[发明专利]一种基于计算机视觉的烟雾检测方法

说明书

技术领域

本发明属于计算机视觉方法，具体涉及基于计算机视觉的烟雾检测方法，可应用于火灾报警监控。

背景技术

传统的基于烟雾探测器的火灾报警系统由于对烟雾的高灵敏度和低成本等特性在火灾防控方面取得了广泛的应用。但是由于其特殊的工作原理，即探测器必须与一定浓度的烟雾接触才能报警，使得它无法应用于大的空间以及露天环境。此外，烟雾扩散至报警探测器的时间加长了烟雾的发现时间，不利于火灾的及早发现。

计算机视觉主要研究从图像数据中获取信息的方法，在基于视频监控的火灾报警系统中，可以通过计算机视觉方法对视频图像内容进行分析，获得对监控区域场景的初步理解，而不需要与烟雾接触产生化学反应，因此能够监控大空间以及露天区域；同时，基于视频监控的火灾报警系统能够获得丰富的现场图像信息数据，可以及时提供对着火位置，火势大小的初步判断，第一时间提供火情信息，降低火灾损失。

烟雾检测属于计算机视觉领域中特定目标的检测识别问题，一些研究人员提出了基于烟雾不同特征的检测算法。目前实际使用中的烟雾检测算法主要有以下几种：

1)基于颜色信息的烟雾检测

颜色信息是图形的重要信息，通过在彩色图形中寻找特定颜色的区域，能够发现潜在的目标区域，从而实现烟雾的检测。然而，利用颜色信息进行烟雾检测也存在一些明显的不足，例如受相似颜色目标的干扰；此外，能否针对不同颜色的烟雾建立合适的颜色模型，也是限制颜色信息在烟雾检测中应用的一个重要限制。

2)基于运动信息的烟雾检测

烟雾的运动存在特定的规律(烟往高处扩散)，通过计算场景中的光流，发现目标的光流运动特性，能够将烟雾与不具备这些运动特性的目标区分开来。然而，光流计算的准确性，监控区域的成像条件等都对烟雾的准确检测结果有很大影响。

3)基于小波分析的烟雾检测

小波分析方法作为信号处理，尤其是图像处理中的重要工具，在图像处理领域的很多问题中都有重要应用。通过对场景图像进行小波变换，得到图像的小波域信息，能够在频域和空域同时对图像进行分析。有学者研究了图像中烟雾区域同非烟雾区域在小波域的差别，研究了一系列基于小波变换的烟雾检测方法，如小波域能量损失与保留能量的关系、小波系数的统计规律等，获得了较好的效果。但是小波分析方法往往只针对特定形态的烟雾，难以满足一些特定场合的应用需求。

虽然研究人员提出了不同的烟雾检测算法，但是由于烟雾的形状变化多种多样，不同燃烧物产生的烟雾的浓度、灰度差异很大，加上检测的背景各不相同，目前很难找到能够很好的描述图像中烟雾的特征。

发明内容

本发明的目的在于提供一种基于计算机视觉的烟雾检测方法，首先通过在每帧视频中计算运动区域的特征对区域的类别属性进行初始分析，然后根据帧间运动区域的关系对运动目标属性进行综合判断，能够实现室内外大空间范围内的实时烟雾检测，为大型仓库等场所的火灾防控工作提供技术支持。

一种基于计算机视觉的烟雾检测方法，具体为：

检测第t帧图像的运动区域，运动区域的序号记为i；

提取第t帧第i个运动区域的一个以上的特征；

计算第t帧第i个运动区域的特征加权和得到该运动区域的属性得分；

计算第t帧第i个运动区域与第t-1帧图像的所有运动区域的距离；

确定第t帧第i个运动区域与第t-1帧图像的所有运动区域的距离的最小值；

若第t帧第i个运动区域与第t-1帧图像的所有运动区域的距离的最小值小于最小距离阈值，则依据第t-1帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分；

若第t帧第i个运动区域与第t-1帧图像的所有运动区域的距离的最小值大于等于距离阈值，则计算第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离；

确定第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离的最小值；

若第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离的最小值小于最小距离阈值，则依据第t-2帧图像该最小值对应运动区域的属性得分更新第t帧第i个运动区域的属性得分；

若第t帧第i个运动区域的属性得分超过报警阈值，则认定存在烟雾。

进一步地，若第t帧第i个运动区域与第t-2帧图像的所有运动区域的距离的最小值大于等于最小距离阈值，则第t帧第i个运动区域的属性得分保持不变。