) * | 2010-03-30 | 2010-09-22 | 杭州电子科技大学 | 一种基于视频图像的火焰检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080136934A1 (en) * | 2006-12-12 | 2008-06-12 | Industrial Technology Research Institute | Flame Detecting Method And Device |
-
2010
- 2010-12-09 CN CN 201010580309 patent/CN102034110B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515326A (zh) * | 2009-03-19 | 2009-08-26 | 浙江大学 | 一种适用于识别和检测大空间火灾火焰的方法 |
CN101826153A (zh) * | 2010-02-11 | 2010-09-08 | 上海交通大学 | 火灾检测方法 |
CN101840571A (zh) * | 2010-03-30 | 2010-09-22 | 杭州电子科技大学 | 一种基于视频图像的火焰检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102034110A (zh) | 2011-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102034110B (zh) | 一种火焰检测方法 | |
CN110135269B (zh) | 一种基于混合颜色模型与神经网络的火灾图像检测方法 | |
CN102663869B (zh) | 基于视频监控平台的室内火灾检测方法 | |
CN111191576B (zh) | 人员行为目标检测模型构建方法、智能分析方法及*** | |
CN106650584B (zh) | 火焰检测方法和*** | |
CN104598895B (zh) | 一种基于视频图像分析的火焰检测方法与装置 | |
KR101168760B1 (ko) | 화염 검출 방법 및 장치 | |
CN106373320B (zh) | 基于火焰颜色离散度和连续帧图像相似度的火灾识别方法 | |
CN103400111B (zh) | 基于视频检测技术的高速公路隧道火灾事件检测方法 | |
CN101441771B (zh) | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 | |
CN108447219A (zh) | 基于视频图像的火灾检测***及方法 | |
CN109376747A (zh) | 一种基于双流卷积神经网络的视频火焰检测方法 | |
KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
CN101908142A (zh) | 一种基于特征分析的视频火焰检测方法 | |
CN110335294B (zh) | 基于帧差法与3d卷积神经网络的矿井水泵房漏水检测方法 | |
CN103996045B (zh) | 一种基于视频的多种特征融合的烟雾识别方法 | |
CN102013009A (zh) | 烟雾图像识别方法及装置 | |
CN107085714A (zh) | 一种基于视频的森林火灾检测方法 | |
CN109035278B (zh) | 基于图像的消防门及其开关状态的检测方法 | |
CN104853151A (zh) | 一种基于视频图像的大空间火灾监测*** | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
EP2000952B1 (en) | Smoke detecting method and device | |
CN108052865A (zh) | 一种基于卷积神经网络和支持向量机的火焰检测方法 | |
CN107688793A (zh) | 一种变电站室外火灾自动监测预警方法 | |
CN111860143A (zh) | 一种面向巡检机器人的火焰实时检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130227 Termination date: 20141209 |
|
EXPY | Termination of patent right or utility model |