CN110910402B - 一种夜间室外火焰检测方法 - Google Patents

一种夜间室外火焰检测方法 Download PDF

Info

Publication number
CN110910402B
CN110910402B CN201911057920.6A CN201911057920A CN110910402B CN 110910402 B CN110910402 B CN 110910402B CN 201911057920 A CN201911057920 A CN 201911057920A CN 110910402 B CN110910402 B CN 110910402B
Authority
CN
China
Prior art keywords
target
images
pixel
image
flame
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.)
Active
Application number
CN201911057920.6A
Other languages
English (en)
Other versions
CN110910402A (zh
Inventor
周昌龙
姜明华
余锋
王时威
宋坤芳
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.)
Wuhan Textile University
Original Assignee
Wuhan Textile University
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 Wuhan Textile University filed Critical Wuhan Textile University
Priority to CN201911057920.6A priority Critical patent/CN110910402B/zh
Publication of CN110910402A publication Critical patent/CN110910402A/zh
Application granted granted Critical
Publication of CN110910402B publication Critical patent/CN110910402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明属于火焰检测领域，公开了一种夜间室外火焰检测方法，包括周期采样的目标获取方法、基于OTSU算法的目标分割方法，以及位置重合率比较的目标判定方法。周期采样的目标获取方法用于实时获取夜间室外的图像和获取火焰的疑似目标区域；目标分割单元用于分割出疑似目标；火焰判断处理单元用于判断疑似目标是否为火焰。通过对目标区域的实时数据检测、分割、判断并采取相应处理措施来实现实时的夜间室外火情检测，高效的利用机器代替人工，大大的节约了资本，适应人工智能的时代要求，具有科研价值。本发明具有夜间室外火情预警功能，对减少人民群众生命财产的损失，具有重要的意义。

