CN101908142A - 一种基于特征分析的视频火焰检测方法 - Google Patents

Abstract

本发明公开了一种基于特征分析的视频火焰检测方法，针对固定视场的监控摄像机获取的视频图像，首先采用最大类间方差法对图像进行二值化分割，获取前景区域，然后采用形态学滤波去除噪点，再统计前景区域的多项特征，如颜色亮度、几何形状、扩散特性、不规则性、闪烁频率等等，最后对计算出前景区域的诸项特征进行综合判断，以判别视频图像中是否存在火焰。最大类间方差法对图像的二值化分割能够减少大量的干扰的影响。同时，针对目前常用的火焰检测方法存在着判别特征单一或偏少的缺陷，本发明对最大类间方差法获取的前景区域提取了多项特征进行综合判断，实现了对视频图像中是否存在火焰的快速准确识别，同时大大降低了误报率。

Description

一种基于特征分析的视频火焰检测方法

技术领域

本发明属于模式识别领域，具体涉及火灾监控技术领域，特别涉及一种基于特征分析的视频图像模式识别方法以检测视频中的火焰现象。

背景技术

火灾的预防和探测一直是人类与火灾作斗争过程中所追求的目标。对于室内的环境，可以安装感烟、感温、感光探测器，它们分别利用火灾火焰的烟雾、温度、光的特性来对火灾作探测。但是长期以来，在高大空间或户外，早期火灾探测在世界范围内都是一个难题。因为在这类环境下，存在着许多影响火灾探测的因素，主要包括：探测方式、空间高度、热量屏障、覆盖范围、气流速度、易爆/有毒气体、可以接受的误报率、警报信息管理以及远程信号传输等等。传统的探测手段往往在这样的环境中失去了作用。在这种情况下，由于图像型火灾探测技术对于火灾探测具有非接触式探测的特点，不受空间高度、热障、易爆/有毒等环境条件的限制，使得该项技术成为在大型工厂、仓库、森林等大空间和室外开放空间进行火灾探测的有效手段。

公开号为101441712的中国专利提出了一种基于颜色聚类分析的视频火焰检测方法。公开号位101515326的中国专利提出了一种基于形状和面积改变量分析的视频火焰检测方法。Hideaki Yamagishi等提出了一种提取图像中颜色与边缘信息后采用神经网络进行火焰判别的方法。姜东海等提出了一种基于火焰纹理特征的视频火焰检测方法。现有的一些视频火焰检测方法，或由于抗干扰能力弱，或由于采用的判别特征较单一，使得漏报、误报情况难以避免，在复杂的监控环境下的适应性、稳定性也不尽如人意。

发明内容

本发明的目的在于提出一种基于特征分析的视频火焰检测方法。此方法对视频中火焰的检测准确率高、反应速度快、误报少、抗干扰性和可靠性强。

本发明的技术方案为：针对固定视场的监控摄像机获取的视频图像，首先采用最大类间方差法对图像进行二值化分割，获取前景区域；然后采用形态学滤波去除前景区域的噪点；再提取前景区域的诸项特征，如颜色亮度、几何形状、扩散特性、不规则性、闪烁频率等等，最后对计算出的前景区域的诸项特征进行综合判断，以判别视频图像中是否存在火焰。

本发明的具体现步骤依次为：

(1)现场场景图像获取步骤：以等间隔对现场视频进行采样以获得连续的现场场景图像。为保证对火焰检测的准确性，采样间隔应小于0.1秒(即大于10帧每秒)。

(2)采用最大类间方差法对图像进行二值化分割，获取前景区域。由于火焰区域的亮度一般比较高，故可对图像进行二值化分割，获得的前景区域可以认为是疑似火焰区域，然后通过后续的特征分析来进行确认。

1、将获取的彩色场景图像转换为灰度图像。转换公式为：

Gray＝0.299R+0.587G+0.114B    (1)

其中，R、G、B为一个像素的红色，绿色，蓝色三个颜色通道的值，Gray为像素对应的灰度值。

2、最大类间方差法计算二值化阈值

最大类间方差法是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。它是按图像的灰度特性，将图像分成背景和前景两部分。背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。从模式识别的角度看，最佳阈值应当产生最佳的前景类与背景类的分离性能。

最大类间方差法的计算公式为：假设图象包含L个灰度级(0，1…，L-1)，灰度值为i的象素个数为N_i，图象总的象素个数为N。则灰度值为i的像素点的概率密度为：P(i)＝N_i/N。门限T将整幅图象分为背景区C₁和前景区C₂两类，则类间方差σ是T的函数：

