CN108765454A - 一种基于视频的烟雾检测方法、装置及设备终端 - Google Patents

一种基于视频的烟雾检测方法、装置及设备终端 Download PDF

Info

Publication number
CN108765454A
CN108765454A CN201810380051.XA CN201810380051A CN108765454A CN 108765454 A CN108765454 A CN 108765454A CN 201810380051 A CN201810380051 A CN 201810380051A CN 108765454 A CN108765454 A CN 108765454A
Authority
CN
China
Prior art keywords
image block
block
original picture
smog
candidate image
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.)
Pending
Application number
CN201810380051.XA
Other languages
English (en)
Inventor
王元鹏
周美兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Clp Smart Security Polytron Technologies Inc
Original Assignee
Shenzhen Clp Smart Security Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Clp Smart Security Polytron Technologies Inc filed Critical Shenzhen Clp Smart Security Polytron Technologies Inc
Priority to CN201810380051.XA priority Critical patent/CN108765454A/zh
Publication of CN108765454A publication Critical patent/CN108765454A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于技术领域，提供了一种基于视频的烟雾检测方法、装置及终端设备。该方法包括：对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。本发明采用计算机视觉技术和人工智能技术实现对监控区域的实时探测，并找到烟雾出现的位置，从而能够准确地对着火点进行定位，避免火灾的发生和蔓延，具有较强的实用性和易用性。

