[发明专利]基于图像识别的火灾和烟雾检测方法

说明书

技术领域

本发明涉及图像处理识别领域，特别是一种基于运动模型和空间颜色模型的火灾和烟雾检测方法。

背景技术

火灾是最常见的灾害之一，是一种在时空上失去控制的燃烧所引发的灾害。在大空间复杂环境下，如住宅区、森林、仓库等，一旦发生火灾，不仅造成巨大经济损失，更严重的是影响周边居民的正常生活。目前广泛应用火灾探测器来探测建筑物烟雾和火灾产生。由于他们通过电离或光度法，需要粒子到达，不能用在开放空间和大覆盖区域。并且由于监控范围大，运用原始的监控的成本非常高，难以推广应用。因此通过不需要对火灾或者烟雾直接接触的方式，并且实现在森林仓库这种空间范围大的自动化监控系统，是目前对环境保护，以及预防火灾发生研究中的重要问题。

发明内容

本发明的目的在于提供一种基于图像识别的火灾和烟雾检测方法，以克服现有技术中存在的缺陷，能够有效应用于监控系统中，对火灾和烟雾区域进行检测。

为实现上述目的，本发明的技术方案是：一种基于图像识别的火灾和烟雾检测方法，通过摄像头获取现场的图像视频信息，并通过计算机处理，利用RGB、HSV空间颜色模型以及运动模型识别火灾和烟雾区域，具体按照如下步骤实现：

步骤S1：将所获取的视频图像转化为RGB以及HSI颜色模型；

步骤S2：对视频图像进行分帧处理，对每个帧图像进行火灾颜色模型以及烟雾颜色模型的提取，将符合火灾颜色特征以及烟雾颜色特征的像素点提取出来；

步骤S3：构建运动模型，提取前景图像；利用三帧差分方法，设定差分阈值，并将符合运动模型的运动像素点提取出来，再通过帧间积累以及抖动检测，使提取的烟雾形状饱满，降低由于抖动而检测出错误运动像素的干扰；

步骤S4：对符合运动模型，且符合火灾颜色特征以及烟雾颜色特征的像素点进行提取，将当前处理帧图像转化为二值化图片，确定与所述前景图像的相同部分，并获取结果提取图像；

步骤S5：将所述结果提取图像进行用以除噪的腐蚀处理以及膨胀处理，并通过连通性判断，将火灾区域以及烟雾区域标志出来。

在本发明一实施例中，在所述步骤S2中，在进行所述火灾颜色模型提取时，将满足如下条件的像素点标记为火灾像素：

(1)R>RT；(2)R>＝G>＝B；(3)S>＝((255-R)*ST和RT)；

其中，S＝(1-3.0*min(R,G,B)和(R+G+B))，Rt为R分量的阈值，且描述为55至56内采样数；St为饱和度的阈值，且描述为115至135内采样数。

在本发明一实施例中在所述步骤S2中，在进行所述烟雾颜色模型提取时，提供如下条件：将满足如下条件的像素点标记为烟雾像素：

(1)t1<＝I<＝t2；(2)max(R,G,B)-min(R,G,B)<＝t3；(3)max(R,G,B)-min(R,G,B)<＝t4且max(R,G,B)＝＝B；

将满足条件(1)以及条件(2)或满足条件(1)以及条件(3)的像素点标记为烟雾像素：

其中，I＝(B+G+R)/3，T1取80，T2取220，T3取25至35，T4取35至40。

在本发明一实施例中在所述步骤S3中，所述三帧差分方法按照如下方式实现：选取连续三帧视频图像进行差分运算，从当前帧开始向前取三帧图像，并进行灰度化处理，且将得到处理后的图像分别记作cur、per1以及pre2；计算dif1＝pre2-pre1，dif2＝pre1-cur，dif1，dif2均为二值化图像，且对进行减操作的两个图像分别对应进行每个像素点的遍历相减，若差值大于设定的差分阈值T1，则将该差值置为255，否则置为0，T1取10～15之间；

计算得到dif1以及dif2后，分别对dif1以及dif2进行先腐蚀后膨胀的形态学滤波处理，并将这两幅图像进行逻辑与操作：R＝dif1&dif2，即对每个像素点进行遍历；若在遍历过程中，若当前处理像素点在两幅二值化图像中都为255，则将该处的像素点置为255，否则置为0；将经遍历后得到的二值化图像作为运动图像，也即前景图像。

在本发明一实施例中在所述步骤S3中，所述帧间积累为通过从当前帧起，包括当前帧往前计数的三帧G1,G2,G3进行积累，即利用或操作，使当前结果图像G＝G1|G2|G3，其中，|为或操作。