[发明专利]一种基于MSER的远距离复杂环境下的烟雾根节点检测方法

说明书

本发明属于森林防火和视频目标检测领域，尤其涉及一种基于视频的远距离烟雾源根节点检测方法。本发明首先对视频图像进行预处理，预处理过程是两种滤波算法的执行。其次对完成预处理的图像进行干扰物的剔除，剔除过程包括进行角点计算、角点的自动聚类划分以及自动聚类后的各类坐标点的凸包计算。然后对图像进行分割重组，在原始图像中找出凸包区域像素，并将其用[0,0,0]RGB像素值进行替代。接下来对重组图像进行基于MSER+算法的区域提取，并寻找各个MSER区域的连通域替代点。最后，将连续多帧图像的MSER替代点进行基于欧氏距离的半径统计计算，寻找出特定圆周范围内包含多个替代点的区域，并根据区域内的替代点计算出烟雾根的像素级位置。

技术领域

本发明属于森林防火和视频目标检测领域，尤其涉及一种基于视频的烟雾源根节点检测方法。

背景技术

森林火灾相比较于室内火灾而言，最大的特点就是燃烧面积广，蔓延速度快，扑灭难度大。相比较室内的火灾监控设备(例如烟雾报警器，温度传感器等)，林火监控往往采用能够覆盖大面积监控区的高塔摄像头或人造卫星来进行绵延几千公里的林火监控。而基于视频的林火检测方法，往往需要对待检测区域进行候选区域的提取计算，并加以筛选后，得到候选区域中的真实目标区域。筛选过程往往采用颜色、纹理、动态背景等方法进行。这些候选区域的计算方法在对远距离目标的检测效果上往往存在缺陷，例如：远距离的燃烧烟雾由于摄像头的分辨率问题，或由于相似颜色的云朵干扰，仅仅能检测出数量极少的动态像素点或颜色变化点。由此可见，远距离目标检测对细节处理要求较高的林火检测方法具有很大的可靠性挑战。

专利申请号为CN201711440134，发明名称为“一种基于特征根和流体力学的森林火灾烟视频目标检测方法”的中国专利。该发明在权利要求书“步骤1”图像预处理部分采用了帧间差分算法进行动态背景的提取。例如上文中展示的结果,该方法对远距离目标存在缺陷。根据该专利后续对候选区域处理过程，若真实烟雾区域未能进入烟雾候选区域范围，将无法成功对待检测目标进行烟雾根节点的提取和流体力学模拟的计算。

专利申请号为CN201811318766，发明名称为“一种基于最小二乘法的烟雾根节点检测方法”的中国专利。该发明在烟雾源(燃烧源)提取过程中(权利要求书第一步、第二步)同样需要对烟雾候选区的连通域采取计算，并采用了帧间差分的动态区域提取算法。若未能成功提取到待检测烟雾的候选区域，该专利提出的山崩算法将无法分割出崩塌计算的山崖区域，导致检测失败。

文献(Zhou Z,Shi Y,Gao Z,et al.Wildfire smoke detection based on localextremal region segmentation and surveillance[J].Fire Safety Journal,2016,85:50-58.)中提出了一种基于MSER算法的远距离烟雾检测方法，该方法仅仅考虑了简单场景下的远距离烟雾检测方法(例如仅仅有森林、河流、云朵。没有房屋、频繁运动的物体、高速公路上的汽车等)，对复杂场景下的应用误检测率极高。由于MSER算法的局限性，对于房屋等颜色和烟雾相近，并且始终为静态的干扰物误检测现象明显。

以上三种方法分别对林火识别、林火燃烧源(烟雾根)识别、远距离林火识别做出了相应的工作，但普遍存在缺陷。而实际应用场景下不论是卫星图像，还是视频相机监控下远距离的林火现象均普遍存在，所以能够成功识别复杂场景下远距离的烟雾候选区域十分重要。

发明内容

本发明提供了一种基于MSER的远距离复杂环境下(例如监控视频范围内有大量的白色房屋，高楼建筑，桥梁等)的林火燃烧源检测的检测方法，通过对固定林火监控摄像头监控视频的帧图像提取并进行处理，可以对超远距离下发生的林火烟雾进行识别，并检测烟雾根节点。

根据本发明计算过程，所述燃烧源根节点检测方法包括：

第一步，视频信息预处理：通过采集固定摄像头的连续帧烟雾图像，进行帧图像提取，并对RGB色域的帧图像进行中值滤波和高斯滤波去除噪声干扰；