Description

一种基于视频的烟雾检测方法、装置及设备终端
技术领域
本发明属于技术领域，尤其涉及一种基于视频的烟雾检测方法、装置及设备终端。
背景技术
传统的火灾探测技术主要采用烟感探测器、红外探测器、紫外探测器等，当探测器超过给定阈值，则探测器报警，但它们不适于高大空间建筑及开阔区域(如草原、森林、隧道、机场、商场、大型仓库等)及存在响应速度慢、误报率高等问题。而基于视频的烟雾检测方法采用计算机视觉技术、人工智能技术实现对监控区域的实时探测，并找到烟雾出现的位置，从而能够准确地对着火点进行定位，避免火灾的发生和蔓延。此技术的优势有：能够对大范围的场景进行烟雾监控，响应速度快、环境污染小。
现有的基于图像的烟雾检测方法采用了烟雾的一些特征来识别，如颜色、轮廓、模糊、纹理等。由于烟雾的复杂性及无规律性，存在抗干扰性不高和适应性差等缺陷，从而导致误报率高。
发明内容
有鉴于此，本发明实施例提供了一种基于视频的烟雾检测方法、装置及设备终端，以解决现有技术中基于视频的烟雾检测方法存在误报率高的问题。
本发明实施例的第一方面提供了一种基于视频的烟雾检测方法，包括：
对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
本发明实施例的第二方面提供了一种基于视频的烟雾检测装置，包括：
对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
运动检测模块，用于对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
颜色检测模块，用于对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
能量检测模块，对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
运动方向检测模块，用于对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
确定模块，获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：
对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
本发明实施例，通过对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。本发明实施例，采用计算机视觉技术和人工智能技术实现对监控区域的实时探测，并找到烟雾出现的位置，从而能够准确地对着火点进行定位，避免火灾的发生和蔓延，具有较强的实用性和易用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的基于视频的烟雾检测方法的实现流程示意图；
图2是本发明实施例中烟雾图像块运动方向的示意图；
图3是本发明实施例提供的LBP值的示意图；
图4是本发明实施例二提供的基于视频的烟雾检测装置的结构框图；
图5是本发明实施例三提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
图1示出了本发明实施例一提供的基于视频的烟雾检测方法的实现流程示意图。如图1所示，该基于视频的烟雾检测方法具体可包括如下步骤。
步骤S101：对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块。
其中，使用混合高斯模型对监控视频的视频流进行运动检测，检测前景。基于统计方法建立背景模型，将前景与背景进行分离来实现对场景中运动目标的检测，并不断更新背景模型。获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块。
步骤S102：对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块。
所述第一预设条件包括RGB颜色空间条件和YUV颜色空间条件，所述对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块，包括：
子步骤S201：获取当前帧的原始图像块中满足预定关系的像素点个数，若像素点个数与原始图像块中总像素个数的比值大于或等于预设比例，则确定该原始图像块中的烟雾满足所述RGB颜色空间条件，所述预设比例为大于零小于 1的常数；所述预定关系为：max(r,g,b)-min(r,g,b)≤τ，且I＝(r+g+b)/3；其中，r,g,b分别为像素在R、G和B通道上的值，τ为颜色阈值，max(r,g,b)表示r,g,b中的最大值，min(r,g,b)表示r,g,b中的最小值，I为像素亮度；
例如，τ(15≤τ≤20)为颜色阈值，I(80≤I≤220)为像素亮度。统计每个图像块中满足RGB颜色条件的像素点个数，若像素点个数不少于整个图像块中总像素个数的20％，则确定满足第一条件。
