[发明专利]烟雾检测的方法

摘要

本发明公开了一种烟雾检测方法，主要研究的是黑暗场景中，其包括两个阶段：训练分类器阶段和检测烟雾阶段，训练分类器阶段包括接收样本视频信息，利用背景差法检测场景中的运动区域，提取所有运动区域的运动特征，利用支撑向量机将所有运动区域提取运动特征组合成运动特征向量并其存入分类器；检测烟雾阶段包括，接收待检测视频信息，利用与训练分类器阶段相同的方法检测运动区域的运动特征并组合成运动特征向量，将该运动特征向量输入分类器，获得单帧图像中运动区域属于烟雾的概率，对同一目标进行综合分析，判断该目标是否为烟雾。本发明能够实现简单黑暗场景中大空间范围内的实时烟雾检测，能够为密闭大型仓库的火灾防控工作提供安全保障。

主权项

一种烟雾检测的方法，其特征在于，包括两个阶段：生成分类器阶段和检测烟雾阶段；所述生成分类器阶段，包括如下步骤：S11、接收样本视频；S12、对样本视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为：以样本视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的绝对值与运动检测阈值比较，若差值的绝对值大于运动检测阈值，则设定该像素点存在运动区域，赋第一灰度值后以该像素点为中心搜索相邻像素点中存在的相同灰度值的像素点，并标记为连通域，若差值的绝对值不大于运动检测阈值，则设定该像素点不存在运动区域并赋灰度值；S13、确定运动区域帧间关系，对于第t帧图像连通域中的每一运动区域，计算其与第t‑1帧图像连通域中所有运动区域的距离，判断是否小于距离阈值，若是，则将第t帧图像中的运动区域与第t‑1帧图像中的运动区域标记为同一目标，若否，则处理第t帧图像的下一个运动区域或下一帧图像；S14、计算单帧图像的运动区域特征，对第t帧中的运动区域，若能够在第t‑1帧图像中找到由同一目标运动产生的运动区域，计算同一目标中第t帧图像的运动区域特征，标记运动区域类别属性并保存；S15、生成分类器，对样本视频信息中的所有运动区域提取运动特征和标记运动区域类别属性后，将所有运动区域提取运动特征组合成运动特征向量并标记类别后，将所有运动特征向量和类别标记存储于分类器中；所述检测烟雾阶段，包括如下步骤：S21、接收待检测的视频；S22、对待检测的视频进行分析，生成运动前景二值图像，并对运动前景二值图像进行连通域标记，具体为：以待检测视频中第一帧图像为图像背景，对于t帧图像中的每一像素点与t帧的背景图像对应的像素点相减并对差值取绝对值后，将差值的绝对值与运动检测阈值比较，若差值的绝对值大于运动检测阈值，则设定该像素点存在运动区域，赋灰度值后以该像素点为中心搜索相邻像 素点中存在的相同灰度值的像素点，并标记为连通域，若差值的绝对值不大于运动检测阈值，则设定该像素点不存在运动区域并赋灰度值；S23、确定运动区域帧间关系，对于第t帧图像连通域中的每一运动区域，计算其与第t‑1帧图像连通域中所有运动区域的距离，判断是否小于距离阈值，若是，则将第t帧图像与第t‑1帧图像中对应区域标记为同一目标，若否，则判断该目标为新产生的运动区域，并返回步骤S22；S24、计算单帧图像运动区域的概率，对第t帧中的运动区域，若能够在第t‑1帧图像中找到由同一目标运动产生的运动区域，计算同一目标中第m帧图像的运动区域特征后，标记运动区域类别属性并保存；对待检测视频信息中的所有运动区域提取运动特征和标记运动区域类别属性后，将所有运动区域提取运动特征组合成运动特征向量并标记类别后，将所有运动特征向量和类别标记输入分类器中，计算单帧图像运动区域的概率；S25、目标综合分析，判断目标存在帧数是否大于帧数阈值，若是，则计算目标存在帧数对应区域为烟雾的平均概率，并该判断平均概率与烟雾报警阈值的关系，具体为：当该判断平均概率大于烟雾报警阈值时，则判断该目标为烟雾并报警，当该判断平均概率小于或等于烟雾报警阈值时，则判断该目标为非烟雾，并返回步骤S12；若否，则判断该目标为非烟雾，并返回步骤S12。