[發明專利]一種基于動態特征的視頻煙霧識別方法

在審

• 申請號: 201610532520.6
• 申請日: 2016-07-08
• 公開（公告）號: CN107590418A
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 尹航;曹國強
• 申請（專利權）人: 尹航;曹國強
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙)11548
• 代理人: 李靜

技術領域

本發明屬于計算機圖像處理技術領域，具體涉及一種基于動態特征的視頻煙霧識別方法，可應用于煙霧、火災預警監測軟件系統中。

背景技術

火災是一種多發性災害，往往會造成大量的人員傷亡以及財產損失，因此及時發現火災的征兆，并實現預警能夠挽救巨大的人員和財產損失，產生巨大的經濟和社會效益。然而，傳統的人工監控效率低下、成本高昂、存在人為的錯報漏報；基于煙霧、溫度等傳感器的火災檢測方式雖然有了進步，但嚴重受到物理環境、監控范圍、硬件成本等因素的影響，導致成本高昂，誤報率高等問題。例如，當溫度傳感器監測到溫度上升并進行報警時，通常火災已經發生，火勢已經蔓延，為人們預留的時間比較短。而常見的火災發生初期都有很多征兆，其中煙霧的產生是一種重要的直觀的征兆，在多次火災實例中，煙霧產生到發生明火中間有著一段時間的間隔，如果在煙霧擴散初期，就能準確識別并預警，就能及時的集中人力物力撲滅火災隱患，或者會為逃生或者滅火爭取寶貴的時間。

煙霧往往產生在火災初期或擴散之前，而且在眾多研究中可發現，煙霧擴散的范圍要遠遠大于火焰，因此對煙霧識別技術的研究更具實時性與可行性，所以非常適用于火災的早期預警。

基于視頻的煙霧識別的核心技術之一是從視頻流中實時提取關鍵幀，并借此進行深度的特征提取和模式識別。針對復雜環境畫面中的目標的特征提取和特征識別的有效性、準確率決定了煙霧識別方法的質量。煙霧識別中采用的最常見的特征提取包括靜態特征提取和動態特征提取，靜態特征包括輪廓、顏色、梯度值等，基于靜態特征的煙霧識別通常根據一個關鍵幀中提取特征并進行特征識別。而動態特征包括運動趨勢、輪廓變換、擴張趨勢等，基于動態特征的煙霧識別主要特點是需要從連續多幀中抽取其統計特征。目前的研究認為，靜態特征計算量較小，效率較高，但抗干擾能力弱，準確性較低；而動態特征計算量較大，預測實時性較低，但抗干擾能力較強，準確性相對較高。

煙霧雖然具有豐富的特征，但是要將其從復雜的環境中準確識別出來，還是存在不少困難。現有識別方法和技術存在的主要不足有：

(1)準確度不足

目前的煙霧檢測，無論是結合外觀特征的靜態煙霧識別方法，還是根據煙霧區域與非煙霧區域的各通道最小值篩選的多特征融合的方法，都存在較高比例的漏報和誤報。在發布的《一種結合顏色和外型特征的視頻煙霧識別方法》[專利申請號201610028532.5]中，結合顏色和外型特征的靜態煙霧識別方法對快速擴張的煙霧識別存在困難。在復雜的場景下，漏報和誤報率則更高。

(2)實時性不夠

現有的基于動態特征的煙霧識別方法，例如已發布的《一種基于視頻的多種特征融合的煙霧識別方法》[專利申請號201410245514.3]在速度上不具有優勢、《一種基于軌跡辨識的煙霧檢測及火災預警方法》[專利申請號201510099921.2]適合飄動、蔓延情況下的煙霧的識別，但對產生初期的擴張煙霧無能為力；而發布的《一種煙霧檢測和預警方法》采用保留緩存視頻圖像、配合圖片切割分塊處理的方法會占用較多的內存空間和CPU處理時間，較嚴重影響到煙霧識別的實時性。

(3)適應性不強

雖然有些算法在一定條件下具有較好的效果，但在復雜環境下其檢測性能有所降低。

發明內容

本發明旨在針對現有煙霧識別技術準確率不高、實時性不夠和適用性不強的不足，提出一種有效的基于動態特征的煙霧識別方法。

為了解決上述技術問題，本發明公開了一種基于動態特征的視頻煙霧識別方法，包括如下步驟：

(1)通過回調函數提取輸入視頻的連續關鍵幀；

(2)通過中值濾波器過濾關鍵幀中微小噪點，通過輪廓修補提高目標清晰度；

(3)通過連續β次關鍵幀前景差對復雜場景中全部動目標D_i,j建模，形成動目標區域的二值矩陣V_i,j。

動態分配三維數組samples[][][NUM_SAMPLES]存儲前景像素點被連續檢測到的次數；如果某個像素點連續β次被檢測為前景，則認為一塊靜止區域被誤判為運動，將其更新為背景點，否則為動點：

式中：D_i,j為當前某個像素點的動點標志，β為動點標識的閾值，i，j分別為橫向縱向像素點數量。

連續的D_i,j構成動目標區域的二值矩陣V_i,j；