CN103150549A - 一种基于烟雾早期运动特征的公路隧道火灾检测方法 - Google Patents

Abstract

本发明提供了一种基于烟雾早期运动特征的公路隧道火灾检测方法，通过获取背景图像，划分块，求取计算块和背景块的灰度差值的绝对值之和并赋值得到二值化图像，标定出检测区域，得到检测目标的连通域，重复上述过程，得到疑似烟雾区域，对该区域逆向进行跟踪匹配处理，最终确定该检测目标是否为烟雾，此处是否发生了火灾。本发明的火灾检测方法，与现有技术相比，可对视频监控范围内发生的火灾事件进行检测，不受环境限制，能够实时对视频进行检测，且检测时间短、易于实现、准确性较高，适合于实时检测公路隧道火灾事件，具有广阔的应用前景。

Description

一种基于烟雾早期运动特征的公路隧道火灾检测方法

技术领域

本发明属于视频检测领域，具体涉及一种基于烟雾早期运动特征的公路隧道火灾检测方法。

背景技术

近年来,公路隧道的安全问题日益为世人所关注，在公路隧道发生的安全事故中，火灾是危害最大的一类。但在这种大空间、大面积、环境比较恶劣的场所，传统的火灾探测器无法及时地进行火灾报警，而且也不能提供诸如着火的具***置、规模、火焰的扩散程度等信息，给营救工作带来了诸多不便，导致了严重的经济损失和人员伤亡。误报警现象也时有发生。

随着计算机技术和机器视觉技术的迅速发展，产生了一种全新的火灾探测器，即基于视频的火灾检测***。目前，图像型火灾烟雾探测技术相对与传统的火灾探测技术仍然处于起步阶段。已有的技术为：通过烟雾纹理自相似性检测烟雾；结合隐马尔可夫模型对烟雾场景边缘信息变化进行建模，从而判断场景中是否有烟雾的存在；根据烟雾的光谱特征判断是否有烟雾的存在等。但是隧道环境比较复杂，色调比较灰暗，灯光的影响尤为显著，仅通过纹理来检测烟雾并不准确，边缘特征也不明显。

发明内容

针对现有技术的不足和缺陷，本发明的目的在于，提供一种基于烟雾早起运动特征的公路隧道火灾检测方法，该方法可以对视频范围内发生的火灾事件进行实时、可靠的检测。

为了实现上述任务，本发明采用如下技术方案予以实现：

一种基于烟雾早期运动特征的公路隧道火灾检测方法，该方法按照以下步骤进行：

步骤一，通过摄像机采集实时图像，获取并更新该图像的背景，即背景图像；

步骤二，将第一帧图像和第一帧图像的背景图像在相同的块坐标系下都划分成多个块；

步骤三，对第一帧图像中的每个块，在背景图像中找到与该块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；

当所得的绝对值之和大于设定的阈值A，所述的阈值A的取值为（3/4）×块的面积×255，则该块为目标块，将该目标块内所有像素的灰度值赋值为255；

当所得的绝对值之和小于或等于设定的阈值A，则该块为背景块，将背景块内所有像素的灰度值赋值为0；

最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；

步骤四，对于第一帧图像的二值化图像，在图像的上半区域标定出检测区域，对检测区域内出现的目标块进行连通域标记，将相邻的目标块标记为同一目标，得到检测目标的连通域，并确定和记录边界；

步骤五，重复步骤二、步骤三和步骤四的方法对从第二帧图像起的所有连续的图像进行处理；

步骤六，当连续n帧图像检测出来的某一连通域的上下边界与检测区域的上下边界重合，并且重心位置的偏移量小于一定距离L，则将该目标区域作为疑似烟雾区域，其中：

n∈[80,100]，n为正整数；

L的取值为步骤二中所划分的块的宽度的5倍；

步骤七，当连续n帧图像中第i帧图像检测出疑似烟雾区域，逆向进行跟踪匹配处理，获取第i-j(i>j，i和j均为正整数)帧的灰度图像，将目标区域重新分成m’×n’的小块每一小块作为一个模板，认为小块内各个像素的运动保持一致，并以每个小块的中心为起始点在待搜索图像中划定搜索范围，遍历搜索区域中的位置，计算以各个位置为中心且大小同样为m’×n’的小块与模板的相似度，与模板最相似的小块即为匹配块，并记录模板运动的方向，同时将匹配块作为下一次匹配所需要的模板块，将j加2，即待搜索图像与作为模板块的图像相差能够辨别明显运动变化的2帧；