σ(T)＝a₁(T)a₂(T)(u₁(T)-u₂(T))²  (2)

其中，a₁(T)为背景类C₁的像素数与图象总像素数之比，即

a₂(T)为前景类C₂的像素数与图象总像素数之比，显然a₂(T)＝1-a₁(T)；u₁(T)为背景类C₁的灰度均值，即

同理u₂(T)为前景类C₂的灰度均值，

使类间方差σ最大的阈值T，即为分割图像的最佳阈值。

3、图像的二值化分割

用M(i，j，k)来表示第k帧图像中前景区域二值图像(i，j)处的值，则M(i，j，k)的计算公式为：

其中F(i，j，k)为当前输入的第k帧图像在(i，j)处的像素灰度值，T为采用最

大类间方差法计算出的二值化阈值。

(3)后处理步骤：对提取到的前景区域进行形态学运算，以去除前景区域中的噪点和空洞。

形态学运算的基本运算为膨胀和腐蚀运算，分别定义为：

(f⊕g)(n)＝max{f(n-x)+g(x)|(n-x)∈D_f且x∈D_g}  (4)

(fΘg)(n)＝min{f(n+x)-g(x)|(n+x)∈D_f且x∈D_g}  (5)

式中f(n)是输入信号，定义域为D_f＝{0，1，2，……，N}；g(n)为一维结构元素序列，其定义域为D_g＝{0，1，2，……，P}；其中P和N都是整数，N≥P；⊕表示膨胀运算，Θ表示腐蚀运算。由基本运算可引出形态学开运算、闭运算的定义分别为：

(fоg)(n)＝(fΘg⊕g)(n)  (6)

(f·g)(n)＝(f⊕gΘg)(n)  (7)

式中о表示开运算，·表示闭运算，开运算可以抑制图像中的正常脉冲(峰值)噪声，闭运算可以抑制图像中的负脉冲(低谷)噪声。对二值化后的前景区域，先进行一次开运算，然后进行一次闭运算。

(4)特征提取步骤：对经过形态学运算后的前景区域进行特征提取，提取该区域的诸类特征，如颜色亮度、几何形状、扩散特性、不规则性、闪烁频率等。

1、颜色亮度特征

火焰颜色一般偏红，亮度也比较亮。因此，首先统计前景区域红色R、绿色G、蓝色B三个颜色通道的颜色均值

和前景区域的亮度均值

2、几何特征

火焰的燃烧是一个从根部开始向上膨胀，直至消失过程。在这个过程中，火焰都是“活”的，不稳定的火焰本身有很多尖角。火焰尖角的定义为：令前景区域第n列的点数为f(n)，如果满足下面三个条件

f(n)/f(n-1)＞T_a  (8)

f(n)/f(n-1)＞T_b  (9)

f(n)＞T_c         (10)

则认为第n列处存在一个尖角。其中T_a、T_b、T_c均为给定阈值。本发明中，依据火焰尖角的定义，统计每帧前景区域的尖角个数N_c。

3、扩散特性

由于火焰具有扩散性，特别是在火灾发生初期，火焰的面积会不断地增大。因此，本发明中计算一段时间内前景区域的增长率ΔA_dt来判断火焰的扩散性。计算公式为：

ΔA_dt＝dp/dt＝P_i-P_i-1  (11)

式中P_i为图像序列的第i张图像中表示的可能火焰区域的像素总数。由于火焰区域扩散速度受气流、燃烧物种类等多种因素的影响，故采用计算一定帧数内(20帧)的平均增长率这样可以提高检测准确率，公式如下：

$\stackrel{\‾}{{\mathrm{\ΔA}}_{\mathrm{dt}}}=\frac{1}{n}\mathrm{\Σ}{\mathrm{\ΔA}}_{\mathrm{dt}}---\left(12\right)$

4、不规则性

火焰的形状较一般的物体更加不规则，形状的复杂度可以作为识别火焰的一个依据。本发明中，采用圆形度来衡量形状的不规则性，圆形度越大说明物体形状越不规则。圆形度(R_d)的计算公式为：

R_d＝C²/S    (13)

其中C为前景区域的周长，S为前景区域的面积。

5、闪烁频率

燃烧的火焰具有一定的闪烁频率，剧烈的火焰闪烁会引起高频的火焰区域的变化，换句话说，像素特别是火焰边缘的像素在视频的一秒内会出现几次从火焰颜色到不是火焰颜色，或者从不是火焰颜色到火焰颜色的变化，这种变化的频率通常在一定的范围内，经统计分析，1～8Hz的变化频率最能能反映火灾火焰的跳动特性。本发明中，首先统计1秒内前景区域边缘上的像素从前景变为背景，或从背景变为前景的平均次数F，计算公式为：

