專利名稱:一種基于視頻差異分析的輸電線路火災識別方法
技術領域:
本發(fā)明屬于視頻圖像處理及輸電線路在線監(jiān)測技術領域,涉及一種輸電線路火災識別方法,具體涉及一種基于視頻差異分析的輸電線路火災識別方法。
背景技術:
隨著封山育林工作的大力展開,輸電線路周圍環(huán)境的山火問題越來越威脅著輸電線路的安全運行,也將對電力系統(tǒng)的安全運行造成嚴重阻礙。若能在火災發(fā)生初期就進行識別,則可以減少各種損失。火災在發(fā)生過程中,通常伴隨著,高溫、高熱、強光、強輻射等基本特征。目前火災探測系統(tǒng)都采用傳統(tǒng)的感溫、感煙、光電等傳感器,分別基于火災的溫度、產(chǎn)生的煙氣、火焰光譜特征來探測火災,這些探測系統(tǒng)易受到輸電線路復雜的周圍環(huán)境以及電子噪聲的干擾,誤報率非常高,而且這種系統(tǒng)不能掌握火災現(xiàn)場的情況,無法依靠其進行實時調(diào)度與處理。隨著計算機技術與數(shù)字圖像處理的飛快發(fā)展,火災探測技術也逐漸的開始采用基于圖像和視頻的識別方式,即根據(jù)火災的早期圖像開始識別并跟蹤其發(fā)展趨勢,一旦達到火災的預設標準就觸發(fā)報警。圖像探測技術是基于數(shù)字圖像處理和分析的新型火災圖像探測方法,與其他探測技術聯(lián)合應用會大大提高探測的準確性和可靠性。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于視頻差異分析的輸電線路火災識別方法,解決了現(xiàn)有火災探測系統(tǒng)易受到輸電線路復雜的周圍環(huán)境以及電子噪聲的干擾,誤報率非常高,不能掌握火災現(xiàn)場的情況,無法依靠其進行實時調(diào)度與處理的問題。本發(fā)明所采用的技術方案是,一種基于視頻差異分析的輸電線路火災識別方法, 具體按照以下步驟實施步驟1 攝像頭采集輸電線路的視頻信號,通過視頻服務器將采集到的視頻信號以視頻流的方式傳送回監(jiān)控中心;監(jiān)控中心從視頻流中截取所需要監(jiān)視的輸電線路的數(shù)字圖像,得到監(jiān)視的目標圖像;步驟2 對步驟1得到的監(jiān)視的目標圖像進行預處理;對預處理后的圖像采用背景差分發(fā)法檢測目標圖像是否具有異常;步驟3 對步驟2得到的可疑區(qū)域進行火焰特征的檢測,包括火焰顏色的識別及火焰的動態(tài)特征識別,并設定閾值,將檢測結(jié)果和設定的閾值進行比較;步驟4 根據(jù)步驟3得到的比較結(jié)果,通過人工神經(jīng)網(wǎng)絡精確識別火災。本發(fā)明的特點還在于,其中的步驟2中對步驟1得到的監(jiān)視的目標圖像進行預處理,具體按照以下步驟實施對輸入的視頻圖像進行時間或空間濾波,包括圖像的平滑、增強、恢復。其中的步驟2中對預處理后的圖像采用背景差分法檢測目標圖像是否具有異常, 具體按照以下步驟實施首先設4為背景圖像,fk為當前幀圖像,差分圖像為Dk,則Dk(x,y) = fx(x,y) -Bk^1 (x,y) I,設&為差分后二值圖像,對&進行連通性分析,當某一連通的區(qū)域的面積大于一定的閾值,則認為檢測的目標出現(xiàn),并認為這個連通的區(qū)域就是檢測到的目標圖像;
, /0,背景 Dk(x,y)<T 氏(X,y)1l,前景 Dk(x,y) >τ'T為設定的二值化閾值。其中的步驟3中的火焰顏色的識別,具體按照以下步驟實施首先取疑似火焰物體的全部像素值,按如下公式計算每個像素點的紅色比重值
j / 、 ▽ R(Pi(x,y)) 「00171 redratio (χ, γ)= > -—---,
