一种基于前景累积图像的图像型火灾探测方法

摘要

本发明提供了一种基于前景累积图像的图像型火灾探测方法，建立了前景累积图像，并用于火焰图像的实时探测，通过计算机对由监控摄像机得到的视频图像提取前景累积图像，对图像进行分块，统计每个图像块中各个像素在前景累积图像中的亮度值，根据预先设定好的灵敏度进行判别，如果是火灾，给出报警信号，如果不是，则返回到最初的步骤继续处理下一帧图像。本发明根据对运动历史图像的定义进行修改，得到前景累积图像，该图像能够很好反应火焰的有源特征，大大降低误报率，并具有很好的抗噪声能力。此外，该算法原理较简单，计算量低，实时性非常好，能够很好满足目前图像型火灾探测技术对于实时性的要求。

说明书

技术领域

本发明属于火灾探测技术领域，具体涉及计算机图像处理和视频火灾探测，特别涉及一种图像型火灾火焰探测方法。

背景技术

图像型火灾探测技术，这里是指仅仅采用可视波段CCD摄像机图像数据进行处理，不考虑红外波段等其它波段的火焰图像。图像型火灾探测技术通过CCD摄像机对监控场所进行监测并将拍摄到的视频图像，经过数据采集卡压缩解码再传输到控制计算机，然后通过采用先进的计算机处理算法在线分析和识别火焰和烟雾，利用火灾时燃烧过程中图像的频谱特性、色度特性、纹理特性、运动特性，使其模型化、过程化，形成计算机可识别的火灾模式，从而识别火灾信息，快速、准确的完成火灾检测，并及时发出报警信号。

图像型火灾探测技术具有响应速度快，监测范围广，距离远的特点，适用于高大空间场所，还可在室外环境中使用，使火灾探测更大程度地满足人们对火灾安全的需求，与传统的火灾探测技术相比具有显著的优势，代表了当今火灾探测技术的较高水平。目前，对火焰图像进行识别，多采用颜色模型判别和对火焰轮廓进行频域分析的手段来实现实时探测。如Yamagishi(Proceedings of 1999 International Symposium on Micromechatronics and Human Science，Nagoya，Japan：255-260.)提出了一种火焰识别算法，首先将RGB色彩空间转换到视觉线性的HSV色彩空间，在HSV空间中确定火焰色彩区域，采用火焰轮廓极坐标时空数据的二维傅立叶变换来描述火焰动态特征，然后利用人工神经网络进行识别。Noda(Proceedings of Vehicle Navigation and Information Systems Conference，Yokohama，Japan，1994：57-62)等人针对隧道场景火灾火焰进行研究，为了降低成本，他们使用隧道已有的黑白闭路电视监控系统，因此只采用了灰度图像。这种系统对于隧道这种背景比较单一的场合在某种程度上是比较适合的。T.Celik(Automatic Fire Detection in Video Sequences.In：Proceedings of European Signal Processing Conference，Florence，Italy，September 2006.)通过对近1000张火灾图片，16，309，070个火焰区域像素的RGB通道进行统计，得出火焰RGB颜色区域边界判别函数，从而来识别火焰像素。然而，这种使用颜色判别模型的方法不能够区分和与火焰颜色相近的干扰源，如阳光、灯泡和摆动红旗等，误报率较高。Liu Chebin(Proceedings of ICPR 2004.Proceedings of the 17th International Conference on.2004.4(4)：34～137.)提出一种火焰区域的光谱、时间和空间模型，通过分析火焰空间结构特征，将火焰区域的轮廓通过傅里叶变换，然后通过自回归模型来描述其变化，从而得到火焰的识别判据。袁非牛(Journal of University of Science and Technology of China，2006.36(1)：39～43.)提出了一种基于规格化傅立叶描述子的轮廓波动距离模型，来度量火焰的时空闪烁特征。但火焰的闪烁特征受背景光影响较大，而且在图像场景中如果火焰区域面积较小，这种闪烁特征并不明显。Ugur Toreyin(Proceedings of IEEE 30th International Conference on Acoustics，Speech，and Signal Processing.Philadelphia，PA，USA.2005.2(2)：669-672.)综合利用运动、频闪、边缘模糊和颜色特征等来识别火焰，利用时空小波变换提取闪烁特征和边缘模糊特征，从而实现视频火焰探测，虽然取得了较好的效果，但由于算法过于复杂，计算量大，难以满足图像型火灾探测产品对于实时探测的要求，在一定程度上限制了该技术的发展。