F＝∑F_p/N_p   (14)

其中F_p为一个边缘像素1秒内从前景变成背景，或者从背景变成前景的次数，N_p为被统计的边缘像素的总数目。为了保证火焰检测的准确率，故计算一段时间内(10秒)的平均闪烁频率

公式如下：

$\stackrel{\‾}{F}=\frac{1}{n}\mathrm{\ΣF}---\left(15\right)$

(5)火焰判断及报警步骤：对上一步骤中提取到的前景区域的特征进行综合判断。当下面5条判断规则均满足时，判定现场场景中存在火焰，并启动报警；反之，则判定场景中不存在火焰，跳至现场场景图像获取步骤，循环执行。判断规则如下：

规则1、前景区域的红色R、绿色G、蓝色B的颜色均值满足

且

同时亮度均值满足

T₁为给定阈值。

规则2、前景区域的尖角数目满足N_c＞T₂，T₂为给定阈值。

规则3、前景区域的平均增长率满足T₃为给定阈值。

规则4、前景区域的圆形度满足R_d＞T₄，T₄为给定阈值。

规则5、前景区域的平均闪烁频率

在1～8Hz之间。

当前一些常用的视频火焰检测方法一般采用帧间差或背景差等线性的背景模型来提取前景运动区域，无法有效的去除诸如光线变化、水波纹、树叶晃动以及雨雪等干扰，而这些干扰在形态特征上与火焰有相似之处，使得火焰检测系统的误报大大增加。本发明采用最大类间方差法对图像进行二值化分割，提取前景区域做进一步的特征分析，可大量减少上述干扰的影响。同时，目前常用的火焰检测方法也存在着判别特征单一或偏少的缺陷，容易导致漏报或误报增多。本发明中，对于通过最大类间方差法获得的前景区域，提取其颜色亮度、几何形状、扩散特性、不规则性、闪烁频率等特征后进行综合判断。正是由于采用了多种特征的综合判断，本发明实现了对视频图像中是否存在火焰的快速准确识别，同时大大降低了误报率，这是以前的技术所不能达到的。

附图说明

图1、本发明基于特征分析的视频火焰检测方法的系统结构图

图2、本发明基于特征分析的视频火焰检测方法的操作流程图

具体实施方式

实施实例1

图1给出了本发明基于特征分析的视频火焰检测方法的系统构成示意图：将监控摄像头D捕捉到的被监控区域C的视频图像传送到嵌入式智能视频火焰检测仪A，嵌入式智能视频火焰检测仪A利用根据本发明基于特征分析的视频火焰检测方法的操作流程图编写的嵌入式视频图像分析程序对捕捉到的视频图像进行实时分析。如果判断出被监控场景中存在火焰，嵌入式智能视频火焰检测仪A自动发出报警信号并联动灭火装置B灭火，同时将报警事件传送到后端的监控平台E；如果判断被监控区域无火焰情况，则返回流程的第一步重新开始循环。

图2给出了本发明基于特征分析的视频火焰检测方法的程序流程图。具体步骤为：1、获取当前帧图像数据；2、将当前帧的彩色图像转换为灰度图像；3、采用最大类间方差法对图像进行二值化分割，获取前景区域；4、对得到的前景区域进行形态学滤波去除噪点；5、对去噪后的前景区域提取颜色亮度、几何形状、扩散特性、不规则性、闪烁频率等特征；6、依据先验规则对提取的特征进行判别，若所有规则均满足即认为场景中存在火焰，给出报警信息，返回步骤1重新循环。

本发明基于特征分析的视频火焰检测方法的具体操作步骤如下：

1、视频火焰检测系统硬件平台的搭建

监控摄像头要求为输出标准模拟视频的摄像头，按照图1所示将模拟视频信号接入嵌入式智能视频火焰检测仪A。同时，嵌入式智能视频火焰检测仪A可以连接灭火装置B，以便及时灭火；也可以连接后端的监控平台，实时上传报警事件。

2、获取当前帧图像并转换为灰度图像

将获取的彩色场景图像转换为灰度图像。转换公式为：

Gray＝0.299R+0.587G+0.114B    (1)

