[发明专利]一种在动态场景中能免疫误报的早期烟雾视频检测方法

权利要求书

1.一种在动态场景中能免疫误报的早期烟雾视频检测方法，其特征在于，旋转云台带动IP网络摄像机间隙式地沿水平方向来回旋转，云台每转过一个IP网络摄像机视角后暂停，由IP网络摄像机采集被监控场景视频图像数据，并通过光电转换器和以太网转换传输到监控微机，监控微机对视频图像数据进行学习与证据累积分析，获取监控场景中的动态背景，以及判断分析被监控场景中是否存在真正的烟雾，若确认有烟雾，则触发报警；其中，所述对视频图像数据进行学习与证据累积分析的过程包括以下具体步骤：

(1)早期烟雾的RGB分量运算组合的离线学习：通过颜色域的离线学习，取得分割早期灰烟、青烟、黄烟的最佳RGB颜色分量运算组合；

(2)对视频帧基于色域压缩进行烟雾分割：检测时，先创建多线程，按烟雾颜色特征学习取得的最佳RGB颜色分量运算组合，分3路对彩色视频帧进行RGB分量运算及其位屏蔽，实时分割取得具有灰烟、青烟、黄烟颜色特征的类似烟雾区；

(3)视频帧动态复杂场景中的背景学习与维护：检测过程中，同时进行背景的动态学习与维护更新，获得视频的动态背景，用背景维护下的减背景来消除场景中的静态类似烟雾区，再用小波变换的高频组合来消除场景中动态的类似烟雾区干扰；

(4)视频帧的长序列烟雾证据积累分析和帧图像的连通分析：进行多帧视频的证据积累和帧的连通域分析，通过与灰烟、青烟、黄烟分析子线程结果的或运算，实现动态场景中的误报免疫，判别标记出真正烟雾；

其中，所述步骤(1)具体为：

(a)用RGB色域特征的循环学习，结合含误差带FloodFill算法，取得烟雾特征核心兴趣区模板；

(b)根据RGB分量运算的计算公式

T(i，j)＝{rR(i，j)+gG(i，j)+bB(i，j)|r，g，b∈[-3，3]}

得到图像帧被色彩增强后的特征灰度图；式中，T(i，j)表示对图像第i，j行列处像素点进行颜色分量组合运算所得到的特征灰度图，R(i，j)、G(i，j)、B(i，j)分别表示图像第i，j行列处像素点的RGB值，r，g，b为分别对应R(i，j)、G(i，j)、B(i，j)的RGB分量组合参数；

所述步骤(2)具体为：

(a)位屏蔽的颜色压缩；

(b)步骤(1)中，用RGB分量运算离线学习得到的灰烟、青烟、黄烟的RGB组合参数计算得到特征灰度图，然后用10000000位屏蔽与运算来压缩掉8位颜色中的最后7位，再通过割取原图得到类似烟雾区；

所述步骤(3)具体为：

(a)根据移动物体判别准则，识别移动目标；移动物体判别准则是：|I_n(x，y)-B(x，y)|＞T，其中，I_n(x，y)为第n帧图像，B(x，y)为永久背景上第(x，y)像素块，T为判别阈值；

(b)对非移动目标区，在临时背景中更新其对应的图像分块；

(c)若图像分块的临时背景与永久背景的差值累积超过阈值时，则更新其永久背景：

Btmp(x,y)=α×Btmp(x,y)+(1-α)In(x,y)Bperm(x,y)=β×Bperm(x,y)+(1-β)Btmp(x,y);]]>

式中，B_tmp(x，y)是临时背景，其α为迭代控制参数，控制临时背景的更新速度；B_perm(x，y)是永久背景，其β为永久背景的更新速度控制参数；

所述步骤(4)具体为：

(a)通过40～120帧烟雾证据累积的时域窗来分析视频序列；

(b)统计每像素分块作为烟雾侯选区出现的次数N¹_n(l₁，l₂)，以及前后两帧连续作为烟雾候选区出现的次数N²_n(l₁，l₂)；

(c)判断：如果像素块(l₁，l₂)在该时域窗内统计的N¹_n(l₁，l₂)和N²_n(l₁，l₂)超过设定的阈值(T₁，T₂)，则判为真正的烟雾区域；反之则为干扰物，以进一步消除具有类似烟雾颜色的移动物的干扰；

(d)将灰烟、青烟、黄烟这三个分析子线程对同一视频帧的证据积累结果进行或操作，如果结果为真，则表明场景确实存在烟雾，反之，则不存在烟雾；

(e)通过对被判为烟雾的各分块进行连通域的面积大小分析，滤除掉面积小于设定阈值的标记区，进一步消除小杂点干扰，获得干净的早期烟雾核心区域标记。