Chao-Ching Ho(Machine vision based real-time early flame and smoke detection[J].Measurement Science and Technology，2009Vol.20，No.4)利用运动历史图像MHI(motion history image)提取视频图像当前帧中运动区域像素，然后对运动像素进一步处理来识别火焰。MHI的内容可以参考文献Motion Segmentation and Pose Recognition with Motion History Gradients.Machine Vision and Applications.2002，Volume 13，Number 3：174-184。MHI利用了连续帧图像中前景区域图像轮廓在空间上的相关性，通过每帧图像对应的不同时刻将连续图像加权叠加形成运动历史图像，随着时间的推进，当前帧对应轮廓总是具有最大灰度值(最亮)，而过去的轮廓在当前MHI中影响将会越来越小(变暗)，当过去帧与当前帧的间隔超过某个设置的时间时，其影响将被清零。但是，运动历史图像并不能有效去除复杂灯光的干扰，目前图像火焰探测技术的发展和推广受到其误报率的限制，主要的干扰源来自于太阳光、舞台灯、运动中的车灯等复杂背景光。

MHI的定义见方程(1)，其中，变量H像素强度是当前点的MHI函数，式中(x，y)为以图像长方向为x轴，宽方向为y轴建立的坐标系中像素点的坐标，FD为二值化图像，可通过差分法获得，FD(x，y，k)＝1的区域为前景图像区域，FD(x，y，k)＝0的区域为背景图像区域，其定义见方程(2)。(前景图像和背景图像实际上都是在原图上(彩色图或灰度图)对应的，如一个室内有人场景中，走动的人是前景图像，物品地面等静止的图像构成背景图像，前景图像的位置由FD(x，y，k)＝1的点标识出来)

方程(1)结果是一个标量值图像，并且最近帧图像的运动像素更亮。

发明内容

针对现有技术存在的问题，本发明提供一种基于前景累积图像的图像型火灾探测方法，以降低图像型火灾探测技术的误报率。

本发明的技术方案是：将由监控摄像头得到的视频图像通过采集卡传给视频监控计算机进行处理：采用帧间差分法对视频图像进行处理后得到前景图像；再计算前景累积图像，并利用分块统计各个像素在前景累积图像中的亮度值的方法进行判别，如果判别为火灾火焰，则计算机发出指令，控制报警器发出报警信号；如果判别为非火灾火焰，则返回差分法步骤，继续处理下一帧图像。

本发明基于前景累积图像的图像型火灾探测方法的具体步骤如下：

步骤一，计算机读取视频图像数据；

步骤二，通过帧间差分法得到前景图像区域；

步骤三，计算前景累积图像；

步骤四，对图像进行分块，统计每个图像块中各个像素在前景累积图像中的亮度值；并根据预先设定好的灵敏度进行判别，如果是火灾，给出报警信号；如果否，则重新返回到步骤一。

所述步骤二，通过帧间差分法得到前景图像区域：利用计算机将由监控摄像头得到的视频图像数据分解成一帧帧的RGB彩色图像，目前视频火灾探测大多采用彩色摄像头，颜色分量也可以用来作为火灾判据，专门有火焰的颜色模型。本发明方法是针对黑白图像进行处理，彩转黑白的方法在图像中为通用的固定方法，因此需要先将彩色图像转变为亮度值范围为0到255的黑白图像，然后将相邻两帧图像按照下列方程进行计算：

式中(x，y)为以图像长方向为x轴，宽方向为y轴建立的坐标系中像素点的坐标，I(x，y，k)为当前帧图像中点(x，y)的像素值，I(x，y，k-1)为前一帧图像中的点(x，y)的像素值，k表示帧数，L是阈值，需要根据监控图像背景情况进行设定，由于火焰区域较亮，L设定要能够清楚提取出火焰区域，一般L数值设定在150到200左右，也可采用动态阈值法获得L；差分结果图像FD(x，y，k)中的点(x，y)的像素值为1的部分标识出前景图像区域。