子步骤S202：将RGB颜色空间转换成YUV颜色空间，并计算原始图像块在 y、u和v通道上的均值和计算公式如下： 其中，N为原始图像块中像素点的个数， (xi,yi)为第i个图像点坐标，y(xi,yi)、u(xi,yi)和v(xi,yi)分别为第i个图像点在Y、 U和V通道上的值；
其中，转换公式可以为：
子步骤S203：根据当前帧的原始图像块中的背景图像块平均值和当前图像块平均值的变化情况，判断是否满足YUV颜色空间条件：
其中，分别为当前图像块在y、u和v通道上的平均值，分别为与所述当前图像块对应的背景图像块在y、u和v通道上的平均值，τ和τy为固定的常数；
其中，一般情形下，τ＝10，τy＝55
子步骤S204：将同时满足所述RGB颜色空间条件和所述YUV颜色空间条件的原始图像块作为第一候选图像块。
步骤S103：对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块。
可选地，步骤S103具体可包括：
子步骤S301：将第一候选图像块转换成灰度图像块。
子步骤S302：对灰度图像块进行二维离散小波变换，计算灰度图像块中背景图像块的第一频率能量与第二频率能量，以及前景图像块的第一频率能量与第二频率能量。
其中，小波变换后的灰度图像块，由四部分组成，左上角LL，右上角HL，左下角LH和右下角HH。
其中，第一频率能量为高频能量，第二频率能量为低频能量；
则，图像块中高频能量的表达式为为：
图像块中低频能量的表达式为：
子步骤S303：计算背景图像块的第一频率能量和前景图像块的第一频率能量的比值，以及背景图像块的第二频率能量和前景图像块的第二频率能量的比值，满足下列条件：
eHB/eHF≥1.05且eLB/eLF≤0.9，则将第一烟雾图像块中满足第一频率能量减少且第二频率能量增加的图像块确定为第二候选图像块；其中，eHB和eHF分别为背景图像块和前景图像块的第一频率能量，eLB和eLF分别为背景图像块和前景图像块的第二频率能量。
步骤S104：判断第二烟雾图像块的运动方向，将第二图像块中运动方向属于预设方向的子图像块确定为第三烟雾图像块。
可选地，步骤S104具体包括如下步骤：
子步骤S401：将第二候选图像块的前一帧进行灰度变换获得灰度图像,并分成若干个大小相同的图像块。
子步骤S402：选取N个方向，分别计算N个方向上前一帧灰度图像块和当前帧灰度图像块的Pearson相关系数，从所述N个方向中选取Pearson相关系数最大的方向作为当前图像块的运动主方向，Pearson相关系数计算方法如下：
其中，gn和gn-1分别表示当前帧和前一帧灰度值，(xi,yi)表示像素坐标，N 为图像块中像素点个数，dx和dy分别表示偏移量。
例如，选取N＝17,则在17个方向上(与当前帧图像块对应位置周围的5x5 个图像块)分别计算前帧灰度图像块和当前帧灰度图像块的Pearson相关系数，选取最大值当作当前图像块的运动主方向。Pearson相关系数计算方法如下：
其中，gn和gn-1分别表示当前帧和前一帧灰度值，(xi,yi)表示像素坐标，N 为图像块中像素点个数，dx(dx∈[-2 2])和dy(dy∈[-2 2])分别表示偏移量(取值： -2，-1，0，1，2)。
子步骤S403：若所述运动主方向与预设的运动方向一致，则确定所述第二候选图像块为第三候选图像块。
计算第二候选图像块的运动方向，若与预设方向一致(均为向上)，则当第二烟雾图像块的运动方向为左上、向上或右上(如图2中的方向2至方向8)，则此图像块为候选烟第三烟雾图像块雾图像块。
步骤S105：获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
可选地，步骤S105可包括：
子步骤S501：将中间图像对应值与最后一幅图像对应值相乘，得到对应的 LBP值，其中，LBP计算公式为：
其中，P为当前像素点的邻域点个数，R为邻域半径。
对图像中的每个像素点，将3x3邻域中每个像素与当前像素的灰度值进行比较，将中间图像对应值与最后一幅图像对应值相乘就可求得对应的LBP值，如图3所示，LBP＝1+4+8+16+32+128＝189。
子步骤S502：统计0到255的二进制形式中跳变次数小于等于2的数据集的个数M，其余的当成另一类；其中，跳变次数的计算公式为：
子步骤S503：统计M+1类数据的出现次数，将每类出现的概率组合作为M+1 维特征向量。
对于步骤S502和S503，统计0到255的二进制形式中跳变(相邻数字间0 到1，1到0)次数小于等于2的数据集，共有58个，其余的当成另一类。统计59类数据的出现次数，将每类出现的概率组合作为特征向量(59维)。其中跳变次数的计算为：
子步骤S504：将所述特征向量输入到Adaboost烟雾分类模型，若输出为正，则确定当前帧的原始图像块为烟雾图像块。
例如，将特征向量输入到Adaboost烟雾分类模型进行判断，若判别结果为 1，则表示当前图像块存在烟雾，否则为非烟雾图像块。
可选地，在确定原始图像块为烟雾图像块之后，还包括：
若确定连续Z帧原始图像块为烟雾图像块，且所述Z帧原始图像块中相邻原始图像块的重叠部分小于第一阈值和/或边界之差大于第二阈值，则确定为非烟雾模块，Z为大于1的整数。
