專利名稱：一種在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)數(shù)字圖像處理領(lǐng)域，涉及到視頻圖像獲取技術(shù)，視頻圖像增強(qiáng)技術(shù)，視頻圖像分割技術(shù)，圖像壓縮技術(shù)，視頻圖像的多線程處理技術(shù)；特別涉及一種在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法。

背景技術(shù)：
為防止火災(zāi)發(fā)生和危險(xiǎn)化學(xué)品泄漏，現(xiàn)有技術(shù)大致分為吸氣式煙霧探測(cè)器、單點(diǎn)式煙霧探測(cè)器(離子式煙霧探測(cè)器、光電式煙霧探測(cè)器)、投影束式煙霧探測(cè)器、反射束式煙霧探測(cè)器、空氣取樣煙霧探測(cè)器、輻射的能量感應(yīng)煙霧探測(cè)器(紫外線煙霧探測(cè)器、紅外線煙霧探測(cè)器、火花灰燼煙霧探測(cè)器)、圖像對(duì)的單點(diǎn)式模擬探測(cè)器等。其檢測(cè)原理是依據(jù)煙霧、氣體、溫度等物理量的變化，提出快速報(bào)警。然而，上述煙霧探測(cè)技術(shù)需要在離煙霧發(fā)生源比較近的地方才能快速、有效地發(fā)揮探測(cè)作用。在空間距離和占地面積都較大型的場(chǎng)所(如發(fā)電站、糧庫(kù)、油庫(kù)、飛機(jī)庫(kù)、大倉(cāng)庫(kù)、古建筑群、隧道、火車站、購(gòu)物中心等)，或存在著強(qiáng)氣流的地方，安裝上述煙霧探測(cè)器則不能很好地發(fā)揮作用，其防火、防泄漏的早期報(bào)警始終是個(gè)十分困難的問(wèn)題。
通過(guò)光學(xué)成像的視頻煙霧探測(cè)，其作用距離相對(duì)較遠(yuǎn)，毋需等到煙霧接近或到達(dá)檢測(cè)器安裝點(diǎn)，便能感知事實(shí)的存在與否。現(xiàn)有方法則以小波檢測(cè)為主，小波子圖像LH、HL和HH包含了背景圖像的水平、垂直和對(duì)角的高頻信息，其輪廓邊緣在小波子圖像中產(chǎn)生局部極值。背景圖像中的輪廓邊緣被煙霧覆蓋會(huì)變得模糊，且可能因煙霧變厚而在一段時(shí)間后消失，導(dǎo)致小波系數(shù)值因能見(jiàn)度降低而減少，從而來(lái)實(shí)現(xiàn)檢測(cè)。
然而，已有的視頻檢測(cè)技術(shù)在動(dòng)態(tài)場(chǎng)景中，存在誤報(bào)率高、檢測(cè)魯棒性低等致命缺陷。因此，在大擾動(dòng)場(chǎng)景中的動(dòng)態(tài)背景自動(dòng)學(xué)習(xí)，以及對(duì)類似煙霧的靜態(tài)、動(dòng)態(tài)目標(biāo)的自動(dòng)剔除，是早期煙霧特征視頻檢測(cè)技術(shù)的關(guān)鍵。


發(fā)明內(nèi)容
本發(fā)明主要針對(duì)傳統(tǒng)煙霧探測(cè)器存在的不足，提供一種在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法。
本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的一種在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法，旋轉(zhuǎn)云臺(tái)帶動(dòng)IP網(wǎng)絡(luò)攝像機(jī)間隙式地沿水平方向來(lái)回旋轉(zhuǎn)，云臺(tái)每轉(zhuǎn)過(guò)一個(gè)IP網(wǎng)絡(luò)攝像機(jī)視角后暫停，由IP網(wǎng)絡(luò)攝像機(jī)采集被監(jiān)控場(chǎng)景視頻圖像數(shù)據(jù)，并通過(guò)光電轉(zhuǎn)換器和以太網(wǎng)轉(zhuǎn)換傳輸?shù)奖O(jiān)控微機(jī)，監(jiān)控微機(jī)對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與證據(jù)累積分析，獲取監(jiān)控場(chǎng)景中的動(dòng)態(tài)背景，以及判斷分析被監(jiān)控場(chǎng)景中是否存在真正的煙霧，若確認(rèn)有煙霧，則觸發(fā)報(bào)警；其中，所述對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與證據(jù)累積分析的過(guò)程包括以下具體步驟 (1)早期煙霧的RGB分量運(yùn)算組合的離線學(xué)習(xí)通過(guò)顏色域的離線學(xué)習(xí)，取得分割早期灰煙、青煙、黃煙的最佳RGB顏色分量運(yùn)算組合。
