[发明专利]一种视频序列下实时火灾检测预警方法

说明书

本发明提供一种视频序列下实时火灾检测预警方法，S1：读取一帧视频序列，采用帧差法提取视频中的运动区域；若未检测到运动区域，则返回步骤S1；S2：同时检测火焰区域和烟雾区域，将运动区域的运动像素点与火焰颜色特征模型和烟雾颜色特征模型进行匹配，从而识别出火焰区域和烟雾区域；如果未提取到火焰区域和烟雾区域，则返回步骤S1；S3：如果检测到火焰区域或烟雾区域，则表示有火焰或烟雾发生，此时进行火灾预警，然后读取下一帧。本发明采用了静态和动态特征结合的方法，根据不同场景下火灾燃烧情况，对火焰和烟雾进行双重检测。可以提高检测火灾的敏感性，降低误报率。

技术领域

本发明涉及计算机视觉领域，更具体地，涉及一种视频序列下实时火灾检测预警方法。

背景技术

New Scientist杂志中说有一句话：“有太多的摄像头，然而却缺少监控它们的眼睛”。视频监控一直被广泛运用于安防领域，世界上各个角落有不计其数的摄像头，很明显，让背后的安防工作者们一直盯着每一个监视器是不现实的。往往当安全事件发生过后，人们才会调出相应区域的摄像头的录像进行排查。所以，基于计算机视觉的智能视频监控被提出，希望能够借助于计算机强大的处理速度和能力，在一些不正常的行为或事件发生前就能够帮助我们及时分析并提供必要的预警信息。

火灾异常是其中一种重要的异常情况，使用传统的传感探测器件在探测范围和抗干扰等方面还存在很多问题，近年来基于计算机视觉的火灾检测逐渐兴起。为了避免大范围的火焰和烟雾引起的灾害，其检测的实时性和准确性是相当重要的。现有的火焰或烟雾检测基本分为4个阶段：前景检测、区域分析、动态特性检测及决策阶段。近年来在这方面的研究层出不穷，但由于火灾检测技术容易受复杂场景、类似干扰物和光照条件的影响，从而使得算法的可靠性不高。各种方法的侧重点不同，检测速度和准确率也都不尽相同。

发明内容

针对现有火灾检测方法的不足，本发明提出了一种视频序列下实时火灾检测预警方法，在低消耗的情况下，能够准确、快速地检测识别视频中的火焰或烟雾区域，并及时发出预警。

为解决上述技术问题，本发明的技术方案如下：

一种视频序列下实时火灾检测预警方法，包括以下步骤：

S1：读取一帧视频序列，采用帧差法提取视频中的运动区域；若未检测到运动区域，则返回步骤S1；

S2：同时检测火焰区域和烟雾区域，将运动区域的运动像素点与火焰颜色特征模型和烟雾颜色特征模型进行匹配，从而识别出火焰区域和烟雾区域；如果未提取到火焰区域和烟雾区域，则返回步骤S1；

S3：如果检测到火焰区域或烟雾区域，则表示有火焰或烟雾发生，此时进行火灾预警，然后读取下一帧。

优选地，采用一种改进的帧差法提取视频中的运动区域，其具体方法包括以下步骤：

S1.1：对图像做分块处理，将图像分成28*28大小的块(block)，

S1.2：计算出该块(block)内相邻两帧内所有像素点的像素值的变化，使用log函数将变化值映射到[0，8]的空间内，对这些值进行统计相加后，如果大于一定的阈值L，我们才认为当前块是一个运动的块。L的取值可手工设定，以作为检测敏感度，特别地，本发明的L取值为28*28*3＝2352。

能够有效减少噪声点对block的运动判断的影响，传统的基于膨胀腐蚀的噪声消除费时费力，使用该方法能够有效降低运算的时间复杂度。

优选地，对于火焰区域检测，选取闪烁频率符合火焰闪烁频率的类着火点作为候选点；提取候选点的纹理特征，并依据已有着火区域的纹理特征利用SVM分类；根据SVM分类结果判定是否有火焰；

对于烟雾检测，使用光流法提取烟雾运动区域的运动向量；使用事先训练的SVM分类结果判断是否有烟雾。

优选地，所述颜色特征匹配模型如下：