《烟雾检测的方法.pdf》由会员分享，可在线阅读，更多相关《烟雾检测的方法.pdf（17页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102982313 A (43)申请公布日 2013.03.20 CN 102982313 A *CN102982313A* (21)申请号 201210427741.9 (22)申请日 2012.10.31 G06K 9/00(2006.01) G06K 9/62(2006.01) G08B 17/10(2006.01) (71)申请人 深圳辉锐天眼科技有限公司 地址 518000 广东省深圳市南山区公园南路 蛇口联合工业村 G 栋 A603 南山电子商 务创新服务基地 ( 入驻深圳一二三商 务秘书有限公司 ) (72)发明人 阮锐 吴翔 (74)专利代理机构 深圳。
2、市博锐专利事务所 44275 代理人 张明 (54) 发明名称 烟雾检测的方法 (57) 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。
3、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。 (51)Int.Cl. 权利要求书 3 页 说明书 10 页 附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 3 页 说明书 10 页 附图 3 页 1/3 页 2 1. 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。
4、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。
5、， 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、。
6、 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。
7、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。
8、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 权 利 要 求 书 CN 102982313 A 2 2/3 页 3 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。 2.根据权利要求1所述的烟雾检测的方法， 其特征在于， 所述步骤S12中生成运动前。
9、景 二值图像与对运动前景二值图像进行连通域标记之间， 还包括步骤 S121、 判断是否需要更 新背景图像， 将第 t 帧图像 Ft 与背景图像 Bt 对应像素相减差值的绝对值累加求和， 得到当前帧同 背景图像的总体差异 将与背景更新阈值 B 进行比较， 若大于 B 且当前目标中没有产生报 警的烟雾疑似区域， 则更新背景图像， 将 Ft作为新的背景图像 Bt+1， 反之， 3. 根据权利要求 2 所述的烟雾检测的方法， 其特征在于， 所述步骤 S121 之后与对运动 前景二值图像进行连通域标记之前， 还包括步骤 S122、 对运动前景二值图像进行滤波， 对以 运动前景二值图像中的任一像素点的为中。
10、心邻域 8 个像素点的灰度值进行排序， 并选取 8 个像素点灰度值中的中间值为中心邻域内像素点的灰度值。 4. 根据权利要求 1 所述的烟雾检测的方法， 其特征在于， 所述步骤 S13 具体为 ： 计算第 t 帧图像与第 t-1 的中各运动区域间距离， 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的均值 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的方差 则 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的距离为 ： 其中，为t帧图像中第i个运动区域的中心位置 ；为第t-1帧图像 中第 j 个运动区域的中心位置， mean， va。