(2)對(duì)視頻幀基于色域壓縮進(jìn)行煙霧分割檢測(cè)時(shí)，先創(chuàng)建多線程，按煙霧顏色特征學(xué)習(xí)取得的最佳RGB顏色分量運(yùn)算組合，分3路對(duì)彩色視頻幀進(jìn)行RGB分量運(yùn)算及其位屏蔽，實(shí)時(shí)分割取得具有灰煙、青煙、黃煙顏色特征的類似煙霧區(qū)。
(3)視頻幀動(dòng)態(tài)復(fù)雜場(chǎng)景中的背景學(xué)習(xí)與維護(hù)檢測(cè)過(guò)程中，同時(shí)進(jìn)行背景的動(dòng)態(tài)學(xué)習(xí)與維護(hù)更新，獲得視頻的動(dòng)態(tài)背景，用背景維護(hù)下的減背景來(lái)消除場(chǎng)景中的靜態(tài)類似煙霧區(qū)，再用小波變換的高頻組合來(lái)消除場(chǎng)景中動(dòng)態(tài)的類似煙霧區(qū)干擾。
(4)視頻幀的長(zhǎng)序列煙霧證據(jù)積累分析和幀圖像的連通分析進(jìn)行多幀視頻的證據(jù)積累和幀的連通域分析，通過(guò)與灰煙、青煙、黃煙分析子線程結(jié)果的或運(yùn)算，實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景中的誤報(bào)免疫，判別標(biāo)記出真正煙霧。
本發(fā)明的有益效果是本發(fā)明克服了已有技術(shù)中在開(kāi)放的動(dòng)態(tài)場(chǎng)景下存在的誤報(bào)率高、檢測(cè)魯棒性低等缺點(diǎn)；能自動(dòng)排除導(dǎo)致誤報(bào)的剛性或非剛性移動(dòng)物體、太陽(yáng)光或污染物，以及自動(dòng)識(shí)別緩慢云層變化與煙霧變化；視頻煙霧探測(cè)的作用距離相對(duì)較遠(yuǎn)，可達(dá)100m以上。



圖1是包含青煙和類似青煙區(qū)的動(dòng)態(tài)場(chǎng)景原圖， 圖2是對(duì)圖1用RGB色域特征的循環(huán)學(xué)習(xí)，結(jié)合含誤差帶的FloodFill方法得到類似煙霧區(qū)的結(jié)果舉例圖， 圖3是圖2中的表示類似煙霧興趣區(qū)的模板圖， 圖4是對(duì)圖1用

分量運(yùn)算和位屏蔽結(jié)果圖， 圖5是用圖4割取圖1所示的原圖得到類似煙霧的結(jié)果圖， 圖6是舉例的視頻序列中某圖像分塊的背景學(xué)習(xí)維護(hù)過(guò)程的跟蹤曲線圖(初始背景為第1幀，包含當(dāng)前幀、臨時(shí)背景、永久背景這3條曲線)， 圖7是包含煙霧和類似煙霧的動(dòng)態(tài)場(chǎng)景視頻幀圖， 圖8是RGB分量運(yùn)算及其小波變換分析圖，其左上角為高頻成分子圖HL、LH、HH合成后的高頻分量示意圖， 圖9是對(duì)圖8進(jìn)行末7位屏蔽后取得強(qiáng)噪聲的二值化結(jié)果圖， 圖10(a)、(b)、(c)、(d)是舉例的動(dòng)態(tài)視頻幀原圖及其跟蹤分塊位置圖， 圖10(e)是對(duì)圖10(a)-(d)舉例的動(dòng)態(tài)視頻各幀某圖像分塊小波能量值變化的跟蹤波形圖， 圖11是對(duì)動(dòng)態(tài)場(chǎng)景視頻序列1的煙霧檢測(cè)結(jié)果舉例圖， 圖12是對(duì)動(dòng)態(tài)場(chǎng)景視頻序列2的煙霧檢測(cè)結(jié)果舉例圖， 圖13是總體實(shí)施的技術(shù)路線的流程圖， 圖14是子線程中實(shí)施的技術(shù)路線的流程圖。