步骤八，当i>j时，重复步骤七的过程进行处理，当i=j时，匹配结束，得到每一个匹配块的运动方向，选取频率最高的作为目标区域块的运动主方向，当有3/4的目标块的运动主方向处于45°角和135°角之间，即该检测目标为烟雾，此处发生火灾。

本发明的基于烟雾早期运动特征的公路隧道火灾检测方法，与现有技术相比，可对视频监控范围内发生的火灾事件进行检测，不受环境限制，能够实时对视频进行检测，且检测时间短、易于实现、准确性较高，适合于实时检测公路隧道火灾事件，具有广阔的应用前景。

附图说明

图1为第1帧图像。

图2为标定了检测区域的图像。

图3为烟雾第一次出现的第985帧图像。

图4（a）、图4（b）和图4（c）依次为第1110、1120和1130帧三幅图像的二值化标记图像，图中白色目标为当前帧的二值化标记目标，白色矩形框为连通域边界，大矩形框为烟雾目标，小矩形框为干扰目标。

图5为标定了烟雾运动主方向的视频图像，黑线为方向指示，图中大部分目标块的运动主方向处于45°角和135°角之间。

以下结合附图和实施例对本发明的内容作进一步详细说明。

具体实施方式

本实施例给出一种基于烟雾早期运动特征的公路隧道火灾检测方法，通过基于块的二值化分割、连通域标记和目标运动主方向来判别公路隧道是否发生火灾。需要说明的是，本发明的方法过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为正整数)帧图像。

设每一帧视频图像的大小为W*H，每个块的面积大小为w*h，其中W为每一帧视频视频图像水平方向的像素，H为每一帧视频图像垂直方向的像素，w为每个块区域的宽度，h为每个块区域的高度。

本实施例的方法具体采用以下步骤实现：

步骤一，通过摄像机采集实时图像，获取并更新该图像的背景，即背景图像；

步骤二，将第一帧图像和第一帧图像的背景图像在相同的块坐标系下都划分成多个块；

步骤三，对第一帧图像中的每个块，在背景图像中找到与该块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；

当所得的绝对值之和大于设定的阈值A，所述的阈值A的取值为（3/4）×（w*h）×255，则该块为目标块，将该目标块内所有像素的灰度值赋值为255；

当所得的绝对值之和小于或等于设定的阈值A，则该块为背景块，将背景块内所有像素的灰度值赋值为0；

最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；

步骤四，对于第一帧图像的二值化图像，在图像的上半区域标定出检测区域，对检测区域内出现的目标块进行连通域标记，将相邻的目标块标记为同一目标，得到检测目标的连通域，并确定和记录边界；

步骤五，重复步骤二、步骤三和步骤四的方法对从第二帧图像起的所有连续的图像进行处理；

步骤六，当连续n帧图像检测出来的某一连通域的上下边界与检测区域的上下边界重合，并且重心位置的偏移量小于一定距离L，则将该目标区域作为疑似烟雾区域，其中：

n∈[80,100]，n为正整数；

L的取值为步骤二中所划分的块的宽度的5倍；

步骤七，当连续n帧图像中第i帧图像检测出疑似烟雾区域，逆向进行跟踪匹配处理，获取第i-j(i>j，i和j均为正整数)帧的灰度图像，将目标区域重新分成m’×n’的小块每一小块作为一个模板，认为小块内各个像素的运动保持一致，并以每个小块的中心为起始点在待搜索图像中划定搜索范围，遍历搜索区域中的位置，计算以各个位置为中心且大小同样为m’×n’的小块与模板的相似度，与模板最相似的小块即为匹配块，并记录模板运动的方向，同时将匹配块作为下一次匹配所需要的模板块，将j加2，即待搜索图像与作为模板块的图像相差能够辨别明显运动变化的2帧；