11、riance， location分别为均值、 方差和中心位置的权 重参数 ； 对当前第 t 帧第 i 个运动区域， 计算它与 t-1 帧图像中所有 Nt-1个运动区域的距离向 量而后求所有 Nt-1个距离中的最小值并将最小值与距离阈值进行比较 ： 若则判定第t帧图像中的第i个运动区域与第t-1帧图像中产生最小距离 的最近区域由同一目标的运动产生， 若则判定第t帧图像中的第i个运动区域与t-1帧图像中的所有运动区域 均没有关系， 第 t 帧图像的运动区域为新产生的运动区域或噪声。 5. 根据权利要求 1 所述的烟雾检测的方法， 其特征在于， 所述步骤 S14 中的运动区域 特征包括第t帧图像与第。
12、t-1帧图像在X方向上的区域帧间运动系数、 第t帧图像与第t-1 帧图像在 Y 方向上的区域帧间运动系数、 第 t 帧图像的区域面积变化系数、 第 t 帧图像的区 域内归一化的灰度均值、 第 t 帧图像的运动区域内前继历史帧图像中的平均灰度均值穿越 权 利 要 求 书 CN 102982313 A 3 3/3 页 4 次数的归一化直方图、 第 t 帧图像的前继历史帧图像中灰度最大变化图像在运动区域的归 一化均值及均值和第 t 帧图像运动区域内大梯度像素点与区域面积的比值。 6.根据权利要求1所述的烟雾检测的方法， 其特征在于， 所述步骤S22中生成运动前景 二值图像与对运动前景二值图像进行连通。
13、域标记之间， 还包括步骤 S221、 判断是否需要更 新待检测视频中的背景图像和步骤 S222、 对带检测视频中的运动前景二值图像进行滤波。 7. 根据权利要求 1 所述的烟雾检测的方法， 其特征在于， 所述步骤 S33 具体为 ： 计算待 检测运动前景二值图像中第 t 帧图像与第 t-1 的中各运动区域间距离， 并将距离最小值与 距离阈值比较， 若距离最小值小于距离阈值， 则判定第 t 帧图像中的第 i 个运动区域与第 t-1 帧图像中产生最小距离的最近区域由同一目标的运动产生 ； 反之， 则判定第 t 帧图像中 的第 i 个运动区域与 t-1 帧图像中的所有运动区域均没有关系， 第 t 帧。
14、图像的运动区域为 新产生的运动区域或噪声。 8. 根据权利要求 1 所述的烟雾检测的方法， 其特征在于， 所述步骤 S24 中的运动区域 特征包括第t帧图像与第t-1帧图像在X方向上的区域帧间运动系数、 第t帧图像与第t-1 帧图像在 Y 方向上的区域帧间运动系数、 第 t 帧图像的区域面积变化系数、 第 t 帧图像的区 域内归一化的灰度均值、 第 t 帧图像的运动区域内前继历史帧图像中的平均灰度均值穿越 次数的归一化直方图、 第 t 帧图像的前继历史帧图像中灰度最大变化图像在运动区域的归 一化均值及均值和第 t 帧图像的运动区域内大梯度像素点与区域面积的比值。 9.根据权利要求1所述的烟雾检。
15、测的方法， 其特征在于， 所述步骤S25中的帧数阈值为 10。 权 利 要 求 书 CN 102982313 A 4 1/10 页 5 烟雾检测的方法 技术领域 0001 本发明涉及安防监控领域， 尤其涉及一种烟雾检测的方法。 背景技术 0002 传统的基于离子感烟器、 光电感烟器的火灾报警系统由于成本低廉， 在当前的火 灾防控中取得了非常广泛的应用。但是探测器必须与一定浓度的烟雾接触才能报警， 使得 它无法应用于大的空间以及露天环境。 0003 计算机视觉主要研究从图像数据中获取信息的方法。 基于计算机视觉的烟雾检测 方法通过对视频图像内容进行分析， 判断场景中是否存在烟雾， 因此它不需要与。
16、烟雾接触， 能够监控大空间以及露天区域 ； 此外， 基于视频监控的火灾报警系统能够实时传送监控现 场的视频信息， 在发生报警后， 消防人员可以利用视频信息及时判断火灾报警的真实性， 避 免火灾防控系统误报警带来的损失 ； 同时对于真正发生的火灾， 视频图像也能够帮助消防 人员了解火场信息， 及时制定有效的灭火方案。 0004 烟雾检测属于计算机视觉领域中特定目标的检测识别问题， 目前实际使用中的烟 雾检测算法主要有以下几种 ： 1、 基于颜色信息的烟雾检测， 颜色信息是对图像分析中一种 经常利用的信息， 通过在视频图像中寻找与烟雾颜色近似的区域， 能够实现烟雾的检测。 然 而， 利用颜色信息进。
