基于路径分析的林火烟雾图像检测方法

摘要

本发明公开了基于路径分析的林火烟雾图像检测方法。依据不同物体在大气影响下的运动路径不同，以及烟雾在扩散起始源处固有的特征，经过后台计算机的图像处理，得出运动路径角的范围，从而判定是否有火灾产生，保证了事物运动的客观性，将图像数据转化为数学公式，充分利用计算机数据处理的特点，使计算机响应速度快。本发明所提供的检测方法，不需要额外处理其他部分的图像数据，只针对处理分析动态区域，减少了运算量，提高了监控效率。本发明与计算机的界面化和图像化相适应，使得计算机响应更迅速，适用于远距离非接触监控林区。

说明书

技术领域

本发明属于图像检测技术领域，涉及一种利用CCD摄像机对林火烟雾进行检测方法，特别适合于远距离森林监控或林木区监控。

背景技术

在森林火灾调查中，火灾的监控是一项非常重要的内容。传统的火灾检测常依靠护林员，瞭望塔进行人工检测，其检测范围有限，无法远距离检测，并且人力有限，效率比较低。采用视频监控的方法进行森林火灾的非接触监控能够弥补传统监控方法的检测区域小，人力不足，目前已经越来越受到重视。

电子科技大学提出用根据颜色特征判断疑似烟雾区，并提取疑似烟雾区形状不规则、面积增长、K个背景模糊特征对分类器进行训练，用分类器判别烟雾(周雪、邹见效、徐红兵、邓林，基于多特征融合的视频烟雾检测方法，中国专利：201510170159.2，2015-4-10.)，这种方法计算的特征向量多，数据繁琐，且对分类器的性能好坏依赖性大，森林是一个开放的区域，受地理条件影响大，且存在小气候的特点，烟雾的产生也是随机性的，因此分类器的训练基数大且大量的数据不易获得，且会造成数据冗余，不适宜检测不稳定状态的特征。

无锡北斗星通信息科技有限公司提出一种森林烟雾区域检测系统，该检测系统位于无人机上，该系统通过接受地面的指示进行森林检测，虽然可以快速确定烟雾区域，但是资金耗费较大，且无人机不可能时刻在空中对森林进行检测，且容易忽视狭小区域及特殊地理环境的区域。

富士通株式会社提出一种对待检测图像的多帧进行特征提取，获得一个或多个候选区域，然后分析多个帧中的面积变化、运动方向以及形状变化，来判断候选区域是否存在烟雾，该方法中涉及数据繁多，处理速度较慢，其中将所选候选区域的质心在出现频率最高的运动方向作为主运动方向，但是森林环境变化莫测，依赖于大气运动，主运动方向的判别准确性不定，增加误报率。

发明内容

本发明克服了上述技术的不足，提供一种基于路径分析的林火烟雾图像检测方法，其目的在于高效、灵敏、远距离、非接触监控林区。

本发明的基于路径分析的林火烟雾图像检测方法，设置在林区高处的CCD摄像机时刻监控着整个林场，当火灾发生产生烟雾时，该区域的变化被CCD摄像机捕捉到，并采集一段时间内的烟雾图像，根据烟雾运动路径角的所属范围确定该区域是否有火灾产生，该方法按以下步骤进行，

(1)位于林区高处的CCD摄像机捕捉到某区域的动态变化，

(2)CCD摄像机采集该区域一段时间的图像数据，并传送到后台计算机，进行图像预处理，将图像转化为二值化图像，

(3)后台计算机将该区域的图像分割出动态变化区域，并记录为A，

(4)计算出区域A的连通域内的各质心的坐标位置A₁(x₁，y₁)，A₂(x₂，y₂)依次记录并保存，

(5)比较各质心坐标大小，并记坐标值最大的质心坐标为B₀(x₀，y₀)，坐标值最小的质心坐标为B₁(x₁，y₁)，坐标值为第二大的质心坐标为B₂(x₂，y₂)，取B₀与B₁质心间连线与水平方向的夹角为θ，B₀与B₂质心间连线与水平方向的夹角为α，

(6)计算出θ和α的值，

$\left(\begin{array}{cc}tan\theta =\frac{y_0-y_1}{x_0-x_1}& \tan \alpha =\frac{y_0-y_2}{x_0-x_2}\end{array}\right)$