Description

一种夜间室外火焰检测方法
技术领域
本发明属于火焰检测领域，更具体地，涉及一种夜间室外火焰检测方法。
背景技术
传统的视频监控领域需要大量人力资源的投入，把计算机视觉领域的智能算法进行针对性改进并引入到视频监控领域可以极大减少人力资源的消耗。得益于广泛布置的监控摄像头网络，很多智能分析的算法可以直接对从摄像头网络中获取的视频流进行实时分析，从而预测或者检测一些灾难事件的发生，把各类损失降到最低。
传统的火焰检测一般采用某些特定的传感器，但是这类方法只局限于在室内或者小范围区域内使用。如果要在大范围的室外环境下进行火焰检测，使用传感器的方法往往是不可行的，因此，设计一种计算机算法对从监控摄像头网络中获取的视频流进行智能分析并得到火焰检测结果，具有巨大的应用价值。由于火焰的颜色比较特别，现存文献中采用的视频火焰检测算法普遍根据火焰的颜色信息进行分析，这类方法在白天室内环境中可以取得较好的效果。但是在夜间，目前绝大部分的监控摄像机都处于红外模式，也就是输出的图像只有灰度信息，没有颜色信息。因此，传统的视频火焰检测方法无法在夜间室外监控环境下进行工作。相比于白天正常光照条件下，夜间的火焰检测具有更大的难度。有时候人眼也无法区分夜间远距离的火焰和路灯，还有夜间的车灯也会对火焰检测产生干扰。
公开号为CN103440484A的中国专利“一种适应室外大空间的火焰检测方法”采用的是背景和当前帧图形成的掩码二值图以及物体目标和亮度目标形成的目标二值图，进行连通区域的获取和链表计算来得到火焰的判断。用掩码二值图及链表的存储，计算等，使得图像处理步骤繁琐，同时算法比较复杂。公开号为CN107729811A的中国专利“一种基于场景建模的夜间火焰检测方法”是对每个监控的场景进行建模，在利用模型和二值化处理后高亮区域进行匹配，在通过连续多次的检测结果和进行轨迹的匹配和提取，最终通过轨迹的运动模式进行判断火焰是否存在。这种方式，要开始对每个摄像头的场景进行建模，计算成本较大且需要较大的存储空间，且需要多次的匹配计算，算法较为复杂。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种夜间室外火焰检测方法，其目的在于简化现有的火焰目标获取、分割和判断的火焰检测方法的算法。
为实现上述目的，本发明所采用的技术方案是：一种夜间室外火焰检测方法，包括周期采样的目标获取方法、基于OTSU算法的目标分割方法、位置重合率比较的目标判定方法：
其中，目标获取方法包括从实时图像数据库中提取采集的连续图像、用灰度化方法处理图像和用帧差法处理图像；
目标分割方法，包括将帧差法处理后的疑似目标区域进行目标分割处理；
目标判定方法，包括目标的位置重合率的计算、位置重合率的比较和对比较结果的应答。
上述的周期采样为在可设定的周期内采集实时图像数据，作为实时图像数据库。
优选的，上述的夜间室外火焰识别方法，其目标获取方法包括从实时图像数据库中提取采集的连续图像、用灰度化方法处理图像和用帧差法处理图像；
提取采集的连续图像，用于采集夜间室外的实时图像；
灰度化时，将图像RGB三通道转化为一个通道，在进行图像减操作时，只需要进行一次操作就好，用于减少计算量；
帧差法处理用于消除背景元素的干扰，将灰度化后的图片进行像素点的减操作，用第二张图片减去第一张图片，用第三张图减去第一张图片，得到疑似目标区域，消除了背景元素的干扰。
优选的，上述的夜间室外火焰识别方法，其目标分割方法，包括将周期采样的实时图像经过灰度化、帧差法处理后的疑似目标区域进行目标分割处理；
目标分割处理时使用OTSU算法得到强化后的目标特征；
OTSU算法是一种自适应的阈值确定方法，算法假设图像像素能够根据阈值来将图像分为背景和目标两部分，根据最佳阈值来区分这两类像素，使得这两类像素区分度最大，图像在灰度化和帧差后，在间类方差最大的情况下，选取最佳阈值，达到最佳分割，将图像上的像素进行二分类。开始背景区域为黑色，像素值为0，疑似火焰区域的像素点为n个，对应的像素值为Nn(Nn<255)，OTSU算法会自适应的找到一个值M，Nn<M，则该点的像素值为0，反之为255，将疑似火焰区域的部分没有达到像素值255的像素点进行了强化。
优选的，上述的夜间室外火焰识别方法，其目标判定方法，包括经过OTSU算法加强后的目标即疑似火焰区域的位置联通区域进行重合率的计算、位置重合率的比较和对比较结果的应答；目标的位置重合率的计算，包括目标像素的实际位置和目标像素大小的计算；目标像素的计算是，选取第一张OTSU算法处理后的图片的像素点的和为M，第二张为N，两张图片像素点进行异或运算，得到的新的图片，这张图片的像素点和为S，假设，两张图片重合部分的面积为X；对于得到的M、N、S、X，重合率计算为2X/(M+N)；位置重合率的比较，是用计算得到的重合率与设定的阈值C的比较，并得到结果。比较结果应答，包括对结果进行应答，选择忽略或报警。
上述的位置重合率的公式为：
Figure BDA0002257023130000031
其中
Figure BDA0002257023130000032
指上述OTSU算法加强后的目标经过异或后的图像的像素值为255的个数总和。
Figure BDA0002257023130000033
指OTSU算法处理后的两张连续图像的像素值为255的个数的总和。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明提供的夜间室外火焰检测方法，利用图像学的函数，对实时采集的系列图像进行处理，从灰度化，剪切，目标的分割，目标的位置重合率的计算，再到，针对计算结果的处理。通过灰度化和剪切，减少了计算的开销和监控场景中的路灯和居民区域的灯光影响。同时，利用OTSU算法，加强了目标的特征，对得到的位置重合率的判断也可以排除车灯对火焰检测的影响。相比于现有技术，可极大减少计算成本和降低***复杂性，提高了图像处理效率和实时性；本发明提出的夜间火焰检测方法可以应用到实际视频监控领域，解决了现存火焰检测技术的局限性。
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是本发明提供的夜间室外火焰检测方法的一个实施例的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1所示，一种夜间室外火焰检测方法，包括周期采样的目标获取方法、基于OTSU算法的目标分割方法、位置重合率比较的目标判定方法：
