基于视频信号的工厂烟气排放自动监测***
技术领域
本发明涉及环保领域对工厂烟囱排烟污染监测的方法,具体涉及到一种基于视频信号的工厂烟气排放自动监测***。
背景技术
各型火电厂、化工厂、垃圾焚烧厂等燃烧排放的尾气一般都是有毒气体,大量排放会对环境造成极大的污染。随着我国对环保要求的逐步提高,国家出台了一系列的减排、限排政策以限制这些重污染工厂的排烟量,以防止其对环境造成更大的污染。但为了创造更多的效益,部分企业会在限排、整改、或非规定排放时段继续排放,监管时也难以取证。因此,为了保证国家政策能够顺利执行,需要开发一种有效的对企业排烟过程自动监控的技术方法,提高环保相关领域执法的科学性和有效性。
目前,现有的排烟自动监测方法通常是在烟囱上安装温度传感器或其他化学类传感器来进行监测,但该类方法中传感器易遭人为破坏、移动等而使***不工作或采集虚假信号,给监控造成误导。因视频监控有“眼见为实”的特点,可进行非接触、远距离监测,若被人为破坏、造假等也可以从视频中直接显示(如关掉摄像机、摄像机被改变了监测方向等)、保存记录。目前视频技术已经被用于排烟监测,但主要是用于直接录像,若要对结果进行判断还需要人工在线或者离线查看视频,工作量浩大,自动化程度低、实时性差,起不到自动监控的作用。发明专利(“基于图像处理的烟气排放连续监测***”,ZL200610130503.6)以视频图像的RGB值(即颜色)来监测烟气排放状态,具体方法是选择固定场景中图像无烟区域的颜色作为参考来确定是否在排烟,进而选择正常排烟状态时烟气的颜色模板作为参考,来判断烟气排放的类型(仅限于黑烟、黄烟、红烟)及对浓度进行估算,该方法在监测非白色烟气,亦即烟气与背景之间的颜色有显著区别时是有效的,但忽略了一个事实,即实际生产中,大部分工厂连续工作时排放的烟气是白色的,若通过RGB色调进行判断,上述专利易将天空背景中的白云判断为烟气,即使规定仅用烟囱出口这一较小的区域的RGB来判断,但当该区域中白色烟气与背景上的白云在图像中重叠时,上述专利的方法将会失效。
本发明首先判断摄像机镜头(及可能存在的镜头保护罩玻璃)是否污染,消除污染对监测结果的影响,在此基础上,应用所建背景光照模型去除该区域的背景中运动物体的干扰(如缓慢移动的云团),若区域中还存在运动目标,即判断为正在排放烟气,该方法不受烟气颜色及背景上有云团的干扰,鲁棒性好。
发明内容
本发明提供一种基于视频信号的工厂烟气排放自动监测的方法,通过固定安装的摄像机及视频采集卡连续拍摄含被监测烟囱出口区域的视频,再通过一种自适应的轮廓检测算法判断摄像机镜头(及可能存在的镜头保护罩玻璃)是否存在污染,若没有污染,则根据监测视频建立参考像素值模型及云模型,反投影出概率云区域,以消除光照变化以及背景中有运动云团的干扰,此后若监测到烟囱出口有运动对象,则认为正在排烟,否则认为未在排烟。
为实现上述目的,本实用性所采用的技术方案为:基于视频信号的工厂烟气排放自动监测***,包括视频获取模块、视频处理模块及信息管理模块,所述视频获取模块包括摄像机(1)、视频采集卡(2)和计算机(3);所述视频采集卡(2)安装在计算机(3)上,其输入端与摄像机(1)连接;所述视频处理模块包括视频处理***(4);所述信息管理模块主要用于保存、记录监测结果信息。
所述摄像机(1)拍摄含被监测烟囱出口的视频并传输给视频采集卡(2),视频采集卡(2)将摄像机采集的模拟视频信号转换为数字信号,由计算机(3)中的视频处理***(4)进行实时处理,视频处理***(4)通过一种改进的反投影法对视频进行处理,以判断所监测的烟囱是否在排烟。
所述视频处理***(4)包含以下处理步骤:
步骤1,摄像机镜头及镜头保护罩玻璃污染检测。通过计算检测视频中当前帧图像的边缘强度,得到一种自适应轮廓检测算法,并通过此算法获取图像中的轮廓总数及轮廓覆盖总面积,所述轮廓覆盖总面积以像素为单位,若轮廓总数或轮廓总面积其中一项超出设定阈值,则认为摄像机镜头有污染,***停止监测,并发出警报或提示工作人员处理,若两者都未超出设定阈值,则执行下述的排烟监测步骤;