其中，R、G、B为一个像素的红色，绿色，蓝色三个颜色通道的值，Gray为像素对应的灰度值。

3、采用最大类间方差法对图像进行二值化分割，获取前景区域

最大类间方差法的计算公式为：假设图象包含L个灰度级(0，1…，L-1)，灰度值为i的象素个数为N_i，图象总的象素个数为N。则灰度值为i的像素点的概率密度为：P(i)＝N_i/N。门限T将整幅图象分为背景区C₁和前景区C₂两类，则类间方差σ是T的函数：

σ(T)＝a₁(T)a₂(T)(u₁(T)-u₂(T))²    (2)

其中，a₁(T)为背景类C₁的像素数与图象总像素数之比，即

a₂(T)为前景类C₂的像素数与图象总像素数之比，显然a₂(T)＝1-a₁(T)；u₁(T)为背景类C₁的灰度均值，即

同理u₂(T)为前景类C₂的灰度均值，

使类间方差σ最大的阈值T，即为分割图像的最佳阈值。

用M(i，j，k)来表示第k帧图像中前景区域二值图像(i，j)处的值，则M(i，j，k)的计算公式为：

其中F(i，j，k)为当前输入的第k帧图像在(i，j)处的像素灰度值，T为采用最大类间方差法计算出的二值化阈值。

4、形态学滤波

对二值化后的图像前景区域，先进行一次开运算，然后进行一次闭运算，以去除前景区域中的噪点和空洞。

5、特征提取

对经过形态学运算后的前景区域进行特征提取，提取该区域的诸类特征，如颜色亮度、几何形状、扩散特性、不规则性、闪烁频率等。

(a)颜色亮度特征

统计前景区域红色R、绿色G、蓝色B三个颜色通道的颜色均值

和前景区域的亮度均值

(b)几何特征

依据火焰尖角的定义，统计每帧前景区域的尖角个数N_c。火焰尖角的定义为：令前景区域第n列的点数为f(n)，如果满足下面三个条件

f(n)/f(n-1)＞T_a    (4)

f(n)/f(n-1)＞T_b    (5)

f(n)＞T_c           (6)

则认为第n列处存在一个尖角。其中T_a、T_b、T_c均为给定阈值。

(c)扩散特性

通过计算一段时间内前景区域的增长率ΔA_dt来判断火焰的扩散性。计算公式为：

ΔA_dt＝dp/dt＝P_i-P_i-1      (7)

式中P_i为图像序列的第i张图像中表示的可能火焰区域的像素总数。为提高检测准确率和稳定性，采用计算一定帧数内(20帧)的平均增长率

公式如下：

$\stackrel{\‾}{{\mathrm{\ΔA}}_{\mathrm{dt}}}=\frac{1}{n}\mathrm{\Σ}{\mathrm{\ΔA}}_{\mathrm{dt}}---\left(8\right)$

(d)不规则性

采用圆形度来衡量形状的不规则性，圆形度越大说明物体形状越不规则。圆形度R_d的计算公式为：

R_d＝C²/S    (9)

其中C为前景区域的周长，S为前景区域的面积。

(e)闪烁频率

本发明中，首先统计1秒内前景区域边缘上的像素从前景变为背景，或从背景变为前景的平均次数F，计算公式为：

F＝∑F_p/N_p(10)

其中F_p为一个边缘像素1秒内从前景变成背景，或者从背景变成前景的次数，N_p为被统计的边缘像素的总数目。为了保证火焰检测的准确率，故计算一段时间内(10秒)的平均闪烁频率

公式如下：

$\stackrel{\‾}{F}=\frac{1}{n}\mathrm{\ΣF}---\left(11\right)$

6、火焰判断及报警

判断规则为：

规则1、前景区域的红色R、绿色G、蓝色B的颜色均值满足且

同时亮度均值满足

T₁为给定阈值。

规则2、前景区域的尖角数目满足N_c＞T₂，T₂为给定阈值。

规则3、前景区域的平均增长率满足

T₃为给定阈值。

规则4、前景区域的圆形度满足R_d＞R₄，R₄为给定阈值。

规则5、前景区域的平均闪烁频率

在1～8Hz之间。

当上述5条判断规则均满足时，判定现场场景中存在火焰，并启动报警以及联动灭火设备灭火。

Claims (3)

1.一种基于特征分析的视频火焰检测方法，其特征在于：针对固定视场的监控摄像机获取的视频图像，首先采用最大类间方差法对图像进行二值化分割，获取前景区域，然后采用形态学滤波去除噪点，再统计前景区域的多项特征，包括颜色亮度、几何形状、扩散特性、不规则性、闪烁频率，最后对计算出前景区域的诸项特征进行综合判断，以判别视频图像中是否存在火焰。