具體實(shí)施例方式 本發(fā)明的檢測(cè)原理是采用計(jì)算機(jī)視覺(jué)技術(shù)和誤報(bào)免疫運(yùn)算規(guī)則，對(duì)拍攝到圖像序列中的區(qū)域變化經(jīng)過(guò)一系列過(guò)濾判斷，當(dāng)發(fā)現(xiàn)與煙霧行為相關(guān)的運(yùn)動(dòng)特征和顏色特征出現(xiàn)，則在短時(shí)間內(nèi)自動(dòng)判定有煙霧事件發(fā)生。無(wú)論監(jiān)控?cái)z像機(jī)被放置在10m或是100m遠(yuǎn)的地方，不需要等到煙霧到達(dá)檢測(cè)器，便能在煙霧產(chǎn)生初期即時(shí)檢測(cè)到其特征信號(hào)，達(dá)到早期監(jiān)控的預(yù)防效果。該技術(shù)尤其適用于前述大型場(chǎng)所中的火災(zāi)監(jiān)控，以及被用在有毒、有害場(chǎng)所中基于視覺(jué)原理進(jìn)行危險(xiǎn)化學(xué)品泄漏等的自動(dòng)監(jiān)測(cè)。
本發(fā)明在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法在煙霧視頻檢測(cè)系統(tǒng)上實(shí)現(xiàn)，該煙霧視頻檢測(cè)系統(tǒng)包括IP網(wǎng)絡(luò)攝像機(jī)、旋轉(zhuǎn)云臺(tái)、以太網(wǎng)傳輸系統(tǒng)、光電轉(zhuǎn)換器和微機(jī)；安裝在旋轉(zhuǎn)云臺(tái)的IP網(wǎng)絡(luò)攝像機(jī)采集視頻圖像數(shù)據(jù)，通過(guò)光電轉(zhuǎn)換器和以太網(wǎng)轉(zhuǎn)換和傳輸?shù)轿C(jī)進(jìn)行視頻分析。具體來(lái)說(shuō)，采用IP網(wǎng)絡(luò)攝像機(jī)(重要場(chǎng)所在夜晚可附加遠(yuǎn)紅外攝像機(jī))作為傳感器，通過(guò)視頻圖像處理技術(shù)和誤報(bào)免疫檢測(cè)判別方法，自動(dòng)識(shí)別煙霧的特殊擴(kuò)散運(yùn)動(dòng)和早期煙霧的模式特征，以空域和時(shí)間域的多證據(jù)累積增強(qiáng)來(lái)判定煙霧事件的發(fā)生，并將監(jiān)測(cè)結(jié)果以顏色標(biāo)記和自動(dòng)報(bào)警通訊方式輸出，及時(shí)向系統(tǒng)管理人員發(fā)出警報(bào)。該檢測(cè)原理不需要等到煙霧到達(dá)檢測(cè)器，便能感知事實(shí)的存在與否，因此，能在第一時(shí)間監(jiān)測(cè)到潛在的災(zāi)難事件。采用TCP/IP網(wǎng)絡(luò)視頻傳輸，可在不同地點(diǎn)實(shí)現(xiàn)遠(yuǎn)程監(jiān)視操控，采用局域網(wǎng)光纖來(lái)傳輸IP攝像機(jī)監(jiān)測(cè)到的視頻圖像，信息傳輸距離可達(dá)幾公里以上。所有檢測(cè)數(shù)據(jù)資源統(tǒng)一由數(shù)據(jù)庫(kù)來(lái)管理，檢測(cè)系統(tǒng)能夠自動(dòng)記錄事件發(fā)生的時(shí)間和內(nèi)容，以便跟蹤查詢被測(cè)目標(biāo)。系統(tǒng)能方便地實(shí)現(xiàn)圖像數(shù)據(jù)庫(kù)信息的導(dǎo)入、導(dǎo)出，并共享其它的數(shù)據(jù)。
本發(fā)明的方法為旋轉(zhuǎn)云臺(tái)帶動(dòng)IP網(wǎng)絡(luò)攝像機(jī)間隙式地沿水平方向來(lái)回旋轉(zhuǎn)，云臺(tái)每轉(zhuǎn)過(guò)一個(gè)IP網(wǎng)絡(luò)攝像機(jī)視角后停止，IP網(wǎng)絡(luò)攝像機(jī)采集的被監(jiān)控場(chǎng)景視頻圖像數(shù)據(jù)通過(guò)光電轉(zhuǎn)換器和以太網(wǎng)轉(zhuǎn)換傳輸?shù)奖O(jiān)控微機(jī)，微機(jī)對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與分析，獲取監(jiān)控場(chǎng)景中的背景，然后判斷分析被監(jiān)控場(chǎng)景中是否存在真正的煙霧，若確認(rèn)有煙霧，則觸發(fā)報(bào)警；其中，對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與分析的過(guò)程包