[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

说明书

技术领域

本发明属于计算机数字图像处理领域，涉及到视频图像获取技术，视频图像增强技术，视频图像分割技术，图像压缩技术，视频图像的多线程处理技术；特别涉及一种在动态场景中能免疫误报的早期烟雾视频检测方法。

背景技术

为防止火灾发生和危险化学品泄漏，现有技术大致分为：吸气式烟雾探测器、单点式烟雾探测器(离子式烟雾探测器、光电式烟雾探测器)、投影束式烟雾探测器、反射束式烟雾探测器、空气取样烟雾探测器、辐射的能量感应烟雾探测器(紫外线烟雾探测器、红外线烟雾探测器、火花灰烬烟雾探测器)、图像对的单点式模拟探测器等。其检测原理是依据烟雾、气体、温度等物理量的变化，提出快速报警。然而，上述烟雾探测技术需要在离烟雾发生源比较近的地方才能快速、有效地发挥探测作用。在空间距离和占地面积都较大型的场所(如：发电站、粮库、油库、飞机库、大仓库、古建筑群、隧道、火车站、购物中心等)，或存在着强气流的地方，安装上述烟雾探测器则不能很好地发挥作用，其防火、防泄漏的早期报警始终是个十分困难的问题。

通过光学成像的视频烟雾探测，其作用距离相对较远，毋需等到烟雾接近或到达检测器安装点，便能感知事实的存在与否。现有方法则以小波检测为主，小波子图像LH、HL和HH包含了背景图像的水平、垂直和对角的高频信息，其轮廓边缘在小波子图像中产生局部极值。背景图像中的轮廓边缘被烟雾覆盖会变得模糊，且可能因烟雾变厚而在一段时间后消失，导致小波系数值因能见度降低而减少，从而来实现检测。

然而，已有的视频检测技术在动态场景中，存在误报率高、检测鲁棒性低等致命缺陷。因此，在大扰动场景中的动态背景自动学习，以及对类似烟雾的静态、动态目标的自动剔除，是早期烟雾特征视频检测技术的关键。

发明内容

本发明主要针对传统烟雾探测器存在的不足，提供一种在动态场景中能免疫误报的早期烟雾视频检测方法。

本发明的目的是通过以下技术方案来实现的：一种在动态场景中能免疫误报的早期烟雾视频检测方法，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。

本发明的有益效果是：本发明克服了已有技术中在开放的动态场景下存在的误报率高、检测鲁棒性低等缺点；能自动排除导致误报的刚性或非刚性移动物体、太阳光或污染物，以及自动识别缓慢云层变化与烟雾变化；视频烟雾探测的作用距离相对较远，可达100m以上。

附图说明

图1是包含青烟和类似青烟区的动态场景原图，

图2是对图1用RGB色域特征的循环学习，结合含误差带的FloodFill方法得到类似烟雾区的结果举例图，

图3是图2中的表示类似烟雾兴趣区的模板图，

图4是对图1用分量运算和位屏蔽结果图，

图5是用图4割取图1所示的原图得到类似烟雾的结果图，

图6是举例的视频序列中某图像分块的背景学习维护过程的跟踪曲线图(初始背景为第1帧，包含当前帧、临时背景、永久背景这3条曲线)，

图7是包含烟雾和类似烟雾的动态场景视频帧图，

图8是RGB分量运算及其小波变换分析图，其左上角为高频成分子图HL、LH、HH合成后的高频分量示意图，

图9是对图8进行末7位屏蔽后取得强噪声的二值化结果图，