如果确定连续Z帧原始图像块为烟雾图像块，且所述Z帧原始图像块中相邻原始图像块的重叠部分小于第一阈值和/或边界之差大于第二阈值，则确定所述原始图像块的烟雾检测结果为非稳定烟雾区域。例如，10帧检测结果中相邻组稳定烟雾区域变化太快(如重叠率过少和/或边界之差超过阈值)，则此烟雾区域为快速移动物体(如着类火焰颜色衣服的行人或车辆等),因此确定为非烟雾模块。
本发明实施例通过对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。本发明实施例采用计算机视觉技术和人工智能技术实现对监控区域的实时探测，并找到烟雾出现的位置，从而能够准确地对着火点进行定位，避免火灾的发生和蔓延，具有较强的实用性和易用性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
实施例二
请参考图4，其示出了本发明实施例二提供的基于视频的烟雾检测装置的结构框图。所述基于视频的烟雾检测装置40包括：运动检测模块41、颜色检测模块42、能量检测模块43、运动方向检测模块44和确定模块45。其中，各模块的具体功能如下：
运动检测模块41，用于对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
颜色检测模块42，用于对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
能量检测模块43，对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
运动方向检测模块44，用于对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
确定模块45，用于获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
可选地，颜色检测模块42包括：
获取单元，获取当前帧的原始图像块中满足预定关系的像素点个数，若像素点个数与原始图像块中总像素个数的比值大于或等于预设比例，则确定该原始图像块中的烟雾满足所述RGB颜色空间条件，所述预设比例为大于零小于1 的常数；所述预定关系为：max(r,g,b)-min(r,g,b)≤τ，且I＝(r+g+b)/3；其中，r,g,b分别为像素在R、G和B通道上的值，τ为颜色阈值，max(r,g,b)表示r,g,b中的最大值，min(r,g,b)表示r,g,b中的最小值，I为像素亮度；
转换计算单元，用于将RGB颜色空间转换成YUV颜色空间，并计算原始图像块在y、u和v通道上的均值和计算公式如下： 其中，N为原始图像块中像素点的个数， (xi,yi)为第i个图像点坐标，y(xi,yi)、u(xi,yi)和v(xi,yi)分别为第i个图像点在Y、 U和V通道上的值；
第一判断单元，用于根据当前帧的原始图像块中的背景图像块平均值和当前图像块平均值的变化情况，判断是否满足YUV颜色空间条件：
其中，分别为当前图像块在y、u和v通道上的平均值，分别为与所述当前图像块对应的背景图像块在y、u和v通道上的平均值，τ和τy为固定的常数；
第一确定单元，用于将同时满足所述RGB颜色空间条件和所述YUV颜色空间条件的原始图像块作为第一候选图像块。
可选地，能量检测模块43包括：
转换单元，用于将第一候选图像块转换成灰度图像块；
小波变换单元，用于对灰度图像块进行二维离散小波变换，计算灰度图像块中背景图像块的第一频率能量与第二频率能量，以及前景图像块的第一频率能量与第二频率能量；
计算确定单元，用于计算背景图像块的第一频率能量和前景图像块的第一频率能量的比值，以及背景图像块的第二频率能量和前景图像块的第二频率能量的比值，满足下列条件：
eHB/eHF≥1.05且eLB/eLF≤0.9，则将第一烟雾图像块中满足第一频率能量减少且第二频率能量增加的图像块确定为第二候选图像块；其中，eHB和eHF分别为背景图像块和前景图像块的第一频率能量，eLB和eLF分别为背景图像块和前景图像块的第二频率能量。
可选地，运动方向检测模块44包括：
灰度变换单元，用于将第二候选图像块的前一帧进行灰度变换获得灰度图像,并分成若干个大小相同的图像块；
相关系数计算单元，用于选取N个方向，分别计算N个方向上前一帧灰度图像块和当前帧灰度图像块的Pearson相关系数，从所述N个方向中选取 Pearson相关系数最大的方向作为当前图像块的运动主方向，Pearson相关系数计算装置如下：
其中，gn和gn-1分别表示当前帧和前一帧灰度值，(xi,yi)表示像素坐标，N 为图像块中像素点个数，dx和dy分别表示偏移量；
第二确定单元，用于当所述运动主方向与预设的运动方向一致时，则确定所述第二候选图像块为第三候选图像块。
可选地，确定模块45包括：
计算单元，用于将中间图像对应值与最后一幅图像对应值相乘，得到对应的LBP值，其中，LBP计算公式为：
其中，P为当前像素点的邻域点个数，R为邻域半径；
第一统计单元，用于统计0到255的二进制形式中跳变次数小于等于2的数据集的个数M，其余的当成另一类；其中，跳变次数的计算公式为：