括以下具體步驟(1)早期煙霧的RGB(紅黃藍(lán))分量運(yùn)算組合的離線學(xué)習(xí)通過(guò)顏色域的離線學(xué)習(xí)，取得分割早期灰煙、青煙、黃煙的最佳RGB顏色分量運(yùn)算組合；(2)對(duì)視頻幀基于色域壓縮進(jìn)行煙霧分割檢測(cè)時(shí)，先創(chuàng)建多線程，按煙霧顏色特征學(xué)習(xí)取得的最佳RGB顏色分量運(yùn)算組合，分3路對(duì)彩色視頻幀進(jìn)行RGB分量運(yùn)算及其位屏蔽，實(shí)時(shí)分割取得類似灰煙、青煙、黃煙顏色特征的煙霧區(qū)；(3)視頻幀動(dòng)態(tài)復(fù)雜場(chǎng)景中的背景學(xué)習(xí)與維護(hù)檢測(cè)過(guò)程中，同時(shí)進(jìn)行背景的動(dòng)態(tài)學(xué)習(xí)與維護(hù)更新，獲得視頻的動(dòng)態(tài)背景，用背景維護(hù)下的減背景來(lái)消除場(chǎng)景中的靜態(tài)類似煙霧區(qū)，再用小波變換的高頻組合來(lái)消除場(chǎng)景中的動(dòng)態(tài)類似煙霧區(qū)干擾；(4)視頻幀的長(zhǎng)序列煙霧證據(jù)積累分析和幀圖像的連通分析進(jìn)行多幀視頻的證據(jù)積累和幀的連通域分析，通過(guò)與灰煙、青煙、黃煙分析子線程結(jié)果的或運(yùn)算，實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景中的誤報(bào)免疫，判別標(biāo)記出真正煙霧。
以下結(jié)合附圖對(duì)本發(fā)明的核心技術(shù)作進(jìn)一步的詳細(xì)描述，本發(fā)明的目的和效果將變得更加明顯。
1、早期煙霧的RGB分量運(yùn)算組合的離線學(xué)習(xí) 通過(guò)調(diào)研火災(zāi)早期煙霧發(fā)生的情況，發(fā)現(xiàn)火災(zāi)發(fā)生早期通常存在灰煙、青煙、黃煙這三種典型煙霧，對(duì)這三類早期煙霧的檢測(cè)基本可以滿足絕大部分情況下的火災(zāi)預(yù)警。本方法采用多線程技術(shù)來(lái)創(chuàng)建三個(gè)分析子線程，分別根據(jù)灰煙、青煙、黃煙的顏色域特征，同時(shí)對(duì)彩色視頻幀圖像進(jìn)行分割處理。具體步驟如下 (a)用RGB色域特征的循環(huán)學(xué)習(xí)，結(jié)合含誤差帶FloodFill算法，取得煙霧特征核心興趣區(qū)模板(ROI)。結(jié)果舉例如圖2、3所示。
(b)根據(jù)RGB分量運(yùn)算的計(jì)算公式 T(i，j)＝{rR(i，j)+gG(i，j)+bB(i，j)|r，g，b∈[-3，3]} (1) 得到全圖像被色彩增強(qiáng)后的特征灰度圖。
T(i，j)表示對(duì)圖像第i，j行列處像素點(diǎn)進(jìn)行顏色分量組合運(yùn)算所得到的特征灰度圖。R(i，j)、G(i，j)、B(i，j)表示圖像第i，j行列處像素點(diǎn)的RGB值，r，g，b為分別對(duì)應(yīng)R(i，j)、G(i，j)、B(i，j)的RGB分量組合參數(shù)，自動(dòng)窮舉[-3.00，3.00]內(nèi)0.01步長(zhǎng)的RGB組合系數(shù)，并按式(1)求取特征圖，將其與興趣區(qū)學(xué)習(xí)模板求二值圖差分的絕對(duì)值，統(tǒng)計(jì)該結(jié)果圖像素值為1的數(shù)量，以搜索其最小值來(lái)判斷學(xué)習(xí)效果，以及控制學(xué)習(xí)終止點(diǎn)。本方法以ρ表示二者匹配的似然度 式中R、C分別表示為匹配圖象的行、列數(shù)，Pj(i，c)，Q(i，c)分別表示第j次組合結(jié)果和興趣區(qū)學(xué)習(xí)模板的二值圖。當(dāng)學(xué)習(xí)完成后，取使得ρ為最小值時(shí)對(duì)應(yīng)的r，g，b為最優(yōu)的RGB分量組合參數(shù)。圖4所示為采用該分量運(yùn)算和位屏蔽方法對(duì)包含青煙和類似青煙區(qū)的動(dòng)態(tài)場(chǎng)景的舉例圖1取得的分割效果圖。
2、對(duì)視頻幀基于色域壓縮的煙霧分割 (a)位屏蔽的顏色壓縮。