17、行烟雾检测容易受相似颜色目标的干扰 ； 此外， 不同燃烧物燃烧所释放 出的烟雾颜色有较大差异， 也是限制颜色信息在烟雾检测中应用的一个重要限制 ； 2、 基于 运动信息的烟雾检测， 0005 场景中的光流反映了场景中各点在视频流中的运动方向， 一些人员通过计算场景 中的光流， 寻找场景中同烟雾扩散相似的运动区域， 从而发现场景中的疑似烟雾区域。然 而， 光流计算的准确性， 监控区域的成像条件等都对烟雾的准确检测结果有很大影响 ； 3、 基 于小波分析的烟雾检测， 小波分析方法能够在频域和空域同时对图像进行分析， 在图像处 理领域的很多问题中都有重要应用。有学者研究了图像中烟雾区域同非烟雾区域在。
18、小波 域的差别， 分析了小波域能量损失与保留能量的关系、 小波系数的统计规律等， 获得了较好 的烟雾检测效果。但是小波分析方法往往只针对特定形态的烟雾， 难以满足一些特定场合 的应用需求， 此外， 对于成像质量较差的视频， 噪声也会对图像小波域的信息有较大影响。 虽然研究人员根据烟雾的不同特性提出了不同的烟雾检测算法， 但是， 现有的基于计算机 视觉的烟雾检测方法研究主要集中于可见光场景， 无法应用于黑暗的密闭空间以及夜晚场 景。为此， 有必要对上述的烟雾检测算法进行进一步的改进。 发明内容 0006 本发明提出了一种烟雾检测的方法， 能够在黑暗的密闭空间及夜晚场景中实时精 确地完成对烟雾的检。
19、测。 0007 本发明采用的一个技术方案是 ： 提供一种烟雾检测的方法， 包括两个阶段 ： 生成 分类器阶段和检测烟雾阶段 ； 说 明 书 CN 102982313 A 5 2/10 页 6 0008 所述生成分类器阶段， 包括如下步骤 ： 0009 S11、 接收样本视频 ； 0010 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。
20、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 ； 0011 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 ； 0012 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。
21、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 ； 0013 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 ； 0014 所述检测烟雾阶段， 包括如下步骤 ： 0015 S21、 接收待检测的视频 ； 0016 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。
22、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 ； 0017 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。
23、标， 若否， 则判断该目标为新产生的运动区 域， 并返回步骤 S22 ； 0018 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 ； 0019 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。
24、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 说 明 书 CN 102982313 A 6 3/10 页 7 非烟雾， 并返回步骤 S12。 0020 优选的， 所述步骤 S12 中生成运动前景二值图像与对运动前景二值图像进行连通 域标记之间， 还包括步骤 S121、 判断是否需要更新背景图像， 0021 将第t帧图像Ft与背景图像Bt对应像素相减差值的绝对值累加求。
25、和， 得到当前帧 同背景图像的总体差异 0022 0023 将与背景更新阈值B进行比较， 若大于B且当前目标中没有产生 报警的烟雾疑似区域， 则更新背景图像， 将Ft作为新的背景图像Bt+1， 反之， 则不更新背景图 像， 具体为 ： 0024 0025 优选的， 所述步骤 S121 之后与对运动前景二值图像进行连通域标记之前， 还包括 步骤 S122、 对运动前景二值图像进行滤波， 对以运动前景二值图像中的任一像素点的为中 心邻域 8 个像素点的灰度值进行排序， 并选取 8 个像素点灰度值中的中间值为中心邻域内 像素点的灰度值。 0026 优选的， 所述步骤 S13 具体为 ： 计算第 t 。