x,^mR(pI(x' y> )+Β(Ρι(χ' y> )+g(Pi(x,y))其中的R(Pi (χ, y)),B (Pi (χ, y)),G (Pi (χ, y))是圖像中紅綠藍三個分量,然后計算這些像素點的紅色比重值的方差值,當可疑目標為火焰時,由于火焰顏色變化分布造成像素變化大,紅色比重的方差值較大;而當可疑目標為太陽、燈光等干擾源時,顏色變化不明顯,像素值基本保持在一個平均值附近波動,像素點的紅色比重值的方差不大,接近零。其中的步驟3中的火焰的動態(tài)特征識別,具體按照以下步驟實施火焰尖角的識別不穩(wěn)定的火焰尖角由一個個的點組成,令尖角中某一行的亮點數(shù)為f(n),上一行的亮點數(shù)記為f(n-l),要求尖角狹長通過控制f(n)/f(n-l)的值來實現(xiàn);火焰圓形度的計算圓形度表征了物體形狀的復雜程度,其計算公式為圓形度=周長2/(面積Χ4π),周長為物體的邊界長度,從邊界鏈碼中得到,垂直的和水平的步幅為單位長度,對角步幅的長度為2,兩個直角步還原成一個對角度,其步幅是2,按上述規(guī)則遍歷邊界鏈碼, 算出邊界長度;面積通過統(tǒng)計亮點數(shù)獲得;圓形度對圓形物體取最小值,物體形狀越復雜其值越大。其中的步驟3中的神經(jīng)網(wǎng)絡,采用三層BP神經(jīng)網(wǎng)絡,其具有如下特征神經(jīng)網(wǎng)絡
丄 2 3
隱含層節(jié)點數(shù)的計算公式為:v_2CXr +2CXr“式中y為隱含層節(jié)點數(shù);c為輸出節(jié)點
y--,
c + r
數(shù);r為輸入節(jié)點數(shù)。本發(fā)明的有益效果是,在對輸電線路周圍環(huán)境實施在線監(jiān)測過程中,以計算機為中心,結(jié)合光電技術和計算機圖像處理和模式識別技術。通過對采集到的數(shù)字圖像進行預處理、差分檢測異常、分割處理提取火災圖像,進而通過檢測火災的顏色、面積、動態(tài)特征以及人工神經(jīng)網(wǎng)絡來識別并判定火災,并及時報警,為保證電力企業(yè)生產(chǎn)安全提供了一種新的直觀而準確的手段,有著非常重要的現(xiàn)實意義。并且設備簡單、經(jīng)濟。
圖1是本發(fā)明方法中某次輸電線路周圍山火的原始圖像;圖2是本發(fā)明方法中背景差分法的工作原理圖;圖3是采用本發(fā)明方法對某次火災圖像進行背景差分后提取到的二值目標圖像;
圖4是本發(fā)明方法中某次火災圖像的面積檢測圖像;圖5是本發(fā)明方法中某次火災圖像的輪廓提取圖像;圖6是本發(fā)明方法中BP神經(jīng)網(wǎng)絡的圖像識別框圖;圖7是本發(fā)明方法的流程圖。
具體實施例方式下面結(jié)合附圖和具體實施方式
對本發(fā)明進行詳細說明。本發(fā)明基于視頻差異分析的輸電線路火災識別方法,如圖7所示,具體按照以下步驟實施步驟1 攝像頭采集輸電線路的視頻信號,經(jīng)過視頻服務器將采集到的視頻信號以視頻流的方式實時傳送回監(jiān)控中心,如圖1所示為某次輸電線路周圍山火的原始圖像; 監(jiān)控中心從視頻流中截取所監(jiān)視的輸電線路的數(shù)字圖像,得到監(jiān)視的目標圖像;步驟2 對步驟1得到的監(jiān)視的目標圖像進行預處理,具體按照以下步驟實施對輸入的視頻圖像進行簡單的時間或空間濾波,包括圖像的平滑、增強、恢復等,目的在于抑制不需要的變形、噪聲或者增強某些有利于后續(xù)處理的圖像特征,改善圖像質(zhì)量,為后續(xù)目標識別等提供方便。