目标获取方法包括从实时图像数据库中提取采集的连续图像、用灰度化方法处理图像和用帧差法处理图像；
可设定周期的采集连续的图像，用于采集夜间室外的实时图像；
上述灰度化方法用于减少计算量；
上述帧差法处理用于消除背景元素的干扰，将灰度化后的图片进行像素点的减操作，用第二张图片减去第一张图片，用第三张图减去第一张图片，得到疑似目标区域，消除了背景元素的干扰。
目标分割方法，包括将周期采样的实时图像经过灰度化、帧差法处理后的疑似目标区域进行目标分割处理；
目标分割处理时使用OTSU算法得到强化后的目标特征；OTSU算法是一种自适应的阈值确定方法，算法假设图像像素能够根据阈值来分为背景和目标两部分，根据最佳阈值来区分这两类像素，使得这两类像素区分度最大，图像在灰度化和帧差后，在间类方差最大的情况下，选取最佳阈值，达到最佳分割，将图像上的像素进行二分类。开始背景区域为黑色，像素值为0，疑似火焰区域的像素点为n个，对应的像素值为Nn(Nn<255)，OTSU算法会自适应的找到一个值M，Nn<M，则该点的像素值为0，反之为255，将疑似火焰区域的部分没有达到像素值255的像素点进行了强化。
上述目标判定方法，包括目标的位置重合率的计算、位置重合率的比较和对比较结果的应答；目标的位置重合率的计算，包括目标像素的实际位置和目标像素大小的计算；目标像素的计算是，选取第一张OTSU算法处理后的图片的像素点的和为M，第二张为N，两张图片像素点进行异或运算，得到的新的图片的像素点和为S，重合部分的面积为X；对于得到的M、N、S、X，重合率计算为2X/(M+N)；位置重合率的比较，是用计算得到的重合率与设定的阈值C的比较，并得到结果。比较结果应答，包括对结果进行应答，选择忽略或报警。
上述的位置重合率的公式为：
Figure BDA0002257023130000051
其中
Figure BDA0002257023130000052
指上述OTSU算法加强后的目标经过异或后的图像的像素值为255的个数总和。
Figure BDA0002257023130000053
指OTSU算法处理后的两张连续图像的像素值为255的个数的总和。
本发明提供的夜间室外检测方法，可以实时准确的根据监控设备传入的图像信息，进行一系列的操作，判断监控范围内是否存在火焰，并报警，具有很高的实用性；且相比于现有技术而言，无需进行初始化的场景建模，极大减少了计算量和计算成本，降低了对图像处理单元处理性能的要求，并可提高实时性，是夜间室外的高效的技术方案，具有极大的价值。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种夜间室外火焰检测方法，其特征是：包括周期采样的目标获取方法、基于OTSU算法的目标分割方法、位置重合率比较的目标判定方法；
所述周期采样的目标获取方法用于实时获取夜间室外的图像和获取火焰的疑似目标区域；
所述目标分割单元用于分割出疑似目标；
所述火焰判断处理单元用于判断疑似目标是否为火焰；
所述的目标分割方法，包括将周期采样的实时图像经过灰度化、帧差法处理后的疑似目标区域进行目标分割处理；
所述目标分割处理时使用OTSU算法得到强化后的目标特征；
所述的目标判定方法，包括经过OTSU算法加强后的目标即疑似火焰区域的位置联通区域进行重合率的计算、位置重合率的比较和对比较结果的应答；
所述的目标的位置重合率的计算，包括目标像素的实际位置和目标像素大小的计算；
所述的位置重合率的比较，是用计算得到的重合率与设定的阈值的比较，并得到结果；
所述的比较结果应答，包括对结果进行应答，选择忽略或报警；
所述的目标的位置重合率的计算，包括目标像素的实际位置和目标像素大小的计算；目标像素的计算是，选取第一张OTSU算法处理后的图片的像素点的和为M，第二张为N，两张图片像素点进行异或运算，得到的新的图片，这张图片的像素点和为S，假设，两张图片重合部分的面积为X；对于得到的M、N、S、X，重合率计算为2X/(M+N)；位置重合率的比较，是用计算得到的重合率与设定的阈值C的比较，并得到结果；比较结果应答，包括对结果进行应答，选择忽略或报警；
位置重合率阈值C的公式为：
Figure FDA0003692106090000011
其中
Figure FDA0003692106090000012
指上述OTSU算法加强后的目标经过异或后的图像的像素值为255的个数总和，
Figure FDA0003692106090000013
指OTSU算法处理后的两张连续图像的像素值为255的个数的总和,N代表上述OTSU算法加强后的目标经过异或后的图像中像素点的总数；M(x)代表前一图像经过OTSU算法处理后像素点的像素值为255的和；N(x)代表后一图像经过OTSU算法处理后像素点的像素值为255的和；S(x)代表上述OTSU算法加强后的目标后经过异或后的图像像素值为255的和。
2.根据权利要求1所述的夜间室外火焰检测方法，其特征在于：所述的周期采样为在可设定的周期内采集实时图像数据，作为实时图像数据库。
3.如权利要求2所述的夜间室外火焰检测方法，其特征在于：所述目标获取方法包括从实时图像数据库中提取采集的连续图像、用灰度化方法处理图像和用帧差法处理图像；
所述提取采集的连续图像，用于采集夜间室外的实时图像；
所述灰度化方法用于减少计算量；
所述帧差法处理用于消除背景元素的干扰。
CN201911057920.6A 2019-11-01 2019-11-01 一种夜间室外火焰检测方法 Active CN110910402B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911057920.6A CN110910402B (zh) 2019-11-01 2019-11-01 一种夜间室外火焰检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911057920.6A CN110910402B (zh) 2019-11-01 2019-11-01 一种夜间室外火焰检测方法