26、帧图像与第 t-1 的中各运动区域间距离， 0027 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的均值 0028 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的方差 0029 则 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的距离为 ： 0030 0031 其中，为t帧图像中第i个运动区域的中心位置 ；为第t-1帧 图像中第 j 个运动区域的中心位置， mean， variance， location分别为均值、 方差和中心位置 的权重参数 ； 0032 对当前第 t 帧第 i 个运动区域， 计算它与 t-1 帧图像中所有 N。
27、t-1个运动区域的距 离向量而后求所有 Nt-1个距离中的最小值并将最小值与距离阈值进行比较 ： 0033 若则判定第t帧图像中的第i个运动区域与第t-1帧图像中产生最小 距离的最近区域由同一目标的运动产生， 0034 若则判定第t帧图像中的第i个运动区域与t-1帧图像中的所有运动 区域均没有关系， 第 t 帧图像的运动区域为新产生的运动区域或噪声。 0035 优选的， 所述步骤 S14 中的运动区域特征包括第 t 帧图像与第 t-1 帧图像在 X 方 向上的区域帧间运动系数、 第 t 帧图像与第 t-1 帧图像在 Y 方向上的区域帧间运动系数、 第 t 帧图像的区域面积变化系数、 第 t 帧。
28、图像的区域内归一化的灰度均值、 第 t 帧图像的运动 区域内前继历史帧图像中的平均灰度均值穿越次数的归一化直方图、 第 t 帧图像的前继历 史帧图像中灰度最大变化图像在运动区域的归一化均值及均值和第 t 帧图像运动区域内 大梯度像素点与区域面积的比值。 说 明 书 CN 102982313 A 7 4/10 页 8 0036 优选的， 所述步骤 S22 中生成运动前景二值图像与对运动前景二值图像进行连通 域标记之间， 还包括步骤 S221、 判断是否需要更新待检测视频中的背景图像和步骤 S222、 对带检测视频中的运动前景二值图像进行滤波。 0037 优选的， 所述步骤 S33 具体为 ： 计。
29、算待检测运动前景二值图像中第 t 帧图像与第 t-1 的中各运动区域间距离， 并将距离最小值与距离阈值比较， 若距离最小值小于距离阈 值， 则判定第 t 帧图像中的第 i 个运动区域与第 t-1 帧图像中产生最小距离的最近区域由 同一目标的运动产生 ； 反之， 则判定第t帧图像中的第i个运动区域与t-1帧图像中的所有 运动区域均没有关系， 第 t 帧图像的运动区域为新产生的运动区域或噪声。 0038 优选的， 所述步骤 S24 中的运动区域特征包括第 t 帧图像与第 t-1 帧图像在 X 方 向上的区域帧间运动系数、 第 t 帧图像与第 t-1 帧图像在 Y 方向上的区域帧间运动系数、 第 t。
30、 帧图像的区域面积变化系数、 第 t 帧图像的区域内归一化的灰度均值、 第 t 帧图像的运动 区域内前继历史帧图像中的平均灰度均值穿越次数的归一化直方图、 第 t 帧图像的前继历 史帧图像中灰度最大变化图像在运动区域的归一化均值及均值和第 t 帧图像的运动区域 内大梯度像素点与区域面积的比值。 0039 优选的， 所述步骤 S25 中的帧数阈值为 10。 0040 本发明的有益技术效果是 ： 本发明提供了一种烟雾检测方法， 主要包括训练分类 器阶段与检测烟雾阶段， 其中， 训练分类器阶段的过程为 ： 接收样本视频信息， 通过样本视 频得到若干个作为样本的运动区域， 提取这些训练样本的特征， 并。
31、人工标记这些训练样本 的属性 （是否为烟雾潜在运动区域） ， 然后通过分类器训练算法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， 并将其存储于分类器 ； 检测烟雾阶段的过程为 ： 接收 待检测的视频信息， 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。 附图说明 0041 图 1 是本发明烟雾检测方法中训练分类器阶段的方法流程图 。
