[发明专利]一种通过视频监控进行烟雾检测的方法

说明书

本发明提供一种通过视频监控进行烟雾检测的方法，利用烟雾有静态特征和动态特征两个特征来检测烟雾，先进行静态特征分析，从视频图像中提取出与烟雾颜色相似的区域，再进行动态特征分析，对上面提取出来的区域进行检测，判断是否具有不规则性和扩散性以及半透明性特征，将不符合以上特征的区域作为假烟雾区域，从而排除与烟雾颜色相似的非烟雾区域。

技术领域

本发明涉及视频监控领域，具体涉及一种通过视频监控进行烟雾检测的方法。

背景技术

火灾会造成经济上的重大损失和人员伤亡。在公共安全领域，为了避免火灾，使用了很 多的火灾检测技术，多数是基于离子检测、温度检测、相对湿度的检测、空气通明度的检测， 此外还有传统的紫外线和红外线的火灾检测器。大部分的物体在燃烧前都会产生烟雾，烟雾 检测可实现火灾的早期预警和报警。传统的烟雾检测器既要求放置在火灾发生地附近，并且 不能提供现场的具体信息，例如：火灾发生地，火灾大小，火灾蔓延速度等。还有，如果由 其他方式(如吸烟)产生地燃烧副产物被烟雾检测器检测到，也会火灾报警，但这个火灾报警 是错误的。因此，传统的烟雾检测器存在不可靠性。

发明内容

本发明的目的在于提供一种基于视频监控技术的更可靠的火灾检测技术，可以将重点防 火区域的视频监控数据充分利用起来，实现远程监控、智能监控、早期预警、实时报警的功 能，保障公共安全领域大范围的防火监控需要，提升监控智能化水平。

本发明的技术方案如下：

一种通过视频监控进行烟雾检测的方法，其特征在于：利用烟雾有静态特征和动态特征 两个特征来检测烟雾，先进行静态特征分析，从视频图像中提取出与烟雾颜色相似的区域， 再进行动态特征分析，对上面提取出来的区域进行检测，从而排除与烟雾颜色相似的非烟雾 区域。

所述的静态特征分析，具体方法是：在RGB颜色空间中，创建一个混合高斯模型，先初 始化高斯模型

其中i表示第几个高斯模型，以被观测对象的第一个像素值作为均值μ，并初始化一个 较大的方差σ²和低的权重ω_i，然后用下一个像素与初始化好的高斯模型逐一进行匹配，若 与现有的高斯模型都不匹配，则增加一个新的高斯模型；当前像素点的颜色与它现有的第i 个高斯分布按优先级从高到低依次进行匹配，直到找到一个匹配的分布为止；判断待检测图 像中的像素是否属于已建立的混合高斯模型，从而提取出具有烟雾颜色的图像区域。

所述的动态特征分析，具体方法是：对提取出来的烟雾颜色区域进行检测，判断是否具 有不规则性和扩散性以及半透明性特征，将不符合以上特征的区域作为假烟雾区域滤除。

许多基于视频的火灾检测技术都是对火焰进行检测，并给予火灾报警但在许多实际的情 况中，与火焰检测相比，烟雾检测将能更早的给予火灾报警，减少经济损失和人员的伤亡。 由于烟雾有静态特征(颜色)和动态特征(扩散性)，本发明提出了一种利用两个特征来检测烟 雾的方法，先利用静态特征从视频图像中提取出与烟雾颜色相似的区域，再利用动态特征对 上面提取出来的区域进行检测，可以排除与烟雾颜色相似的非烟雾区域，这样降低了错误报 警率，可以增加早期报警的可靠性，提高公共安全场景下的火灾防控水平，能够及时、有效 地发现控制火灾现场。本发明利用现有监控平台，无需增加硬件设备，充分利用已有资源， 可实现快速、大范围部署。

具体实施方式

本发明利用烟雾有静态特征和动态特征两个特征来检测烟雾，先进行静态特征分析，从 视频图像中提取出与烟雾颜色相似的区域，再进行动态特征分析，对上面提取出来的区域进 行检测，从而排除与烟雾颜色相似的非烟雾区域。

1、静态特征分析