位屏蔽的顏色壓縮(被屏蔽的顏色位被置0)是一種在RGB三維真彩色空間中近似均勻采樣的顏色壓縮方法。如屏蔽RGB顏色各分量8位中的末3位顏色(即將掃描到的像素分量值和11111000求與運(yùn)算

)，壓縮后的圖像在視覺(jué)效果上改變不大，但計(jì)算搜索空間被大大壓縮。
(b)將步驟1中用RGB分量運(yùn)算離線學(xué)習(xí)得到的灰煙、青煙、黃煙的RGB組合參數(shù)，按式(1)計(jì)算得到特征圖，然后用10000000位屏蔽與運(yùn)算來(lái)壓縮掉8位顏色中的最后7位，再通過(guò)割取原圖得到類似煙霧區(qū)。圖5所示為從包含青煙和類似青煙區(qū)的動(dòng)態(tài)場(chǎng)景原圖(圖1)上分割取得到的類似煙霧區(qū)。
3、視頻幀動(dòng)態(tài)復(fù)雜場(chǎng)景中的背景學(xué)習(xí)與維護(hù) 針對(duì)以上處理后存在的類似煙霧干擾問(wèn)題(如天空、霧氣)，將當(dāng)前幀與學(xué)習(xí)所得的動(dòng)態(tài)背景，在各自進(jìn)行RGB分量運(yùn)算及其位屏蔽后，再做差分，來(lái)基本去除靜態(tài)存留的類似煙霧干擾。
空域小波去噪對(duì)視頻幀采取一層離散小波分解，分解后包括一幅低頻成分子圖LL和三幅高頻成分子圖HL、LH、HH。HL、LH、HH分別為垂直、水平、對(duì)角方向的邊緣和紋理信息。煙霧的彌漫、半透明性能使圖象邊緣、紋理銳性降低，導(dǎo)致小波子圖中的高頻部分能量減少，通過(guò)檢測(cè)小波子圖的能量變化可消除動(dòng)態(tài)的類煙霧區(qū)干擾?；谠撌聦?shí)，定義 wn(x，y)＝|LHn(x，y)|2+|HLn(x，y)|2+|HHn(x，y)|2 (3) 式中，wn(x，y)表示第n幀原圖(x，y)位置的能量，LHn(x，y)、HLn(x，y)、HHn(x，y)分別表示第n幀(x，y)位置對(duì)應(yīng)高頻成分的一級(jí)小波系數(shù)。為降低噪聲影響和提高運(yùn)算效率，對(duì)原圖分塊，塊的大小為(k1，k2)，可取為2像素*2像素。每分塊(k，k)的小波能量E(l1，l2)計(jì)算方法為 在YUV空間處理圖像，可對(duì)Y分量(亮度)做小波變換；在RGB空間處理，一般選R分量。本發(fā)明用RGB空間的分量運(yùn)算在利用顏色后來(lái)形成灰度圖，然后對(duì)該灰度圖進(jìn)行小波變換。圖8為RGB分量運(yùn)算+小波變換圖，圖9為分量運(yùn)算+小波分析+位屏蔽獲得的強(qiáng)噪聲位置分析圖，即對(duì)圖8變換結(jié)果進(jìn)行7位屏蔽后的二值化效果圖。經(jīng)分量運(yùn)算及小波變換的數(shù)據(jù)，再經(jīng)位屏蔽，剛好可隔離出強(qiáng)噪聲區(qū)域(見(jiàn)圖9的左上角圖)。采用該RGB分量運(yùn)算+小波分析+位屏蔽的方法，通過(guò)對(duì)照判斷圖9強(qiáng)噪聲區(qū)域與類似煙霧標(biāo)記點(diǎn)的共同區(qū)域，來(lái)消除動(dòng)態(tài)“減背景”遺留下來(lái)的強(qiáng)噪聲點(diǎn)，獲得干凈的、動(dòng)態(tài)的類似煙霧區(qū)。
本發(fā)明的背景學(xué)習(xí)與維護(hù)方法，包含自動(dòng)提取和更新臨時(shí)背景和永久背景兩部分。在更新背景的過(guò)程中，先更新臨時(shí)背景，當(dāng)臨時(shí)背景變化量積累到一定程度時(shí)，再更新永久背景。引入臨時(shí)背景作為更新緩沖區(qū)的好處，在于學(xué)習(xí)獲得的永久背景在復(fù)雜場(chǎng)景中不易被污染，又能隨著動(dòng)態(tài)場(chǎng)景的變化而自適應(yīng)地被更新。
該步驟具體如下 (a)根據(jù)移動(dòng)物體判別準(zhǔn)則，識(shí)別移動(dòng)目標(biāo)。
(b)對(duì)非移動(dòng)目標(biāo)區(qū)，在臨時(shí)背景中更新其對(duì)應(yīng)的圖像分塊。