第二统计单元，统计M+1类数据的出现次数，将每类出现的概率组合作为 M+1维特征向量；
第二判断单元，用于将所述M+1维特征向量输入Adaboost烟雾分类模型，若输出结果为正，则确定当前帧的原始图像块为烟雾图像块。
可选地，基于视频的烟雾检测装置还包括：
报警模块，用于若确定连续Z帧原始图像块为烟雾图像块，且所述Z帧原始图像块中相邻原始图像块的重叠部分小于第一阈值和/或边界之差大于第二阈值，则确定为非烟雾模块，Z为大于1的整数。
本发明实施例通过对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。本发明实施例采用计算机视觉技术和人工智能技术实现对监控区域的实时探测，并找到烟雾出现的位置，从而能够准确地对着火点进行定位，避免火灾的发生和蔓延，具有较强的实用性和易用性。
实施例三
图5是本发明三实施例提供的终端设备的示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如基于视频的烟雾检测方法程序。所述处理器50执行所述计算机程序52时实现上述各个基于视频的烟雾检测方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器50 执行所述计算机程序52时实现上述各装置实施例中各单元的功能，例如图4 所示模块41至45的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如，所述计算机程序52可以被分割成运动检测模块、颜色检测模块、能量检测模块、运动方向检测模块和确定模块，各模块的具体功能如下：
运动检测模块，用于对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
颜色检测模块，用于对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
能量检测模块，对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
运动方向检测模块，用于对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
确定模块，用于获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑、云端服务器或者其他智能终端等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5 的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于视频的烟雾检测方法，其特征在于，包括：
对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
2.如权利要求1所述的基于视频的烟雾检测方法，其特征在于，所述第一预设条件包括RGB颜色空间条件和YUV颜色空间条件，所述对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块，包括：
获取当前帧的原始图像块中满足预定关系的像素点个数，若像素点个数与原始图像块中总像素个数的比值大于或等于预设比例，则确定该原始图像块中的烟雾满足所述RGB颜色空间条件，所述预设比例为大于零小于1的常数；所述预定关系为：max(r,g,b)-min(r,g,b)≤τ，且I＝(r+g+b)/3；其中，r,g,b分别为像素在R、G和B通道上的值，τ为颜色阈值，max(r,g,b)表示r,g,b中的最大值，min(r,g,b)表示r,g,b中的最小值，I为像素亮度；
将RGB颜色空间转换成YUV颜色空间，并计算原始图像块在y、u和v通道上的均值和计算公式如下： 其中，N为原始图像块中像素点的个数，(xi,yi)为第i个图像点坐标，y(xi,yi)、u(xi,yi)和v(xi,yi)分别为第i个图像点在Y、U和V通道上的值；
根据当前帧的原始图像块中的背景图像块平均值和当前图像块平均值的变化情况，判断是否满足YUV颜色空间条件：
其中，分别为当前图像块在y、u和v通道上的平均值，分别为与所述当前图像块对应的背景图像块在y、u和v通道上的平均值，τ和τy为固定的常数；
将同时满足所述RGB颜色空间条件和所述YUV颜色空间条件的原始图像块作为第一候选图像块。
3.如权利要求1所述的基于视频的烟雾检测方法，其特征在于，对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块，包括：
将第一候选图像块转换成灰度图像块；
对灰度图像块进行二维离散小波变换，计算灰度图像块中背景图像块的第一频率能量与第二频率能量，以及前景图像块的第一频率能量与第二频率能量；
计算背景图像块的第一频率能量和前景图像块的第一频率能量的比值，以及背景图像块的第二频率能量和前景图像块的第二频率能量的比值，满足下列条件：
eHB/eHF≥1.05且eLB/eLF≤0.9，则将第一烟雾图像块中满足第一频率能量减少且第二频率能量增加的图像块确定为第二候选图像块；其中，eHB和eHF分别为背景图像块和前景图像块的第一频率能量，eLB和eLF分别为背景图像块和前景图像块的第二频率能量。
