[发明专利]基于透射率动态检测的烟雾识别方法

说明书

技术领域

本发明涉及图像处理、光电技术领域，尤其涉及基于透射率动态检测的烟雾识别方法。

背景技术

以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有技术。

火灾是人类最常见的严重灾害之一，但是和其他自然灾害相比，火灾所带来的危害是可以降低的。为了能够减少火灾造成的伤害，其中最重要的就是尽早对火灾的发生给予预警。火灾前期因为燃料通常不能够充分燃烧，经常伴有烟雾的出现，因此烟雾可以作为火灾发生的前兆。随着工业的发展，基于可见光的视频监控已经成为保护人们安全生活的重要手段，而其本身的成本低、分辨率高、范围广、无接触的优点使其广泛用于火灾预警系统。因此基于视频的烟雾检测是一个重要的研究和应用方向。

对于视频中的烟雾检测，目前已经存在很多检测算法，主要是通过提取烟雾的视觉特征，如颜色、边缘和纹理等，但这些特征都是依赖于可见光图像的原始信息，所以严重依赖于外界光源和图像中其他运动事物的变化，造成算法抗干扰性不高，错报率和漏报率较高，系统的鲁棒性不强。因此找到一种不依赖于场景中光线变化和不受其他运动事物影响的烟雾检测系统是今后的一个主要研究方向。

发明内容

本发明的目的在于提出基于透射率动态检测的烟雾识别方法，能够精确识别烟雾位置，并且识别结果不依赖于场景中的光线变化和其他运动事物的影响。

本发明基于透射率动态检测的烟雾识别方法，包括：

S1、采用ViBe算法对监控视频中的每一帧图像进行背景更新，提取前景图像；

S2、基于透射率图像和大气散射模型，获取前景图像的反照率图像；

S3、针对待匹配图像中的每个像素，获取该像素与反照率图像对应像素的相似值，当所述相似值超过预设的相似阈值时，判定所述像素为烟雾。

优选地，步骤S1包括：

S11、背景模型表示：定义I(x)为欧式空间中位于x处的像素值，I₁、I₂、…、I_N为选取的样本像素，N为背景样本的数量，则像素x处对应的背景模型M(x)如下式所示：M(x)＝{I₁,I₂,…,I_N}；

S12、背景模型初始化：在第一帧图像中从像素x的八邻域N_G(x)里随机选取N个像素值存放到背景模型的N个背景样本中，定义M⁰(x)作为第一帧图像的背景模型：M⁰(x)＝{I⁰(y)|y∈N_G(x)}；y为八邻域N_G(x)内的任意一个像素；

S13、像素分类：对于任意一帧图像，定义S_R(I(x))是以像素x为中心、距离R为半径的集合，当该帧图像的背景模型M(x)与S_R(I(x))的交集大于设定阈值#min时，判定像素I(x)为背景像素；

S14、采用ViBe算法进行背景更新：若像素I(x)被分类为背景像素，以设定概率从像素I(x)的背景模型M(x)中随机选取一个背景样本I_k，然后用I(x)来替代；以设定概率从像素x邻域的背景模型M_G(x)中随机选取一个背景样本I_k，然后用I(x)来替代。

优选地，所述设定阈值#min＝2；和/或，所述设定概率为1/16；和/或，距离R＝20。

优选地，步骤S14之后进一步包括：对步骤S14得到的二值化图像进行开运算，并对开运算后的二值化图像进行连通域标记，以标记出的连通域作为前景图像。

优选地，前景图像的反照率图像为：

式中，ρ(x)为欧式空间中像素x处的反照率，I(x)为像素x的像素值，A为天空亮度估计值，t(x)为像素x处的透射率估计值。

优选地，对于任意一帧图像，按照如下步骤确定天空亮度估计值：

对于每一个像素x，对像素x处的最小颜色分量进行最小值滤波，得到像素x的亮度值，记为Θ(x)；对像素x处的灰度分量进行边缘提取，对边缘图像E(x)进行分块统计，计算以像素x为中心的邻域内边缘像素数占邻域总像素数的比例，记为N_edge(x)；

若像素x的亮度值大于以设定亮度阈值T_v、N_edge(x)小于设定平坦阈值，判定像素x位于候选天空区域；