(c)若圖像分塊的臨時(shí)背景與永久背景的差值累積超過(guò)閾值時(shí)，則更新其永久背景 其中，上述的步驟(a)的移動(dòng)物體判別準(zhǔn)則是|In(x，y)-B(x，y)|>T，In(x，y)—第n幀圖像，B(x，y)—永久背景上第(x，y)像素塊，T—判別閾值。公式(3)中Btmp(x，y)是臨時(shí)背景，其α為迭代控制參數(shù)(為0.95左右)，控制臨時(shí)背景的更新速度；Bperm(x，y)是永久背景，其β為永久背景的更新速度控制參數(shù)(為0.7左右)。圖6舉例了采用公式(5)對(duì)某視頻幀的某圖像分塊進(jìn)行臨時(shí)—永久背景學(xué)習(xí)的更新關(guān)系圖，從圖6可見(jiàn)永久背景能自適應(yīng)地被更新，并且不易被干擾污染。
4、視頻幀的長(zhǎng)序列煙霧證據(jù)積累分析和幀圖像的連通分析 隨著煙霧產(chǎn)生并逐漸彌漫遮擋背景的邊緣和紋理，背景的小波子圖能量值逐漸減少。當(dāng)煙霧完全遮擋住背景后，背景的小波子圖能量趨于零。這是因?yàn)闊熿F的紋理相對(duì)平滑，其高頻部分的能量較低。從圖10(e)的小波能量波形變化圖可見(jiàn)煙霧覆蓋背景表現(xiàn)的小波能量變化過(guò)程是沿著一條平滑曲線緩慢變化的。當(dāng)有類似煙霧顏色的干擾物(如人物)進(jìn)入監(jiān)視區(qū)時(shí)，遮擋了背景，從序列圖像可見(jiàn)背景的小波子圖能量會(huì)發(fā)生劇烈變化，且能量值突然增大。基于能量變化平穩(wěn)性，可進(jìn)一步判斷煙霧區(qū)的真?zhèn)巍Ｔ撘曨l幀的長(zhǎng)序列煙霧證據(jù)積累分析和幀圖像的連通分析的具體步驟為 (a)通過(guò)40～120幀煙霧證據(jù)累積的時(shí)域窗來(lái)分析視頻序列。
(b)統(tǒng)計(jì)每像素分塊作為煙霧侯選區(qū)出現(xiàn)的次數(shù)N1n(l1，l2)，以及前后兩幀連續(xù)作為煙霧候選區(qū)出現(xiàn)的次數(shù)N2n(l1，l2)。
(c)判斷如果像素塊(l1，l2)在該時(shí)域窗內(nèi)統(tǒng)計(jì)的N1n(l1，l2)和N2n(l1，l2)超過(guò)設(shè)定的閾值(T1，T2)，則判為真正的煙霧區(qū)域；反之則為干擾物，以進(jìn)一步消除具有類似煙霧顏色的移動(dòng)物的干擾。

(d)將灰煙、青煙、黃煙這三個(gè)分析子線程對(duì)同一視頻幀的證據(jù)積累結(jié)果進(jìn)行或操作，如果結(jié)果為真，則表明場(chǎng)景確實(shí)存在煙霧，反之，則不存在煙霧。
(e)通過(guò)對(duì)被判為煙霧的各分塊進(jìn)行連通域的面積大小分析，濾除掉面積小于設(shè)定閾值(如20個(gè)像素點(diǎn))的標(biāo)記區(qū)，進(jìn)一步消除小雜點(diǎn)干擾，獲得干凈的早期煙霧核心區(qū)域標(biāo)記。
圖13是該在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法總體實(shí)施的技術(shù)路線流程圖，其能同時(shí)判斷動(dòng)態(tài)場(chǎng)景中的灰煙、青煙、黃煙的存在性；圖14是判斷動(dòng)態(tài)場(chǎng)景中灰煙、青煙、黃煙時(shí)，某一判斷子線程中實(shí)施的煙霧檢測(cè)技術(shù)路線流程圖。
最后，作為強(qiáng)化圖像幀最終真正煙霧判斷標(biāo)記的連通域分析的去噪功能，可進(jìn)一步省略步驟3中的有關(guān)空域小波去噪的操作步驟，其為本發(fā)明的實(shí)施方案二。帶動(dòng)IP網(wǎng)絡(luò)攝像機(jī)的旋轉(zhuǎn)云臺(tái)也可以保持在固定方向，而不來(lái)回旋轉(zhuǎn)。
本發(fā)明優(yōu)點(diǎn)與顯著效果在于針對(duì)動(dòng)態(tài)場(chǎng)景中存在多種靜態(tài)、動(dòng)態(tài)干擾物的情況下，在火災(zāi)早期(在4～6秒鐘內(nèi))能準(zhǔn)確、穩(wěn)定地檢測(cè)到灰煙、青煙、黃煙這3類典型煙霧，提供及時(shí)預(yù)警。該技術(shù)克服了傳統(tǒng)煙霧探測(cè)器在開(kāi)放大空間上限制，以及現(xiàn)有圖像型火焰/煙霧探測(cè)系統(tǒng)存在的誤報(bào)率高的缺點(diǎn)。
權(quán)利要求
