[發(fā)明專利]基于透射率動態(tài)檢測的煙霧識別方法

在審

• 申請?zhí)枺?/td>: 201710141779.2
• 申請日: 2017-03-10
• 公開（公告）號: CN107045723A
• 公開（公告）日: 2017-08-15
• 發(fā)明（設計）人: 張檣;劉峰;李香禎;張挺;李斌
• 申請（專利權）人: 北京環(huán)境特性研究所
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/254;G06K9/00;G06K9/62
• 代理公司: 北京君恒知識產權代理事務所(普通合伙)11466
• 代理人: 黃啟行,張璐

技術領域

本發(fā)明涉及圖像處理、光電技術領域，尤其涉及基于透射率動態(tài)檢測的煙霧識別方法。

背景技術

以下對本發(fā)明的相關技術背景進行說明，但這些說明并不一定構成本發(fā)明的現有技術。

火災是人類最常見的嚴重災害之一，但是和其他自然災害相比，火災所帶來的危害是可以降低的。為了能夠減少火災造成的傷害，其中最重要的就是盡早對火災的發(fā)生給予預警。火災前期因為燃料通常不能夠充分燃燒，經常伴有煙霧的出現，因此煙霧可以作為火災發(fā)生的前兆。隨著工業(yè)的發(fā)展，基于可見光的視頻監(jiān)控已經成為保護人們安全生活的重要手段，而其本身的成本低、分辨率高、范圍廣、無接觸的優(yōu)點使其廣泛用于火災預警系統(tǒng)。因此基于視頻的煙霧檢測是一個重要的研究和應用方向。

對于視頻中的煙霧檢測，目前已經存在很多檢測算法，主要是通過提取煙霧的視覺特征，如顏色、邊緣和紋理等，但這些特征都是依賴于可見光圖像的原始信息，所以嚴重依賴于外界光源和圖像中其他運動事物的變化，造成算法抗干擾性不高，錯報率和漏報率較高，系統(tǒng)的魯棒性不強。因此找到一種不依賴于場景中光線變化和不受其他運動事物影響的煙霧檢測系統(tǒng)是今后的一個主要研究方向。

發(fā)明內容

本發(fā)明的目的在于提出基于透射率動態(tài)檢測的煙霧識別方法，能夠精確識別煙霧位置，并且識別結果不依賴于場景中的光線變化和其他運動事物的影響。

本發(fā)明基于透射率動態(tài)檢測的煙霧識別方法，包括：

S1、采用ViBe算法對監(jiān)控視頻中的每一幀圖像進行背景更新，提取前景圖像；

S2、基于透射率圖像和大氣散射模型，獲取前景圖像的反照率圖像；

S3、針對待匹配圖像中的每個像素，獲取該像素與反照率圖像對應像素的相似值，當所述相似值超過預設的相似閾值時，判定所述像素為煙霧。

優(yōu)選地，步驟S1包括：

S11、背景模型表示：定義I(x)為歐式空間中位于x處的像素值，I₁、I₂、…、I_N為選取的樣本像素，N為背景樣本的數量，則像素x處對應的背景模型M(x)如下式所示：M(x)＝{I₁,I₂,…,I_N}；

S12、背景模型初始化：在第一幀圖像中從像素x的八鄰域N_G(x)里隨機選取N個像素值存放到背景模型的N個背景樣本中，定義M⁰(x)作為第一幀圖像的背景模型：M⁰(x)＝{I⁰(y)|y∈N_G(x)}；y為八鄰域N_G(x)內的任意一個像素；

S13、像素分類：對于任意一幀圖像，定義S_R(I(x))是以像素x為中心、距離R為半徑的集合，當該幀圖像的背景模型M(x)與S_R(I(x))的交集大于設定閾值#min時，判定像素I(x)為背景像素；

S14、采用ViBe算法進行背景更新：若像素I(x)被分類為背景像素，以設定概率從像素I(x)的背景模型M(x)中隨機選取一個背景樣本I_k，然后用I(x)來替代；以設定概率從像素x鄰域的背景模型M_G(x)中隨機選取一個背景樣本I_k，然后用I(x)來替代。

優(yōu)選地，所述設定閾值#min＝2；和/或，所述設定概率為1/16；和/或，距離R＝20。

優(yōu)選地，步驟S14之后進一步包括：對步驟S14得到的二值化圖像進行開運算，并對開運算后的二值化圖像進行連通域標記，以標記出的連通域作為前景圖像。

優(yōu)選地，前景圖像的反照率圖像為：

式中，ρ(x)為歐式空間中像素x處的反照率，I(x)為像素x的像素值，A為天空亮度估計值，t(x)為像素x處的透射率估計值。

優(yōu)選地，對于任意一幀圖像，按照如下步驟確定天空亮度估計值：

對于每一個像素x，對像素x處的最小顏色分量進行最小值濾波，得到像素x的亮度值，記為Θ(x)；對像素x處的灰度分量進行邊緣提取，對邊緣圖像E(x)進行分塊統(tǒng)計，計算以像素x為中心的鄰域內邊緣像素數占鄰域總像素數的比例，記為N_edge(x)；

若像素x的亮度值大于以設定亮度閾值T_v、N_edge(x)小于設定平坦閾值，判定像素x位于候選天空區(qū)域；