[發明專利]一種基于視頻圖像的火焰檢測方法

有效

• 申請號: 201010136807.X
• 申請日: 2010-03-30
• 公開（公告）號: CN101840571A
• 公開（公告）日: 2010-09-22
• 發明（設計）人: 馬莉;黃可杰;吳開華;鄒紹芳;閆建強;張樺;周一君
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20;G06T7/40
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

1.一種基于視頻圖像的火焰檢測方法，其特征在于該方法具體步驟是：

步驟(1).視頻采集

通過攝像頭采集CIF格式的視頻圖像，將視頻圖像存儲到圖像處理開發板DM642中的緩存；

步驟(2).顏色檢測

根據火焰的空域特征，對采集的視頻圖像進行顏色檢測，提取視頻圖像中的火焰顏色區域；

在YCrCb色彩空間下，根據Y、U、V通道的顏色特征采用高斯混合模型，利用公式(1)和(2)進行顏色檢測，同時滿足公式(1)和(2)條件的像素區域為火焰顏色區域：

|y-μ_y|＜2.5·σ_y???????????????????(1)

|abs(v-u)-μ_vu|＜2.5·σ_vu??????????(2)

其中，y表示像素點的亮度值，v表示YCrCb色彩空間對應RGB色彩空間的藍色分量與y的差值，u表示YCrCb色彩空間對應RGB色彩空間的紅色分量與y的差值，函數abs表示取絕對值；μ_y表示在高斯混合模型下Y通道的均值，μ_vu表示在高斯混合模型下(V-U)通道的均值，σ_y表示在高斯混合模型下Y通道的方差，σ_vu表示在高斯混合模型下(V-U)通道的方差；

步驟(3).運動檢測

對采集的視頻圖像采用Kalman濾波器進行運動檢測，方法如下，

I(i，j，0)＝B(i，j，0)，M(i，j，0)＝0????????????????????(3)

B(i，j，k+1)＝B(i，j，k)+g(k)(I(i，j，k)-B(i，j，k))?????(4)

g(k)＝β(1-M(i，j，k))+αM(i，j，k)??????????????????????(5)

M(i,j,k)=1if|I(i,j,k)-B(i,j,k)|>T0otherwise---(6)]]>

其中，B(i，j，k)是第k幀背景圖像y通道中坐標(i，j)位置的像素值，B(i，j，k)∈[0，255]；I(i，j，k)是采集的第k幀視頻圖像y通道中坐標(i，j)位置的像素值，I(i，j，k)∈[0，255]；M(i，j，k)是采集的第k幀視頻圖像y通道中坐標(i，j)位置像素點的運動值，M(i，j，k)∈{0，1}，運動值為1該點為運動像素點，運動值為0該點為背景像素點，所有運動像素點構成視頻運動區域；T是運動閾值，T∈[60，100]；α是運動因子，α[0.001，0.01]，β是背景因子，β[0.01，0.1]，0＜α，β＜1；g(k)是背景預測函數，實現對背景的更新修正，g(k)∈{α，β}；

公式(3)為Kalman濾波器的初始條件，公式(4)為Kalman濾波器的時間更新，通過當前視頻圖像預測背景圖像，公式(5)和(6)為Kalman濾波器的測量更新，通過當前的視頻圖像修正背景預測函數g(k)；另外在檢測到火焰后必須停止測量更新，即令g(k)＝0；

步驟(4).對步驟(2)得到的火焰顏色區域和步驟(3)得到的視頻運動區域進行逐像素點的與運算，排除靜止的火焰類似物的干擾，獲得最終的火焰像素區域；

步驟(5).在顏色檢測和運動檢測的基礎上，為了排除運動的火焰類似物得干擾，對獲取的火焰像素區域進行蔓延率分析；

火焰的蔓延率通過觀察以Δt為時間間隔的N個觀測點內火焰區域的平均蔓延趨勢的方法來實現，具體實現如公式(7)：

G＝1/N∑(F_t+1-F_t)/Δt?????????????(7)

其中，N是觀察點個數，Δt是觀察點的時間間隔，表示視頻幀的幀間間隔；F_t是t時刻火焰像素區域的像素個數，則F_t+1是t+1時刻火焰像素區域的像素個數；G表示N個觀察點內火焰區域的平均蔓延率；

設定蔓延率閾值，當N·Δt時間內火焰像素區域的平均蔓延率G大于蔓延率閾值，則火焰像素區域為真火火焰像素區域，從而排除運動的火焰類似物得干擾；

步驟(6).采用隱馬爾科夫模型對獲取的火焰像素區域抖動性分析，最終進行火焰的報警確認：根據火焰邊緣輪廓點的RGB色彩空間R分量在時間序列上的波動變化來描述火焰的抖動特征；根據提取的火焰抖動特征生成的觀察序列產生隱馬爾科夫模型，利用得到的隱馬爾科夫模型求解由火焰抖動特征生成的觀察序列的概率P(O|λ_fire)和P(O|λ_no-fire)，其中P(O|λ_fire)為觀察序列在有火隱馬爾科夫模型下的條件概率，P(O|λ_no-fire)為觀察序列在無火隱馬爾科夫模型下的條件概率；若P(O|λ_fire)大于P(O|λ_no-fire)，說明觀察序列屬于真火，實現報警確認。