32、； 0042 图 2 是本发明烟雾检测方法中检测烟雾阶段的方法流程图 ； 0043 图 3a 是一实施例中近红外场景下烟雾检测时的背景图像 ； 0044 图 3b 是一实施例中近红外场景下烟雾检测时发生报警时的视频图像 ； 0045 图 3c 是图 3b 中的运动区域前景图像 ； 0046 图 3d 是图 3b 的报警图像。 具体实施方式 0047 为详细说明本发明的技术内容、 构造特征、 所实现目的及效果， 以下结合实施方式 并配合附图详予说明。 0048 请参阅图 1 以及图 2， 本实施例提供了一种烟雾检测的方法， 主要包括生成分类器 阶段与检测烟雾阶段， 0049 训练分类器阶段中， 。
33、其大致的过程为 ： 接收样本视频信息， 通过样本视频得到若干 说 明 书 CN 102982313 A 8 5/10 页 9 个作为样本的运动区域， 提取这些训练样本的特征， 并人工标记这些训练样本的属性 （是否 为烟雾区域） ， 然后通过分类器训练算法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， 并将其存储于分类器， 具体的包括如下步骤 ： 0050 S11、 接收样本视频 ； 0051 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。 0052 本发明中获得前进图像使用的方法为背景差法， 即通过当前帧图像与估计的背景 相减差值的绝。
34、对值大小判断对应像素点处是否为运动区域， 具体方法如下 ： 0053 在检测开始时将样本视频中第一帧图像作为图像的背景B1， 对于第t帧图像Ft中 的每一像素点 Ft(x,y)， 与当前背景图像 Bt对应的像素点相减并对差值取绝对值， 将差值的 绝对值与运动检测阈值F作比较， 若大于阈值F则认为该点处存在运动， 则将该像素点 置为 255， 否则置 0， 从而得到运动前景图像即 ： 0054 0055 其中， F 为设定的运动检测阈值， 根据视频图像的质量、 需要检测的烟雾浓度等 人为设定， 一般取值为 10 至 20 之间。 0056 S121、 判断是否需要更新背景图像 0057 将第t帧。
35、图像Ft与背景图像Bt对应像素相减差值的绝对值累加起来， 得到当前帧 同背景图像的总体差异 0058 0059 将与背景更新阈值B进行比较， 若大于B且当前场景中没有能够 产生报警的烟雾疑似区域， 则更新背景图像， 将 Ft作为新的背景图像 Bt+1， 即 ： 0060 0061 S122、 对运动前景图像进行滤波 0062 近红外视频图像信噪比低， 步骤S12中得到的初始前景图像中存在的孤立 噪声点， 为了滤除孤立的噪声点， 得到更好的前景图像本实施例中选用中值滤波 器对进行滤波处理。 0063 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术， 中 值滤波的基本原理是把图。
36、像中某像素点的颜色值用该像素点的一个邻域中各像素点颜色 值排序后的中间值代替， 让周围像素的颜色值更接近真实值， 从而消除孤立的噪声点， 本实 施例中对 进行中值滤波时选用的邻域为该像素的 8 邻域， 即选取 8 邻域中的所有像素的 灰度值的中间值作为该像素点滤波后的结果。所谓像素点 (x,y) 的邻域是指该像素具有 4 个水平和垂直的相邻像素， 其坐标为 (x+1,y)， (x-1,y)， (x,y+1)， (x,y-1)， 这四个点称之为 (x,y) 的 4 邻域， 同时 (x,y) 的 4 个对角的相邻像素具有如下坐标 ： (x+1,x+1)， (x+1,y-1)， (x-1,y+1)，。
37、 (x-1,y-1)。所有的这 8 个点称之为 (x,y) 的 8 邻域， 若 (x,y) 位于图像的边 界， 则它的 8 邻域中的某些点落入图像的外边。 说 明 书 CN 102982313 A 9 6/10 页 10 0064 二值图像 经过滤波处理之后， 将其中像素值为255且彼此位于对方的8邻域中的 像素用同一数值标记出来， 标记后的图像中具有相同数值的所有像素则隶属于同一个连通 域， 设在样本的第 t 帧图像中共标记出 Nt个连通区域。 0065 S13、 确定运动帧间区域关系 0066 对于样本视频信息第 t 帧图像中 Nt个连通区域中的每一个区域 i， 计算它与 t-1 帧图像中。