步骤2,运动目标提取。建立不受光照变化影响的参考像素值模型,并计算当前帧图像的实际像素值与参考像素值的差值以提取监测视频中所有的运动目标,设t时刻视频中某一点的参考像素值为μt:
μt=(1-α)μt-1+αpt (1)
其中,α为设定常数,μt-1为t-1时刻此点的参考像素值,pt为当前时刻此点的实际像素值。当光照强度随时间发生缓慢变化时,背景点的参考像素值μt也将沿光照强度的变化方向发生缓慢变化,故相邻帧背景点的参考像素差值不会超过设定的阈值,即可消除静止背景点的干扰,提取出监测视频中的运动目标;
步骤3,消除背景中云的干扰。若所采集的视频背景中有移动的云团,会对检测烟囱口排烟造成明显的干扰。可在监控视场中设置多处云团观察区域,并计算每块区域的归一化概率密度直方图,通过概率密度直方图反投影得到监测视频中与云团观察区域具有相似色调值的区域-概率云团区,并将其像素值设置为0,则可消除监测视频中运动云团的干扰;
步骤4,排烟检测。根据步骤2-3,若烟囱出口处还存在运动物体,则可判断烟囱正在排烟,否则即为未排烟,从而实现烟囱是否正在排烟的自动检测;
步骤5,若监测结果为正在排烟,则信息管理模块自动将对应的烟囱号、排放起止时刻、该时段视频保存、记录到数据库中,还可根据需要发出提示、报警。
一种基于视频信号的工厂烟气排放自动监测***,将被检测对象换为窗口或楼道,当这些地方因火灾而有烟雾出现时,能够用所述方法来对火灾进行自动监控和报警。
本发明的优点与有益效果在于:
1、通过视频处理***(4)中的自适应轮廓检测算法,能够检测摄像机镜头蒙尘、雨水等的污染程度是否已达到设定阈值,并给出提示,以免镜头污染过高影响视频质量和烟气监测结果。
2、在进行镜头污染检测过程中,通过同时采用轮廓总数或轮廓总面积作为检测指标,能够起到双重检测的目的,当其中任意一项超出阀值即可及时判定镜头的污染,提高了检测的准确性。
3、通过采用视频处理***(4)中运动目标提取步骤,能够有效的排除所拍摄视频中类似白烟背景的干扰,有效的避免了可能发生的误判,消除静止背景点的干扰,提取出监测视频中的运动目标,为后续判定提供基础。
4、通过采用视频处理***(4)中消除背景中云的干扰步骤,能够有效的排除移动云团的干扰保证了检测结果的准确性。
5、相对其他类似方法,本发明不仅在常规情况下能监测排烟状况,在复杂环境中依然能高性能地工作,例如烟尘较大,易使镜头模糊的场合,以及背景中有白云易与前景中白烟颜色混淆的场合,因而适应性更广。
6、通过上述的信息管理模块能够自动记录排放信息,自动将对应的烟囱号、排放起止时刻、该时段视频保存、记录到数据库中,还可根据需要发出提示、报警。通过上述***为远程烟雾排放检测提高了很好的解决方案。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明的结构示意图。
图2是本发明的监测流程示意图。
图3是本发明实测未在排烟的结果。
图4是本发明实测排烟流量较小时的结果。
图5是本发明实测排烟流量较大时的结果。
其中,1-摄像机,2-视频采集卡,3-计算机,4-视频处理***。
具体实施方式
下面结合附图对本发明的实施方式做进一步的说明。
实施例1:
如图1所示,基于视频信号的工厂烟气排放自动监测***,包括视频获取模块、视频处理模块及信息管理模块,所述视频获取模块包括摄像机(1)、视频采集卡(2)和计算机(3);所述视频采集卡(2)安装在计算机(3)上,其输入端与摄像机(1)连接;所述视频处理模块包括视频处理***(4);所述信息管理模块主要用于保存、记录监测结果信息。
进一步的,在工作过程中,所述摄像机(1)拍摄含被监测烟囱出口的视频并传输给视频采集卡(2),视频采集卡(2)将摄像机采集的模拟视频信号转换为数字信号,由计算机(3)中的视频处理***(4)进行实时处理,视频处理***(4)通过一种改进的反投影法对视频进行处理,以判断所监测的烟囱是否在排烟。