對預處理后的圖像采用背景差分法檢測目標圖像是否具有異常;背景差分法進行目標圖像檢測,如圖2所示,具體按照以下步驟實施由于環(huán)境大部分時間將處于沒有火災的情況,因此首先在圖像預處理的基礎上采用背景差分方法檢測疑似區(qū)域,背景差分法就是用當前環(huán)境背景估計圖像與當前幀圖像進行相減,來實現(xiàn)目標圖像檢測。其原理如下首先設&為背景圖像,fk為當前幀圖像,差分圖像為Dk,則Dk(x,y) =fx(x,W-Blri (x,y) I,設&為差分后二值圖像。對&進行連通性分析,當某一連通的區(qū)域的面積大于一定的閾值,則認為檢測的目標出現(xiàn),并認為這個連通的區(qū)域就是檢測到的目標圖像。
、/0,背景 Dk(x,y)《T ^(Χ'Υ)=1 , M Dk(x, y) >Τ⑴T為設定的二值化閾值。如圖3所示為對火災圖像進行背景差分后提取到的二值目標圖像。步驟3 對步驟2得到的可疑區(qū)域進行火焰特征的檢測對顏色、面積、動態(tài)特征 (尖角、圓形度)等行提取檢測,并設定各自的閾值,將每一個檢測結(jié)果和預設閾值進行比較;如圖4及圖5所示,為火災圖像的面積檢測圖像及火災圖像的輪廓提取圖像?;鹧骖伾淖R別算法具體按照以下步驟實施火焰一般從焰心到外焰其顏色應從白色到黃色再向紅色移動,而像太陽、燈光這樣的干擾源其顏色變化不明顯,在圖像中表現(xiàn)為像素值的變化不明顯。根據(jù)這一特點,提出了如下識別算法。首先取疑似火焰物體的全部像素值,按如下公式計算每個像素點的紅色比重值。計算紅色比重的公式如下「00451 redratio (x, y)= "V -、、)--(2)
L 」x,^mR(Pl(x' y) )+Β(Ρι(χ' y) )+G(Pi(x,y))其中的!UPiO^WhBbiO^WhGbiO^y))是圖像中紅綠藍三個分量。然后計算這些像素點的紅色比重值的方差值。當可疑目標為火焰時,由于火焰顏色變化分布造成像素變化大,所以紅色比重的方差值較大;而當可疑目標為太陽、燈光等干擾源時,顏色變化不明顯,像素值基本保持在一個平均值附近波動,所以像素點的紅色比重值的方差不大, 接近零。火焰的動態(tài)特征識別具體按照以下步驟實施(1)火焰尖角的識別不穩(wěn)定的火焰本身有很多尖角,火焰邊緣抖動一個明顯的表現(xiàn)是火焰的尖角數(shù)目呈現(xiàn)無規(guī)則的跳動。對于火焰的尖角來說,特征點首先應該是它的頂點,頂點是局部的極值點。另一個特征就是“尖”,給人的視覺效果是狹而長,這要求尖角的體態(tài)要符合一定的標準。尖角左右兩邊的夾角應該滿足一定的條件。在計算機中尖角是由一個個的點組成的, 令尖角中某一行的亮點數(shù)為f (η),上一行的亮點數(shù)記為f(n-l),要求尖角狹長可以通過控制f(n)/f(n-l)的值來實現(xiàn)。(2)火焰圓形度的計算根據(jù)火災火焰形狀不規(guī)整和大部分干擾源(如手電筒,白熾燈等)的形狀規(guī)整程度較高的特點,將圓形度概念作為火災判據(jù)之一。圓形度表征了物體形狀的復雜程度,其計算公式為圓形度=周長2/(面積Χ4π) (3)周長為物體的邊界長度,可從邊界鏈碼中得到。垂直的和水平的步幅為單位長度, 對角步幅的長度為2,兩個直角步還原成一個對角度,其步幅也是2。按上述規(guī)則遍歷邊界鏈碼,即可算出邊界長度。面積通過統(tǒng)計亮點數(shù)獲得。圓形度對圓形物體取最小值4 π,物體形狀越復雜其值越大。本例中火災的圓形度為30. 1。步驟4:根據(jù)步驟3得到的比較結(jié)果,進一步通過人工神經(jīng)網(wǎng)絡來精確識別判斷火災;如圖6所示,具體按照以下步驟實施人工神經(jīng)網(wǎng)絡可以處理非線性、不完整的和模糊的數(shù)據(jù)。