38、所有区域 j 的距离， 确定第 t 帧图像中运动区域 i 是否与 t-1 帧图像中某一区域 由同一目标的运动产生， 具体运动区域间距离方法如下 ： 0067 （1） 计算运动区域间距离 0068 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域距离的方法如下 ： 0069 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的均值 0070 计算 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的方差 0071 则 t 帧第 i 个运动区域与第 t-1 帧图像第 j 个运动区域的距离为 ： 0072 0073 其中，为t帧图像中第i个运动区域的。
39、中心位置 ；为第t-1帧 图像中第 j 个运动区域的中心位置， mean， variance， location分别为均值、 方差和中心位置 的权重参数 ； 0074 （2） 确定运动帧间区域关系 ； 0075 对当前第 t 帧第 i 个运动区域， 计算它与 t-1 帧图像中所有 Nt-1个区域的距离向 量（向量维数为 t-1 帧图像中运动目标的个数 Nt-1） ， 然后求所有 Nt-1个距离中的最小值 将最小值与距离阈值进行比较 ： 0076 若则认为第t帧图像中的第i个运动区域与第t-1帧图像中产生最小 距离的最近区域 k 由同一目标的运动产生， 0077 若则认为第t帧图像中的第i个运动。
40、区域与t-1帧图像中的所有运动 区域均没有关系， 为新产生的运动区域或噪声 ； 0078 S14、 计算单帧图像的运动区域特征， 0079 对于当前帧t中的运动区域i， 若能够在t-1帧图像中找到由同一目标运动产生的 运动区域， 则计算其特征并标记其类别属性 ： 0080 （1） 计算第 t 帧图像运动区域的 X 和 Y 方向上的区域帧间运动系数 0081 0082 0083 0084 其中，为 t 帧图像中第 i 个运动区域的中心位置，为第 t-1 帧 图像中与之对应的运动区域 k 的中心位置 ； x、 y分别为 X 方向和 Y 方向上的权重参数 ； 说 明 书 CN 102982313 A。
41、 10 7/10 页 11 0085 （2） 第 t 帧图像与第 t-1 帧图像在区域面积变化系数 0086 0087 其中，表示 t 帧图像中运动区域 i 的面积，表示 t-1 帧图像中与之对 应的区域 k 的面积 ； 0088 （3） 计算第 t 帧图像的区域内归一化的灰度均值 0089 0090 其中表示点 (x,y) 属于当前 t 帧图像中运动区域 i 的范围内 ; 0091 （4） 第 t 帧图像的统计运动区域内前继历史帧图像中的平均灰度均值穿越次数的 归一化直方图 ； 0092 首先计算运动区域内过去帧图像中各像素的灰度均值穿越次数MCRt-,t(x,y) ； 其中 MCRt-,t。
42、(x,y) 为点 (x,y) 在时间范围 t-,t 内的均值穿越次数， 即在过去 帧图 像中， 相邻两帧图像灰度值穿过所有 帧图像中该点处灰度均值 Mt-,t(x,y) 的次数， 它反 映了点 (x,y) 处运动的频率信息。MCRt-， t(x,y) 的计算方法为 ： 0093 （a） 令 MCRt-,t(x,y)=0; 0094 （b） 对于 =t-,t-1， 若 ： 0095 (F(x,y)-Mt-,t(x,y)(Mt-,t(x,y)-F+1(x,y)0 ； 0096 则 MCRt-,t(x,y)=MCRt-,t(x,y)+1 ； 0097 得到区域内各像素的灰度均值穿越次数后， 在区域内。