1.一種在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法，其特征在于，旋轉(zhuǎn)云臺(tái)帶動(dòng)IP網(wǎng)絡(luò)攝像機(jī)間隙式地沿水平方向來(lái)回旋轉(zhuǎn)，云臺(tái)每轉(zhuǎn)過(guò)一個(gè)IP網(wǎng)絡(luò)攝像機(jī)視角后暫停，由IP網(wǎng)絡(luò)攝像機(jī)采集被監(jiān)控場(chǎng)景視頻圖像數(shù)據(jù)，并通過(guò)光電轉(zhuǎn)換器和以太網(wǎng)轉(zhuǎn)換傳輸?shù)奖O(jiān)控微機(jī)，監(jiān)控微機(jī)對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與證據(jù)累積分析，獲取監(jiān)控場(chǎng)景中的動(dòng)態(tài)背景，以及判斷分析被監(jiān)控場(chǎng)景中是否存在真正的煙霧，若確認(rèn)有煙霧，則觸發(fā)報(bào)警。其中，所述對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與證據(jù)累積分析的過(guò)程包括以下具體步驟
(1)早期煙霧的RGB分量運(yùn)算組合的離線學(xué)習(xí)通過(guò)顏色域的離線學(xué)習(xí)，取得分割早期灰煙、青煙、黃煙的最佳RGB顏色分量運(yùn)算組合。
(2)對(duì)視頻幀基于色域壓縮進(jìn)行煙霧分割檢測(cè)時(shí)，先創(chuàng)建多線程，按煙霧顏色特征學(xué)習(xí)取得的最佳RGB顏色分量運(yùn)算組合，分3路對(duì)彩色視頻幀進(jìn)行RGB分量運(yùn)算及其位屏蔽，實(shí)時(shí)分割取得具有灰煙、青煙、黃煙顏色特征的類似煙霧區(qū)。
(3)視頻幀動(dòng)態(tài)復(fù)雜場(chǎng)景中的背景學(xué)習(xí)與維護(hù)檢測(cè)過(guò)程中，同時(shí)進(jìn)行背景的動(dòng)態(tài)學(xué)習(xí)與維護(hù)更新，獲得視頻的動(dòng)態(tài)背景，用背景維護(hù)下的減背景來(lái)消除場(chǎng)景中的靜態(tài)類似煙霧區(qū)，再用小波變換的高頻組合來(lái)消除場(chǎng)景中動(dòng)態(tài)的類似煙霧區(qū)干擾。
(4)視頻幀的長(zhǎng)序列煙霧證據(jù)積累分析和幀圖像的連通分析進(jìn)行多幀視頻的證據(jù)積累和幀的連通域分析，通過(guò)與灰煙、青煙、黃煙分析子線程結(jié)果的或運(yùn)算，實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景中的誤報(bào)免疫，判別標(biāo)記出真正煙霧。
2.根據(jù)權(quán)利要求1所述的在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法，其特征在于，所述步驟(1)具體為
(a)用RGB色域特征的循環(huán)學(xué)習(xí)，結(jié)合含誤差帶FloodFill算法，取得煙霧特征核心興趣區(qū)模板。
(b)根據(jù)RGB分量運(yùn)算的計(jì)算公式
T(i，j)＝{rR(i，j)+gG(i，j)+bB(i，j)|r，g，b∈[-3，3]}
得到圖像幀被色彩增強(qiáng)后的特征灰度圖；式中，T(i，j)表示對(duì)圖像第i，j行列處像素點(diǎn)進(jìn)行顏色分量組合運(yùn)算所得到的特征灰度圖，R(i，j)、G(i，j)、B(i，j)分別表示圖像第i，j行列處像素點(diǎn)的RGB值，r，g，b為分別對(duì)應(yīng)R(i，j)、G(i，j)、B(i，j)的RGB分量組合參數(shù)。
3.根據(jù)權(quán)利要求1所述的在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法，其特征在于，所述步驟(2)具體為
(a)位屏蔽的顏色壓縮。
(b)步驟(1)中，用RGB分量運(yùn)算離線學(xué)習(xí)得到的灰煙、青煙、黃煙的RGB組合參數(shù)計(jì)算得到特征灰度圖，然后用10000000位屏蔽與運(yùn)算來(lái)壓縮掉8位顏色中的最后7位，再通過(guò)割取原圖得到類似煙霧區(qū)。