所述步骤三，计算前景累积图像：

前景累积图像的概念定义为

由方程(3)计算得到的图像称为前景累积图像，该图像每个点的像素值表示的是在一个连续时间内，前景图像在该点连续出现的次数。前景累积图像同样利用了连续帧图像中前景区域图像轮廓在空间上的相关性，但并不仅仅随着时间推进，而是加强了和上一帧图像的相关性，通过将连续帧图像中前景图像加权叠加形成前景累积图像，在连续帧前景图像中同一区域图像连续出现的次数越多，则灰度值越大(越亮)，当同一区域图像不再出现在前景图像中时，其前景累积图像像素亮度值逐渐变小(变暗)，直至被清零。

火焰燃烧是有源燃烧，都是围绕在火源附近重复出现的，而且是在同一空间中随时间向同一个方向不间断出现，因此火焰图像在前景累积图像中将不断变亮。火焰燃烧一般在火源附近跳动，当气流影响较小时，火焰连续区、间歇区的火焰均在某一区域重复出现，由于火焰频率一般在2Hz到12Hz之间，因此一般的25帧每秒的摄像机可以拍摄到火焰一个周期内的运动。利用帧间差分法提取到的火焰前景区域一般为火焰间歇区和部分火焰连续区，在某个时间窗口T内，火焰的帧间差分图像会在同一个区域有图像的累积，因此，通过统计时间窗口内前景图像在某个像素点重复出现的次数可以很好的提取火焰备选区域。

而非有源物体，如复杂灯光干扰、阳光干扰等，则可以被很好区分开。此外，通过计算前景累积图像，某些噪声点会在连续帧的计算中被衰减掉，因此该方法也具有很好的抗噪声能力。

所述步骤四，是对步骤三计算出的前景累积图像进行判别，判断是否存在火灾，如果是，则给出报警信号，如果不是，则处理连续帧的下一帧图像。

所述判别前景累积图像的步骤如下：首先将图像分块处理，分成8×8的图像块；然后查找每个图像块中H(x，y，k)＞T的像素点，T为时间窗口，即指定长度连续帧的序列，本发明通过对大量火焰和干扰源图像视频进行计算后发现，如果视频为每秒25帧，T设置为50帧，识别效果较好；最后统计每个图像块中H(x，y，k)＞T的像素点的个数，如果一个图像块中有一半以上的像素点满足H(x，y，k)＞T，则认为该图像块为火焰图像块，否则，认为该图像块不是火焰图像块，设整幅图像的火焰图像块个数为B。因此，如果B＞B₁，则认为存在发生火灾，发出警报信号，继续处理连续帧图像中的下一帧。B₁可根据灵敏度要求设置，当BX＝1时，设置的灵敏度最高，整幅图像只要有一个火焰图像块，即发出火灾报警信号。随着B₁数值的增加，灵敏度逐渐降低。通常最低灵敏度设置为一幅图像所有块数的三分之一。

有益效果：本发明提出的前景累积图像的定义形式与图像处理算法中常用的运动历史图像(MHI，motion history images)相似，但原理与MHI完全不同。本发明提出了前景累积图像这一新概念，并将其用于火焰图像实时探测，取得了较好的实时探测效果，建立了更加准确可靠的火焰图像特征识别方法，能够有效去除灯光对于图像火焰探测技术的干扰。进一步解决了火焰图像探测技术的误报率问题，为大空间及室外大尺度开放空间场所火灾早期灭火与人员疏散节省了时间，减少经济损失及人员伤亡。

附图说明：

图1本发明系统构成示意图；

图2本发明软件流程框图。

具体实施方式：

下面结合附图对本发明做进一步说明。

图1给出了本发明系统构成示意图，其中系统各硬件性能参数如下：

监控摄像头D：

●处理芯片：1/4英寸索尼芯片Sonysuper HAD CCD。

●CCD总像素795(H)×596(V)。

●扫描系统625线，50场/秒。

●分辨率480线。

●最低照度0.7Lux(彩色)，0.002Lux(场累积)，0Lux(红外灯)。

●信噪比大于48dB。

●电子快门1/50～1/100000秒连续。

●镜头18倍光学放大(f＝4.0～72mm)。

●放大功能216倍(18倍光学×12倍数字)。

●工作温度/湿度-20℃～50℃/80％RH以下。

●工作电压12VDC。

●外形尺寸115mm×60mm×66mm。

视频数据采集卡E：

●视频压缩标准：H.264

●视频处理芯片：DSP处理器

●1台PC可支持64路。

●预览分辨率和编码分辨率可达4CIF。

●实时完成视频和音频压缩，不丢帧。

●可设置编码的帧格式(I、B、P帧序列)