4.如权利要求1所述的基于视频的烟雾检测方法，其特征在于，对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块包括：
将第二候选图像块的前一帧进行灰度变换获得灰度图像,并分成若干个大小相同的图像块；
选取N个方向，分别计算N个方向上前一帧灰度图像块和当前帧灰度图像块的Pearson相关系数，从所述N个方向中选取Pearson相关系数最大的方向作为当前图像块的运动主方向，Pearson相关系数计算方法如下：
其中，gn和gn-1分别表示当前帧和前一帧灰度值，(xi,yi)表示像素坐标，N为图像块中像素点个数，dx和dy分别表示偏移量；
若所述运动主方向与预设的运动方向一致，则确定所述第二候选图像块为第三候选图像块。
5.如权利要求1所述的基于视频的烟雾检测方法，其特征在于，获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块包括：
将中间图像对应值与最后一幅图像对应值相乘，得到对应的LBP值，其中，LBP计算公式为：
其中，P为当前像素点的邻域点个数，R为邻域半径；
统计0到255的二进制形式中跳变次数小于等于2的数据集的个数M，其余的当成另一类；其中，跳变次数的计算公式为：
统计M+1类数据的出现次数，将每类出现的概率组合作为M+1维特征向量；
将所述M+1维特征向量输入Adaboost烟雾分类模型，若输出结果为正，则则确定当前帧的原始图像块为烟雾图像块。
6.如权利要求1至5任一项所述的基于视频的烟雾检测方法，其特征在于，在确定当前帧的原始图像块为烟雾图像块之后，还包括：
若确定连续Z帧原始图像块为烟雾图像块，且所述Z帧原始图像块中相邻原始图像块的重叠部分小于第一阈值和/或边界之差大于第二阈值，则确定为非烟雾模块，Z为大于1的整数。
7.一种基于视频的烟雾检测装置，其特征在于，包括：
运动检测模块，用于对视频流进行运动检测，获取运动目标区域图像，并对每帧运动目标区域图像进行分块得到原始图像块；
颜色检测模块，用于对当前帧的原始图像块进行颜色检测，获得颜色满足第一预设条件的第一候选图像块；
能量检测模块，对所述第一候选图像块进行能量检测，获得能量满足第二预设条件的第二候选图像块；
运动方向检测模块，用于对所述第二候选图像块中运动目标的运动方向进行检测，获得运动方向满足第三预设条件的第三候选图像块；
确定模块，获取所述第三候选图像块的特征向量，并将所述特征向量输入预设的模型中，若输出结果满足第四预设条件，则确定当前帧的原始图像块为烟雾图像块。
8.如权利要求7所述的基于视频的烟雾检测装置，其特征在于，所述第一预设条件包括RGB颜色空间条件和YUV颜色空间条件，所述颜色检测模块包括：
获取单元，获取当前帧的原始图像块中满足预定关系的像素点个数，若像素点个数与原始图像块中总像素个数的比值大于或等于预设比例，则确定该原始图像块中的烟雾满足所述RGB颜色空间条件，所述预设比例为大于零小于1的常数；所述预定关系为：max(r,g,b)-min(r,g,b)≤τ，且I＝(r+g+b)/3；其中，r,g,b分别为像素在R、G和B通道上的值，τ为颜色阈值，max(r,g,b)表示r,g,b中的最大值，min(r,g,b)表示r,g,b中的最小值，I为像素亮度；
转换计算单元，用于将RGB颜色空间转换成YUV颜色空间，并计算原始图像块在y、u和v通道上的均值和计算公式如下： 其中，N为原始图像块中像素点的个数，(xi,yi)为第i个图像点坐标，y(xi,yi)、u(xi,yi)和v(xi,yi)分别为第i个图像点在Y、U和V通道上的值；
第一判断单元，用于根据当前帧的原始图像块中的背景图像块平均值和当前图像块平均值的变化情况，判断是否满足YUV颜色空间条件：
其中，分别为当前图像块在y、u和v通道上的平均值，分别为与所述当前图像块对应的背景图像块在y、u和v通道上的平均值，τ和τy为固定的常数；
第一确定单元，用于将同时满足所述RGB颜色空间条件和所述YUV颜色空间条件的原始图像块作为第一候选图像块。
9.一种设备终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN201810380051.XA 2018-04-25 2018-04-25 一种基于视频的烟雾检测方法、装置及设备终端 Pending CN108765454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810380051.XA CN108765454A (zh) 2018-04-25 2018-04-25 一种基于视频的烟雾检测方法、装置及设备终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810380051.XA CN108765454A (zh) 2018-04-25 2018-04-25 一种基于视频的烟雾检测方法、装置及设备终端

