[发明专利]一种室内不可控明火监测方法及系统

权利要求书

1.一种室内不可控明火监测方法，其特征在于，该方法包括以下步骤：

S1：采集待监测现场的视频数据，获取待监测现场的原始RGB彩色视频帧；

S2：对步骤S1获取的视频图像进行预处理，去除图像的离散点；

S3：采用改进的CodeBook算法对步骤S2预处理后的视频图像以像素区域进行前景运动目标检测；

S4：根据步骤S3获得运动前景分割后的区域分别进行基于火焰的颜色模型、基于烟雾的颜色模型识别，分割出疑似火焰区域和疑似烟雾区域；

S5：基于权重判别器对步骤S4中分割出的疑似火焰区域和疑似烟雾区域分别进行权重判别，得到火焰区域的权重ω1、烟雾区域的权重ω2；根据设定的阈值I，当ω1+ω2大于等于I时，执行步骤S6，否则返回步骤S1；

S6：基于红外通道进行检测，当检测到疑似火焰区域和/或疑似烟雾区域的像素的平均值大于阈值Y时，执行步骤S7，否则返回步骤S1；

S7：基于图像的二维熵进行火灾烟雾运动状态捕捉，判定是否为不可控明火，若为不可控明火，则产生不可控明火报警信号；若为非不可控明火，则产生一般明火预警信号；

所述改进的CodeBook算法具体包括：

在待监测现场的原始RGB彩色视频帧中，设定某m*m邻域中有m²个像素，将邻域中的像素等分成s*s块等大的矩形区域，sm；

为每个矩形区域建立CodeBook结构，每个CodeBook又由多个CodeWord组成；CodeBook记作CB，CodeWord记作CW；

CB和CW的形式如下：

CB＝{CW₁,CW₂,…CW_n,t}；CW＝{l_High,l_Low,max,min,t_last,stale}；

其中n为一个CB中所包含的CW的数目，当n太小时，退化为简单背景，当n较大时对复杂背景进行建模；t为CB更新的次数；CW是一个6元组，其中I_High和I_Low作为更新时的学习上下界，max和min记录当前区域的最大值和最小值；上次更新的时间t_last和陈旧时间stale用来删除很少使用的CW；

假设当前训练图像I中某一区域为I(x,y)，0xs；0ys，该区域内所有像素的平均值记为I(x,y)_mean；该区域的CB的更新算法如下，另外记背景阈值的增长判定阈值为Bounds：

(1)CB的访问次数加1；

(2)遍历CB中的每个CW，如果存在一个CW中的I_High，I_Low满足I_Low≤I(x,y)_mean≤I_High，则转(4)；

(3)创建一个新的码字CW_new加入到CB中，CW_new的max与min都赋值为I(x,y)_mean,I_High-I(x,y)_mean+Bounds，I_Low-I(x,y)_mean–Bounds，并且转(6)；

(4)更新该码字的t_last，若当前区域均值I(x,y)_mean大于该码字的max，则max＝I(x,y)_mean，若I(x,y)_mean小于该码字的min，则min＝I(x,y)_mean；

(5)更新该码字的学习上下界，以增加背景模型对于复杂背景的适应能力，具体步骤是：若I_HighI(x,y)_mean+Bounds，则I_High增长1，若I_LowI(x,y)_mean-Bounds，则I_Low减少1；

(6)更新CB中每个CW的stale；

使用已建立好的CB进行运动目标检测，记判断前景的范围上下界为minMod和maxMod，对于当前待检测图像上的某一区域I(x,y)_mean，遍历它对应背景模型CB中的每一个码字CW，若存在一个CW，使得I(x,y)_meanmax+maxMod并且I(x,y)_meanmin–minMod，则I(x,y)_mean被判断为背景，否则被判断为前景；

(7)隔H帧，对CB进行一个时间滤波，去除很少被访问到的CW，其方法是访问每个CW的stale，若stale大于设定阈值，移除该CW；其中，阈值设置为总更新次数的一半；

(8)当一个区域CB中，CW的数量超过一个阈值K时，将移除stale最大的CW。