步骤八，当i>j时，重复步骤七的过程进行处理，当i=j时，匹配结束，得到每一个匹配块的运动方向，选取频率最高的作为目标区域块的运动主方向，当有3/4的目标块的运动主方向处于45°角和135°角之间，即该检测目标为烟雾，此处发生火灾。

以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。

实施例：

实施例中处理过程中视频的采样频率是25帧每秒，帧图像大小为720×288，每块区域的大小为4×3，将帧图像分成180×96个块区域，目标区域二值化分割阈值为2295，得到疑似目标区域后，将该区域重新分块，每块的大小为5×5，搜索区域为10×12，按照本发明的方法依次对第1帧至第1982帧图像进行处理。

已知视频正播时，图1为该视频的第1帧图像；图2为标定了检测区域的图像；烟雾目标第一次出现在第985帧图像中，如图3所示；从图4中可以看出烟雾目标运动的形态特征，自上而下连续不间断的，并且重心偏移量较小，图4（a）、图4（b）和图4（c）依次为第1110、1120和1130帧三幅图像的二值化标记图像，图中白色目标为当前帧的二值化标记目标，白色矩形框为连通域边界，大矩形框为烟雾目标，小矩形框为干扰目标。图5为标定了烟雾运动主方向的视频图像，黑线为方向指示，图中大部分目标块的运动主方向处于45°角和135°角之间。

Claims (1)

1.一种基于烟雾早期运动特征的公路隧道火灾检测方法，其特征在于，该方法按照以下步骤进行：

步骤一，通过摄像机采集实时图像，获取并更新该图像的背景，即背景图像；

步骤二，将第一帧图像和第一帧图像的背景图像在相同的块坐标系下都划分成多个块；

步骤三，对第一帧图像中的每个块，在背景图像中找到与该块位置相同的背景块，并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和；

当所得的绝对值之和大于设定的阈值A，所述的阈值A的取值为（3/4）×块的面积×255，则该块为目标块，将该目标块内所有像素的灰度值赋值为255；

当所得的绝对值之和小于或等于设定的阈值A，则该块为背景块，将背景块内所有像素的灰度值赋值为0；

最后将第一帧图像中的背景与目标分离开，得到第一帧图像的二值化图像；

步骤四，对于第一帧图像的二值化图像，在图像的上半区域标定出检测区域，对检测区域内出现的目标块进行连通域标记，将相邻的目标块标记为同一目标，得到检测目标的连通域，并确定和记录边界；

步骤五，重复步骤二、步骤三和步骤四的方法对从第二帧图像起的所有连续的图像进行处理；

步骤六，当连续n帧图像检测出来的某一连通域的上下边界与检测区域的上下边界重合，并且重心位置的偏移量小于一定距离L，则将该目标区域作为疑似烟雾区域，其中：

n∈[80,100]，n为正整数；

L的取值为步骤二中所划分的块的宽度的5倍；

步骤七，当连续n帧图像中第i帧图像检测出疑似烟雾区域，逆向进行跟踪匹配处理，获取第i-j(i>j，i和j均为正整数)帧的灰度图像，将目标区域重新分成m’×n’的小块每一小块作为一个模板，认为小块内各个像素的运动保持一致，并以每个小块的中心为起始点在待搜索图像中划定搜索范围，遍历搜索区域中的位置，计算以各个位置为中心且大小同样为m’×n’的小块与模板的相似度，与模板最相似的小块即为匹配块，并记录模板运动的方向，同时将匹配块作为下一次匹配所需要的模板块，将j加2，即待搜索图像与作为模板块的图像相差能够辨别明显运动变化的2帧；

步骤八，当i>j时，重复步骤七的过程进行处理，当i=j时，匹配结束，得到每一个匹配块的运动方向，选取频率最高的作为目标区域块的运动主方向，当有3/4的目标块的运动主方向处于45°角和135°角之间，即该检测目标为烟雾，此处发生火灾。

Images