进一步的,所述一种改进的反投影法,是在常用的反投影算法基础上改进得到,常用的反投影算法即通过某一区域的色调值反投影整个区域内与其色调值相同的物体。本文的改进反投影算法区别在于:第一,本文通过灰度值和色调值两者进行反投影,使反投影区域内的物体与整个区域内被反投影的物体是同一物体的概率更高;第二,本文设置多处反投影区域对整个区域进行反投影(天空中白云分布无规则,故只设置一处反投影区域时,其中可能没有白云区域),同时在反投影之前摒除了地面区域的影响。
实施例2:
进一步的,所述视频处理***(4)包含以下处理步骤:
步骤1,摄像机镜头及镜头保护罩玻璃污染检测。通过计算检测视频中当前帧图像的边缘强度,得到一种自适应轮廓检测算法,并通过此算法获取图像中的轮廓总数及轮廓覆盖总面积,所述轮廓覆盖总面积以像素为单位,若轮廓总数或轮廓总面积其中一项超出设定阈值,则认为摄像机镜头有污染,***停止监测,并发出警报或提示工作人员处理,若两者都未超出设定阈值,则执行下述的排烟监测步骤;
其中,所述当前帧图像的边缘强度通过公式(1)计算:
式(1)中,参数h和l分别是自适应轮廓算法的高低阈值,i为所监测视频的像素总数,mav为所监测视频中的最大边缘强度。
步骤2,运动目标提取。建立不受光照变化影响的参考像素值模型,并计算当前帧图像的实际像素值与参考像素值的差值以提取监测视频中所有的运动目标,设t时刻视频中某一点的参考像素值为μt:
μt=(1-α)μt-1+αpt (2)
式(2)中,α为设定常数,μt-1为t-1时刻此点的参考像素值,pt为当前时刻此点的实际像素值。当光照强度随时间发生缓慢变化时,背景点的参考像素值μt也将沿光照强度的变化方向发生缓慢变化,故相邻帧背景点的参考像素差值不会超过设定的阈值,即可消除静止背景点的干扰,提取出监测视频中的运动目标;
步骤3,消除背景中云的干扰。若所采集的视频背景中有移动的云团,会对检测烟囱口排烟造成明显的干扰。可在监控视场中设置多处云团观察区域,并计算每块区域的归一化概率密度直方图,通过概率密度直方图反投影得到监测视频中与云团观察区域具有相似色调值的区域-概率云团区,并将其像素值设置为0,则可消除监测视频中运动云团的干扰;
步骤4,排烟检测。根据步骤2-3,若烟囱出口处还存在运动物体,则可判断烟囱正在排烟,否则即为未排烟,从而实现烟囱是否正在排烟的自动检测;
步骤5,若监测结果为正在排烟,则信息管理模块自动将对应的烟囱号、排放起止时刻、该时段视频保存、记录到数据库中,还可根据需要发出提示、报警。
进一步的,所述步骤1中提及的一种自适应轮廓检测算法,是在普通Canny轮廓算法上改进得到,普通Canny轮廓算法是通过人工手动选取高阈值h和低阈值l的。本文的自适应轮廓算法通过公式1直接计算高、低阈值,不需要人工选取。
进一步的,所述步骤3中提及的区域-概率云团区,是指由于和真正的云团的颜色值相似,所以很有可能是云团,但也有可能是其他颜色相似的物体,因此称为概率云团。
实施例3:
一种基于视频信号的工厂烟气排放自动监测***,将被检测对象换为窗口或楼道,当这些地方因火灾而有烟雾出现时,能够用所述方法来对火灾进行自动监控和报警。通过在已发生火灾的地方安装此检测***能够对火灾进行及时的检测,进而能够尽早防范,起到预防火灾的作用。
实施例4:
利用本发明的方法实际监测某火电厂烟囱排放情况如图3、图4、图5所示,其中图3为实际未排放的情况,图4为轻微排放的情况,图5为大量排放的情况。视频背景中布满白云,而排放的烟气也为白色,烟气与背景上的白云色调对比度极差,但无论是轻微排放还是显著排放,本发明都能灵敏地检测出来,获得了较好的监测效果。实际使用时,可根据需要将正排放的烟囱号、排放起止时间及对应视频自动对应保存记录,以留作环保执法证据,或发出某种警报及提示,及时限令整改。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围。