Publications (2)

Publication Number Publication Date
CN110910402A CN110910402A (zh) 2020-03-24
CN110910402B true CN110910402B (zh) 2022-07-29

Family

ID=69815071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911057920.6A Active CN110910402B (zh) 2019-11-01 2019-11-01 一种夜间室外火焰检测方法

Country Status (1)

Country Link
CN (1) CN110910402B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440484A (zh) * 2013-09-12 2013-12-11 沈阳聚德视频技术有限公司 一种适应室外大空间的火焰检测方法
CN107025652A (zh) * 2017-05-05 2017-08-08 太原理工大学 一种基于运动特性和颜色时空信息的火焰检测方法
CN108038867A (zh) * 2017-12-22 2018-05-15 湖南源信光电科技股份有限公司 基于多特征融合和立体视觉的火焰检测和定位方法
CN110298297A (zh) * 2019-06-26 2019-10-01 湖北九感科技有限公司 火焰识别方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440484A (zh) * 2013-09-12 2013-12-11 沈阳聚德视频技术有限公司 一种适应室外大空间的火焰检测方法
CN107025652A (zh) * 2017-05-05 2017-08-08 太原理工大学 一种基于运动特性和颜色时空信息的火焰检测方法
CN108038867A (zh) * 2017-12-22 2018-05-15 湖南源信光电科技股份有限公司 基于多特征融合和立体视觉的火焰检测和定位方法
CN110298297A (zh) * 2019-06-26 2019-10-01 湖北九感科技有限公司 火焰识别方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
野外大空间火焰目标红外图像的分割算法研究;刘媛等;《青岛大学学报(工程技术版)》;20090315(第01期);全文 *

Also Published As

Publication number Publication date
CN110910402A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN103069434B (zh) 用于多模式视频事件索引的方法和***
CN103208126B (zh) 一种自然环境下运动物体监测方法
CN102819735B (zh) 基于视频帧图像的火焰检测方法
KR101822924B1 (ko) 영상기반 화재 감지 시스템, 방법 및 프로그램
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位***
Khalil et al. Fire detection using multi color space and background modeling
CN103246896B (zh) 一种鲁棒性车辆实时检测与跟踪方法
CN106446926A (zh) 一种基于视频分析的变电站工人安全帽佩戴检测方法
CN106339657B (zh) 基于监控视频的秸秆焚烧监测方法、装置
CN102663362B (zh) 一种基于灰度特征的运动目标检测方法
CN113903081A (zh) 一种水电厂图像视觉识别人工智能报警方法及装置
CN115311241B (zh) 一种基于图像融合和特征增强的煤矿井下行人检测方法
CN101315701A (zh) 运动目标图像分割方法
KR101196678B1 (ko) 실시간 화재 감시 장치 및 방법
CN115035088A (zh) 一种基于yolov5和姿态估计的安全帽佩戴检测方法
CN112287823A (zh) 一种基于视频监控的面部口罩识别方法
CN112800975A (zh) 一种基于图像处理的安检通道内行为识别方法
CN111062319B (zh) 一种基于主动红外图像的驾驶员打电话检测方法
CN107729811B (zh) 一种基于场景建模的夜间火焰检测方法
CN109325426B (zh) 一种基于三正交平面时空特征的黑烟车检测方法
CN107704818A (zh) 一种基于视频图像的火灾检测***
CN102254396A (zh) 基于视频的入侵检测方法及装置
CN113963373A (zh) 一种基于视频图像动态检测与跟踪算法***及方法
KR102171384B1 (ko) 영상 보정 필터를 이용한 객체 인식 시스템 및 방법
CN110910402B (zh) 一种夜间室外火焰检测方法

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
GR01 Patent grant
GR01 Patent grant