它不僅可以在正常情況下給出問題的次最優(yōu)解,而且在數(shù)據(jù)、資料殘缺不全的情況下仍可以正常運轉(zhuǎn)并給出滿意的結(jié)果?;馂幕鹧娴娜紵^程是一個強非線性動力學系統(tǒng),比一般動力裝置中的燃燒過程更為復雜,其穩(wěn)定性是直接通過燃燒火焰狀態(tài)的變化來反映的?;馂幕鹧嫒紵隣顟B(tài)變化受到可燃物的數(shù)量、種類和燃燒區(qū)域的風速等諸多因素制約,具有很強的模糊性和隨機特性。 由此,火災火焰信號是一類典型的非線性信號,用人工神經(jīng)網(wǎng)絡方法可以提高火災火焰識別的可靠性和準確性。本發(fā)明以三層BP神經(jīng)網(wǎng)絡作為火災圖像識別的神經(jīng)網(wǎng)絡模型。(1)神經(jīng)網(wǎng)絡輸入信號本發(fā)明中神經(jīng)網(wǎng)絡的輸入信息是根據(jù)火災火焰圖像的顏色、形狀及動態(tài)特征來確定,采用顏色一階矩、火焰區(qū)域面積、圓形度以及尖角數(shù)的各特征參數(shù)值作為輸入信號。(2)神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)三層神經(jīng)網(wǎng)絡的輸出層與輸入層節(jié)點數(shù)是由問題本身決定的。作為模式判別時輸入節(jié)點數(shù)是特征維數(shù),輸出節(jié)點數(shù)是想要分類的數(shù)目。但中間隱含層的節(jié)點數(shù)如何確定則缺乏有效的方法。對于多類的模式識別問題來說,要求網(wǎng)絡輸出特征空間劃分成一些不同的類(對應不同的類別)、每一隱含層單元可形成一個超平面。N個超平面可將D維空間劃分成的區(qū)域數(shù)如下式所示
β「JV~|M(J^D) = Yu(4)
=L1 _當N < D時,M = 2n。設有P個樣本,不知道它們實際上應分成多少類,比較周全的考慮,可假設M = P,當N < D時,可選擇隱含層單元數(shù)為N = Iog2P,當然這只能是一個參考數(shù)字,因為所需隱含層單元數(shù),主要取決于問題復雜程度而非樣本數(shù)。當然,復雜的問題需要大量的樣本。當隱含層節(jié)點數(shù)難以確定時,可以先選較多的隱含層節(jié)點數(shù),待學習完成后,再逐步刪除一些隱含層單元,使網(wǎng)絡更為精簡。本發(fā)明采用如下公式來計算隱含層節(jié)點數(shù)
1 2 3 1
「 π —cxr +—cxr-1式中y為隱含層節(jié)點數(shù);c為輸出節(jié)點數(shù)(或分類數(shù));r為輸入節(jié)點數(shù)(或特征向量維數(shù))。(3)神經(jīng)網(wǎng)絡輸出信號將神經(jīng)網(wǎng)絡的輸出做歸一化,把圖像分為3類,即輸出層有3個神經(jīng)元,對應“火災火焰”、“干擾物體”、“林區(qū)景物”。(4)學習樣本要實現(xiàn)火焰識別,必須建立火災圖像樣本庫,通過一定數(shù)量的已知樣本進行網(wǎng)絡訓練后得出判別函數(shù)和判別準則后,對未知類別的圖像進行識別。如圖6所示,為BP神經(jīng)網(wǎng)絡的圖像識別框圖步驟5 根據(jù)步驟4的判斷結(jié)果,進行報警措施,如果檢測到有火災發(fā)生的趨勢,則立即啟動報警,監(jiān)測人員將對其進行重點監(jiān)控并及時通知巡檢人員趕赴現(xiàn)場實施滅火。否則重復進行以上步驟。本發(fā)明基于遠程數(shù)字圖像處理技術,以計算機為中心,結(jié)合光電技術和計算機圖像處理和模式識別技術,以傳送到監(jiān)控中心的視頻流中截取的數(shù)字圖像為研究對象,同時對采集到的連續(xù)圖像序列進行分析,根據(jù)火災火焰的變化特征來探測火災,并進行及時報警,為保證電力企業(yè)生產(chǎn)安全提供了一種新的直觀而準確的手段,有著非常重要的現(xiàn)實意義。