2.根据权利要求1所述的基于特征分析的视频火焰检测方法，其特征在于，步骤依次为：

1)获取当前帧图像并转换为灰度图像

将获取的彩色场景图像转换为灰度图像；转换公式为：

Gray＝0.299R+0.587G+0.114B    (1)

其中，R、G、B为一个像素的红色，绿色，蓝色三个颜色通道的值，Gray为像素对应的灰度值；

2)采用最大类间方差法对图像进行二值化分割，获取前景区域最大类间方差法的计算公式为：假设图象包含L个灰度级(0，1…，L-1)，灰度值为i的象素个数为N_i，图象总的象素个数为N；则灰度值为i的像素点的概率密度为：P(i)＝N_i/N；门限T将整幅图象分为背景区C₁和前景区C₂两类，则类间方差σ是T的函数：

σ(T)＝a₁(T)a₂(T)(u₁(T)-u₂(T))²  (2)

其中，a₁(T)为背景类C₁的像素数与图象总像素数之比，即

a₂(T)为前景类C₂的像素数与图象总像素数之比，显然a₂(T)＝1-a₁(T)；u₁(T)为背景类C₁的灰度均值，即

同理u₂(T)为前景类C₂的灰度均值，

使类间方差σ最大的阈值T，即为分割图像的最佳阈值；

用M(i，j，k)来表示第k帧图像中前景区域二值图像(i，j)处的值，则M(i，j，k)的计算公式为：

其中F(i，j，k)为当前输入的第k帧图像在(i，j)处的像素灰度值，T为采用最大类间方差法计算出的二值化阈值；

3)形态学滤波

对最大类间方差法提取的前景区域，先进行一次开运算，然后进行一次闭运算，以去除前景区域中的噪点和空洞；

4)特征提取

对经过形态学运算后的前景区域进行特征提取，提取该区域的诸类特征，包括颜色亮度、几何形状、扩散特性、不规则性、闪烁频率；

a、颜色亮度特征

统计前景区域红色R、绿色G、蓝色B三个颜色通道的颜色均值

和前景区域的亮度均值

b、几何特征

依据火焰尖角的定义，统计每帧前景区域的尖角个数N_c；火焰尖角的定义为：令前景区域第n列的点数为f(n)，如果满足下面三个条件

f(n)/f(n-1)＞T_a    (4)

f(n)/f(n-1)＞T_b    (5)

f(n)＞T_c           (6)

则认为第n列处存在一个尖角；其中T_a、T_b、T_c均为给定阈值；

c、扩散特性

通过计算一段时间内前景区域的增长率ΔA_dt来判断火焰的扩散性；计算公式为：

ΔA_dt＝dp/dt＝P_i-P_i-1      (7)

式中P_i为图像序列的第i张图像中表示的可能火焰区域的像素总数；为提高检测准确率和稳定性，采用计算一定帧数内(20帧)的平均增长率

公式如下：

$\stackrel{\‾}{{\mathrm{\ΔA}}_{\mathrm{dt}}}=\frac{1}{n}\mathrm{\Σ}{\mathrm{\ΔA}}_{\mathrm{dt}}---\left(8\right)$

d、不规则性

采用圆形度来衡量形状的不规则性，圆形度越大说明物体形状越不规则；圆形度R_d的计算公式为：

R_d＝C²/S    (9)

其中C为前景区域的周长，S为前景区域的面积；

e、闪烁频率

本发明中，首先统计1秒内前景区域边缘上的像素从前景变为背景，或从背景变为前景的平均次数F，计算公式为：

F＝∑F_p/N_p    (10)

其中F_p为一个边缘像素1秒内从前景变成背景，或者从背景变成前景的次数，N_p为被统计的边缘像素的总数目；为了保证火焰检测的准确率，故计算n秒时间内的平均闪烁频率

公式如下：

$\stackrel{\‾}{F}=\frac{1}{n}\mathrm{\ΣF}---\left(11\right)$

5)火焰判断及报警

判断规则为：

规则1、前景区域的红色R、绿色G、蓝色B的颜色均值满足

且

同时亮度均值满足

T₁为给定阈值；

规则2、前景区域的尖角数目满足N_c＞T₂，T₂为给定阈值；

规则3、前景区域的平均增长率满足T₃为给定阈值；

规则4、前景区域的圆形度满足R_d＞T₄，T₄为给定阈值；

规则5、前景区域的平均闪烁频率

在1～8Hz之间；

当上述5条判断规则均满足时，判定现场场景中存在火焰。

3.根据权利要求2所述的基于特征分析的视频火焰检测方法，其特征在于，所述步骤4)中公式(10)中的n为10。

Images