$\left(\begin{array}{cc}\theta =arctan\left(\frac{y_0-y_1}{x_0-x_1}\right)\times \frac{\pi }{3.14}& \alpha =arctan\left(\frac{y_0-y_2}{x_0-x_2}\right)\times \frac{\pi }{3.14}\end{array}\right)$

(7)判定θ和α的大小，并确定范围，

(8)若为θ和α均处于0°～90°之间，则后台计算机窗口显示结果：是，反之，显示否。

所述的基于路径分析的林火烟雾图像检测方法，利用CCD摄像机采集动态区域图像，依据不同物体在大气影响下的运动路径不同，以及烟雾在扩散起始源处固有的特征，经过后台计算机的图像处理，得出运动路径角的范围，从而判定是否有火灾产生。

本发明依据不同物体在大气影响下的运动路径不同，以及烟雾在扩散起始源处固有的特征，经过后台计算机的图像处理，得出运动路径角的范围，从而判定是否有火灾产生，保证了事物运动的客观性，将图像数据转化为数学公式， 充分利用计算机数据处理的特点，使计算机响应速度快。本发明所提供的检测方法，不需要额外处理其他部分的图像数据，只针对处理分析动态区域，减少了运算量，提高了监控效率。本发明与计算机的界面化和图像化相适应，使得计算机响应更迅速，适用于远距离非接触监控林区。

具体实施方式

基于路径分析的林火烟雾图像检测方法，设置在林区高处的CCD摄像机时刻监控着整个林场，当火灾发生产生烟雾时，该区域的变化被CCD摄像机捕捉到，并采集一段时间内的烟雾图像，根据烟雾运动路径角的所属范围确定该区域是否有火灾产生，该方法按以下步骤进行，

(1)位于林区高处的CCD摄像机捕捉到某区域的动态变化，

双帧差分得到差分图：D_n(i，j)＝|I_n(i，j)-I_n-1(i，j)|，I_n，I_n-1表示图像序列中相邻的两帧图像，对差分图像进行阈值化得到运动前景区域：

$M_n(i,j)=\left(\begin{array}{cc}0& D_n(i,j)<T\\ I_n(i,j)& D_n(i,j)\ge T\end{array}\right)$

(2)CCD摄像机采集该区域一段时间的图像数据，并传送到后台计算机，进行图像预处理，将图像转化为二值化图像，

对图像进行灰度化处理，并进行灰度变换，使图像的对比度增大易于二值化处理：

灰度化：f(i，j)＝0.03R(i，j)+0.59G(i，j)+0.11B(i，j)

灰度变换：D_B＝f(D_A)＝fD_A+f_B

用迭代法对图像进行二值化处理，其步骤如下：

先求出图像的最大灰度值和最小灰度值，分别记为R_max和R_min，令阈值T＝(R_max+R_min)/2，再根据阈值T将图像的平均灰度值分成两组R₁和R₂，之后分别求出两组的平均灰度值μ₁和μ₂，最后求出新阈值T＝(μ₁+μ₂)/2，即设定T为全局阈值，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，其中大于T的像素群的像素值设定为白色，小于T的像素群的像素值设定为黑色，其中白色区域即为动态变化区域，

(3)后台计算机将该区域的图像分割出动态变化区域，并记录为A，

(4)计算出区域A的连通域内的各质心的坐标位置A₁(x₁，y₁)，A₂(x₂，y₂)等 并依次记录保存，

质心数学表达式：

(5)比较各质心坐标大小，并记坐标值最大的质心坐标为B₀(x₀，y₀)，坐标值最小的质心坐标为B₁(x₁，y₁)，坐标值为第二大的质心坐标为B₂(x₂，y₂)，取B₀与B₁质心间连线与水平方向的夹角为θ，B₀与B₂质心间连线与水平方向的夹角为α，

(6)计算出θ和α的值，单位采用度表示，

$\left(\begin{array}{cc}tan\theta =\frac{y_0-y_1}{x_0-x_1}& \tan \alpha =\frac{y_0-y_2}{x_0-x_2}\end{array}\right)$

$\left(\begin{array}{cc}\theta =arctan\left(\frac{y_0-y_1}{x_0-x_1}\right)\times \frac{\pi }{3.14}& \alpha =arctan\left(\frac{y_0-y_2}{x_0-x_2}\right)\times \frac{\pi }{3.14}\end{array}\right)$

(7)判定θ和α的大小，并确定其范围，

(8)若为θ和α均处于0°～90°之间，则后台计算机窗口显示结果：是，反之，显示否。