4.根據(jù)權(quán)利要求1所述的在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法，其特征在于，所述步驟(3)具體為
(a)根據(jù)移動(dòng)物體判別準(zhǔn)則，識(shí)別移動(dòng)目標(biāo)；移動(dòng)物體判別準(zhǔn)則是:|In(x，y)-B(x，y)|>T，其中，In(x，y)為第n幀圖像，B(x，y)為永久背景上第(x，y)像素塊，T為判別閾值。
(b)對(duì)非移動(dòng)目標(biāo)區(qū)，在臨時(shí)背景中更新其對(duì)應(yīng)的圖像分塊。
(c)若圖像分塊的臨時(shí)背景與永久背景的差值累積超過(guò)閾值時(shí)，則更新其永久背景
式中，Btmp(x，y)是臨時(shí)背景，其α為迭代控制參數(shù)，控制臨時(shí)背景的更新速度；Bperm(x，y)是永久背景，其β為永久背景的更新速度控制參數(shù)。
5.根據(jù)權(quán)利要求1所述的在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法，其特征在于，所述步驟(4)具體為
(a)通過(guò)40～120幀煙霧證據(jù)累積的時(shí)域窗來(lái)分析視頻序列。
(b)統(tǒng)計(jì)每像素分塊作為煙霧侯選區(qū)出現(xiàn)的次數(shù)N-1n(l1，l2)，以及前后兩幀連續(xù)作為煙霧候選區(qū)出現(xiàn)的次數(shù)N2n(l1，l2)。
(c)判斷如果像素塊(l1，l2)在該時(shí)域窗內(nèi)統(tǒng)計(jì)的N-1n(l1，l2)和N2n(l1，l2)超過(guò)設(shè)定的閾值(T1，T2)，則判為真正的煙霧區(qū)域；反之則為干擾物，以進(jìn)一步消除具有類似煙霧顏色的移動(dòng)物的干擾。
(d)將灰煙、青煙、黃煙這三個(gè)分析子線程對(duì)同一視頻幀的證據(jù)積累結(jié)果進(jìn)行或操作，如果結(jié)果為真，則表明場(chǎng)景確實(shí)存在煙霧，反之，則不存在煙霧。
(e)通過(guò)對(duì)被判為煙霧的各分塊進(jìn)行連通域的面積大小分析，濾除掉面積小于設(shè)定閾值的標(biāo)記區(qū)，進(jìn)一步消除小雜點(diǎn)干擾，獲得干凈的早期煙霧核心區(qū)域標(biāo)記。
全文摘要
本發(fā)明公開(kāi)了一種在動(dòng)態(tài)場(chǎng)景中能免疫誤報(bào)的早期煙霧視頻檢測(cè)方法；旋轉(zhuǎn)云臺(tái)帶動(dòng)IP網(wǎng)絡(luò)攝像機(jī)間隙式地沿水平方向來(lái)回旋轉(zhuǎn)，云臺(tái)每轉(zhuǎn)過(guò)一個(gè)IP網(wǎng)絡(luò)攝像機(jī)視角后暫停，由IP網(wǎng)絡(luò)攝像機(jī)采集被監(jiān)控場(chǎng)景視頻圖像數(shù)據(jù)，并通過(guò)光電轉(zhuǎn)換器和以太網(wǎng)轉(zhuǎn)換傳輸?shù)奖O(jiān)控微機(jī)，監(jiān)控微機(jī)對(duì)視頻圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)與證據(jù)累積分析，獲取監(jiān)控場(chǎng)景中的動(dòng)態(tài)背景，以及判斷分析被監(jiān)控場(chǎng)景中是否存在真正的煙霧，若確認(rèn)有煙霧，則觸發(fā)報(bào)警；本發(fā)明克服了已有技術(shù)中在開(kāi)放的動(dòng)態(tài)場(chǎng)景下存在的誤報(bào)率高、檢測(cè)魯棒性低等缺點(diǎn)，可在4～6秒鐘內(nèi)正確檢測(cè)出早期煙霧。
文檔編號(hào)G06K9/00GK101373553SQ200810121719
公開(kāi)日2009年2月25日 申請(qǐng)日期2008年10月23日 優(yōu)先權(quán)日2008年10月23日
發(fā)明者平 周, 姚慶杏, 鐘取發(fā) 申請(qǐng)人:浙江理工大學(xué)