43、统计穿越次数的直方图 对于的任意一个通道 b， 有 ： 0098 0099 即， 穿越次数直方图的任一个通道b中保存区域内穿越次数为b的像素点的个数。 表示在区域 i 范围内， 满足条件 MCRt-,t(x,y)=b 的像素点的个 数 ； 特别的， 在 t-,t 时间段内， 穿越次数往往集中于较少的几个通道 ； 因此， 为了节省 内存空间， 将穿越次数大于一定阈值 b 的像素点均归为一个通道。在实际使用中我们取， 则只统计了区域内穿越次数为 1、 2、 3、 4 的像素的个数， 将穿越次数大于等于 5 的像素点归 为一类， 因此直方图中包含 5 个通道。 0100 （5） 前继历史帧图像中灰度。
44、最大变化图像在运动区域的归一化均值和方差 ； 0101 灰度最大变化图像 TCchanget-,t是指， 在过去 帧图像中， 每个像素点相邻两帧 灰度变化最大的值组成的图像 ； 0102 TCchanget-,t(x,y)=maxq t-， t-1(|Fq(x,y)-Fq+1(x,y)|) ； 0103 该图像通过使用各像素处得最大值代表该像素处过去 帧图像中的变化， 相当 于对过去 帧图像中运动区域内的灰度变化进行了降维。则统计 TCchanget-,t在区域 i 内的均值以及方差即可表征过去 帧图像中运动区域内整 体灰度变化趋势和不均匀程度。 0104 （6）计 算 区 域 内 大 梯 度。
45、 像 素 点 与 区 域 面 积 的 比 值 说 明 书 CN 102982313 A 11 8/10 页 12 表示区域 i 内， 梯度大于阈值 Grad 的像素占整个区域面积的比值 ： 0105 0106 其中，为图像 Ft 在点 (x,y) 的梯度，表 示在区域 i 范围内， 满足条件像素点的个数 ； 0107 其中 Grad 为梯度阈值， 可以根据场景中的边缘信息的多少预先设定， 也可以依 赖区域的某些特征设定自适应的阈值。本例中， 使用该区域的平均亮度作为梯度阈 值， 即较亮的地方可以允许存在较明显的边缘， 而较暗的地方不应出现明显的边缘信息。 0108 本例中计算梯度使用 sobe。
46、l 算子， sobel 算子是实践中计算数字梯度时最常用的 算子之一。通过使用模板 ： 0109 0110 分别对图像 Ft进行卷积得到卷积结果并令求得梯 度图像。 0111 计算特征后， 需人工对标记运动区域的类别属性， 本例中即标记运动区域是否由 烟雾产生。在标记中我们将烟雾区域作为训练的正样本， 即将由烟雾运动产生的前景区域 的类别属性标记为 1， 将其他运动区域的类别属性标记为 -1。 0112 S15、 生成分类器 0113 对一组训练视频中的所有运动区域进行特征提取和类表标记后， 得到 S 个运动区 域样本的特征向量以及对应的S个类别标记， 设样本的序号用s表示， 则样本的特征向量。
47、为 fs， 类别标记为 Labels。使用 SVM 分类器对所有 S 个样本的信息进行训练， 得到分类器 C ； 0114 至此， 训练模块全部完成， 得到了 SVM 分类器 C 0115 检测烟雾阶段， 包括如下步骤 ： 0116 有训练模块得到分类器后， 接收待检测的视频， 可检测视频场景中是否由烟雾存 在， 具体检测方法如下 ： 0117 S21、 接收待检测的视频 ； 0118 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。
48、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 ； 具体 的方法与生成分类器阶段中的步骤 S12 中的方法类似， 此处不再赘述。 0119 S23、 帧间区域关系确定 ; 0120 连通域标记得到 Nt个运动区域后， 使用训练模块 1.2 中帧间区域关系确定的方 法， 在 t-1 帧图像中寻找是否存在运动区域 k， 与当前区域 i 由同一目标的运动产生 ； 0121 若 t-1 帧图像中有运动区域 k 与当前运动区域由同一运动目标产生， 则当前运动 说 明 书 CN 102982313 A 12 9/10 页 13 区域 i 获得 t-1 帧图像中区域 k 同一目标标记 ； 0122 否则， 认为第 t 帧中第 i 个运动区域为新产生的运动区域， 生成新的目标标记 ； 并 返回步骤 S22。具体的方法与生成分类器阶段中的步骤 S12 中的方法类似， 此处不再赘述。 0123 S23、 单帧图像运动区域概率计算 ; 0124 对于无法在 t-1 帧图像中找到对应关联区域的新目标， 无法提取其特征进行判 别。