Publications (1)

Publication Number Publication Date
CN108765454A true CN108765454A (zh) 2018-11-06

Family

ID=64011759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810380051.XA Pending CN108765454A (zh) 2018-04-25 2018-04-25 一种基于视频的烟雾检测方法、装置及设备终端

Country Status (1)

Country Link
CN (1) CN108765454A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135374A (zh) * 2019-05-21 2019-08-16 吉林大学 采用图像块特征识别与回归分类的火灾烟雾检测方法
CN110263654A (zh) * 2019-05-23 2019-09-20 深圳市中电数通智慧安全科技股份有限公司 一种火焰检测方法、装置及嵌入式设备
CN112419413A (zh) * 2020-12-07 2021-02-26 萱闱(北京)生物科技有限公司 终端设备的运动方向监测方法、介质、装置和计算设备
CN114037959A (zh) * 2021-11-26 2022-02-11 上海汽车集团股份有限公司 一种监控画面中危险情况的检测方法及装置
WO2022165735A1 (zh) * 2021-02-02 2022-08-11 豪威芯仑传感器(上海)有限公司 一种运动物体检测方法及***
CN114037959B (zh) * 2021-11-26 2024-07-16 上海汽车集团股份有限公司 一种监控画面中危险情况的检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1894594A (zh) * 2003-12-16 2007-01-10 皇家飞利浦电子股份有限公司 具有自动控制穿透度、分辨率和帧速率的超声诊断成像***
CN103020628A (zh) * 2012-11-30 2013-04-03 北京理工大学 一种基于rgb对比图像与目标形状的烟雾检测方法
CN103870818A (zh) * 2014-03-31 2014-06-18 中安消技术有限公司 一种烟雾检测方法和装置
CN104050478A (zh) * 2014-07-09 2014-09-17 湖南大学 烟雾检测方法与***
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法
CN106228150A (zh) * 2016-08-05 2016-12-14 南京工程学院 基于视频图像的烟雾检测方法
CN106815567A (zh) * 2016-12-30 2017-06-09 北京邮电大学 一种基于视频的火焰检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1894594A (zh) * 2003-12-16 2007-01-10 皇家飞利浦电子股份有限公司 具有自动控制穿透度、分辨率和帧速率的超声诊断成像***
CN103020628A (zh) * 2012-11-30 2013-04-03 北京理工大学 一种基于rgb对比图像与目标形状的烟雾检测方法
CN103870818A (zh) * 2014-03-31 2014-06-18 中安消技术有限公司 一种烟雾检测方法和装置
CN104050478A (zh) * 2014-07-09 2014-09-17 湖南大学 烟雾检测方法与***
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法
CN106228150A (zh) * 2016-08-05 2016-12-14 南京工程学院 基于视频图像的烟雾检测方法
CN106815567A (zh) * 2016-12-30 2017-06-09 北京邮电大学 一种基于视频的火焰检测方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135374A (zh) * 2019-05-21 2019-08-16 吉林大学 采用图像块特征识别与回归分类的火灾烟雾检测方法
CN110263654A (zh) * 2019-05-23 2019-09-20 深圳市中电数通智慧安全科技股份有限公司 一种火焰检测方法、装置及嵌入式设备
CN112419413A (zh) * 2020-12-07 2021-02-26 萱闱(北京)生物科技有限公司 终端设备的运动方向监测方法、介质、装置和计算设备
CN112419413B (zh) * 2020-12-07 2024-01-05 萱闱(北京)生物科技有限公司 终端设备的运动方向监测方法、介质、装置和计算设备
WO2022165735A1 (zh) * 2021-02-02 2022-08-11 豪威芯仑传感器(上海)有限公司 一种运动物体检测方法及***
CN114037959A (zh) * 2021-11-26 2022-02-11 上海汽车集团股份有限公司 一种监控画面中危险情况的检测方法及装置
CN114037959B (zh) * 2021-11-26 2024-07-16 上海汽车集团股份有限公司 一种监控画面中危险情况的检测方法及装置

Similar Documents

Publication Publication Date Title
CN110544258B (zh) 图像分割的方法、装置、电子设备和存储介质
CN108765454A (zh) 一种基于视频的烟雾检测方法、装置及设备终端
CN110852162B (zh) 一种人体完整度数据标注方法、装置及终端设备
CN109086724B (zh) 一种加速的人脸检测方法及存储介质
CN106951869A (zh) 一种活体验证方法及设备
CN105590319A (zh) 一种深度学习的图像显著性区域检测方法
CN111401269B (zh) 基于监控视频的商品热点检测方法、装置和设备
US20230014448A1 (en) Methods for handling occlusion in augmented reality applications using memory and device tracking and related apparatus
CN112183501A (zh) 深度伪造图像检测方法及装置
EP3073443A1 (en) 3D Saliency map
CN108769634A (zh) 一种图像处理方法、图像处理装置及终端设备
CN105184771A (zh) 一种自适应运动目标检测***及检测方法
CN110211110A (zh) 一种构件尺寸的检测方法、***及终端设备
CN111144337A (zh) 火灾检测方法、装置及终端设备
JP7429756B2 (ja) 画像処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム
CN109903265A (zh) 一种图像变化区域侦测阀值设定方法、***及其电子装置
CN115131714A (zh) 视频图像智能检测分析方法及***
JP2005032250A (ja) 顔を検出する処理方法及び画像中の顔の検出装置
JP3725784B2 (ja) 色フレームイメージシーケンスで移動体を検出する装置及び方法
CN117557784B (zh) 目标检测方法、装置、电子设备及存储介质
CN116758529B (zh) 线路识别方法、装置和计算机设备
CN110135224B (zh) 一种监控视频的前景目标提取方法及***、存储介质及终端
CN113240611B (zh) 一种基于图片序列的异物检测方法
CN111723614A (zh) 交通信号灯识别方法及装置
CN108810407A (zh) 一种图像处理方法、移动终端及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 1106, Hengmei Daxia, No. 3 Ganli Road, Jihua Street, Longgang District, Shenzhen City, Guangdong Province, 518000

Applicant after: Shenzhen CLP smart security Polytron Technologies Inc

Address before: 518000 Workshop 401, No. 5, Juyin Science and Technology Industrial Factory Area, Buji Street, Longgang District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen CLP smart security Polytron Technologies Inc

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181106