●可设置图像质量和码率。

●可设置视频信号的亮度、色度、对比度。

●支持运动检测。

●支持OSD、LOGO和区域屏蔽。

●支持水印(WATERMARK)技术。

●支持双编码。

视频监控主机A：

●CPU处理器：Intel Core2Q95502.83GHz

●内存：3GB

●显卡：NVIDIA GeForce310512M

报警装置B通过232串口线与计算机相连，当发现火灾时，计算机通过串口向报警装置B发出指令，报警装置B随即发出声光警报。

本发明一种基于前景累积图像的图像型火灾探测方法在具体实现时，将监测摄像头D采集到的监控区域C的视频图像数据通过视频数据采集卡E传到视频监控主机A，视频监控主机A利用本发明图像分析软件对视频图像进行在线自动分析，本发明图像分析软件流程图如图2所示，如果判断存在火灾，则通过计算机发出指令控制报警装置B发出报警信号；如果判断为非火灾，则返回到流程的第一步，重新进入下一轮循环，开始读取下一帧图像数据。

本发明基于前景累积图像的图像型火灾探测方法的具体步骤如下：

步骤一，计算机读取视频图像数据；

步骤二，通过帧间差分法得到前景图像区域；

步骤三，计算前景累积图像；

步骤四，对图像进行分块，统计每个图像块中各个像素在前景累积图像中的亮度值；根据预先设定好的灵敏度进行判别，如果是火灾，给出报警信号；如果否，则重新返回到步骤

步骤二：

利用计算机A将由监控摄像头D读取的视频图像数据分解成一帧帧的RGB彩色图像，并将彩色图像转变为亮度值范围为0到255的黑白图像，从第二帧开始，将相邻两帧图像按照式(2)进行差分得到前景图像：

式中(x，y)为以图像长方向为x轴，宽方向为y轴建立的坐标系中像素点的坐标，I(x，y，k)为当前帧图像中点(x，y)的像素值，I(x，y，k-1)为前一帧图像中的点(x，y)的像素值，L是阈值；差分结果中图像FD(x，y，k)中的点(x，y)的像素值为1的区域对应前景图像区域。

步骤三中，按照式(3)计算前景累积图像

在开始第一帧图像计算前，将图像H(x，y，0)中的所有像素点的值都设为0。由于灰度图像和RGB图像最大值为255，因此随着前景图像在同一区域不断出现，H(x，y，k)的数值会出现大于255的情况，这时候将该点数值清零，重新再开始累积计算的过程。

步骤四，对步骤三计算出的前景累积图像进行判别，判断是否存在火灾，如果是，则给出报警信号，如果不是，则处理连续帧的下一帧图像。

判别前景累积图像的步骤如下：首先将当前帧图像分块处理，分成8×8的图像块。例如对于本实施例中采用的摄像机获得的图像分辨率为795×596，则将图像分成了98×74个块，然后查找每个图像块中H(x，y，k)＞T的像素点，T为时间窗口，本发明通过对大量火焰和干扰源图像视频进行计算后发现，T设置为50，识别效果较好；接下来统计每个像素块中H(x，y，k)＞T的像素点的个数，如果一个图像块中有一半以上的像素点(8×8的图像块一共64个像素点)满足H(x，y，k)＞T，则认为该图像块为火焰图像块，设整幅图像火焰图像块个数为B，如果B＞B₁，则认为存在发生火灾，发出警报信号，继续处理连续帧图像中的下一帧。B₁可根据灵敏度要求设置，当B₁＝1时，设置的灵敏度最高，整幅图像只要有一个火焰图像块，即发出火灾报警信号。随着B₁数值的增加，灵敏度逐渐降低。通常最低灵敏度设置为一幅图像所有块数的三分之一。

本发明根据对运动历史图像MHI进行修改，得到前景累积图像，该图像能够很好反应火焰的有源特征，大大降低误报率，并具有很好的抗噪声能力。此外，该算法原理较简单，计算量低，实时性非常好，能够很好满足目前图像型火灾探测技术对于实时性的要求。