權利要求
1.一種基于視頻差異分析的輸電線路火災識別方法,其特征在于,具體按照以下步驟實施步驟1 攝像頭采集輸電線路的視頻信號,通過視頻服務器將采集到的視頻信號以視頻流的方式傳送回監(jiān)控中心;監(jiān)控中心從視頻流中截取所需要監(jiān)視的輸電線路的數(shù)字圖像,得到監(jiān)視的目標圖像;步驟2 對步驟1得到的監(jiān)視的目標圖像進行預處理;對預處理后的圖像采用背景差分發(fā)法檢測目標圖像是否具有異常;步驟3 對步驟2得到的可疑區(qū)域進行火焰特征的檢測,包括火焰顏色的識別及火焰的動態(tài)特征識別,并設定閾值,將檢測結(jié)果和設定的閾值進行比較;步驟4 根據(jù)步驟3得到的比較結(jié)果,通過人工神經(jīng)網(wǎng)絡精確識別火災。
2.根據(jù)權利要求1所述的基于視頻差異分析的輸電線路火災識別方法,其特征在于, 所述的步驟2中對步驟1得到的監(jiān)視的目標圖像進行預處理,具體按照以下步驟實施對輸入的視頻圖像進行時間或空間濾波,包括圖像的平滑、增強、恢復。
3.根據(jù)權利要求1所述的基于視頻差異分析的輸電線路火災識別方法,其特征在于, 所述的步驟2中對預處理后的圖像采用背景差分法檢測目標圖像是否具有異常,具體按照以下步驟實施首先設4為背景圖像,fk為當前幀圖像,差分圖像為Dk,則Dk (x,y) = fx (X,y)-Blrl (X, y) I,設&為差分后二值圖像,對&進行連通性分析,當某一連通的區(qū)域的面積大于一定的閾值,則認為檢測的目標出現(xiàn),并認為這個連通的區(qū)域就是檢測到的目標圖像;, Jo,背景 Dk(x,y)<T 氏(X,y)1l,前景 Dk(x,y) >τ'T為設定的二值化閾值。
4.根據(jù)權利要求1所述的基于視頻差異分析的輸電線路火災識別方法,其特征在于, 所述的步驟3中的火焰顏色的識別,具體按照以下步驟實施首先取疑似火焰物體的全部像素值,按如下公式計算每個像素點的紅色比重值redratio (x, y)= "V -、、)-,x,^mR(Pl(x, y) )+B(Pi(x, y) )+G(Pi(x, y))其中的R(Pi (χ, y)),B (Pi (χ, y)),G (Pi (χ, y))是圖像中紅綠藍三個分量,然后計算這些像素點的紅色比重值的方差值,當可疑目標為火焰時,由于火焰顏色變化分布造成像素變化大,紅色比重的方差值較大;而當可疑目標為太陽、燈光等干擾源時,顏色變化不明顯,像素值基本保持在一個平均值附近波動,像素點的紅色比重值的方差不大,接近零。
5.根據(jù)權利要求1所述的基于視頻差異分析的輸電線路火災識別方法,其特征在于, 所述的步驟3中的火焰的動態(tài)特征識別,具體按照以下步驟實施火焰尖角的識別不穩(wěn)定的火焰尖角由一個個的點組成,令尖角中某一行的亮點數(shù)為 f (η),上一行的亮點數(shù)記為f(n-l),要求尖角狹長通過控制f(n)/f(n-l)的值來實現(xiàn);火焰圓形度的計算圓形度表征了物體形狀的復雜程度,其計算公式為圓形度=周長2/(面積Χ4π),周長為物體的邊界長度,從邊界鏈碼中得到,垂直的和水平的步幅為單位長度,對角步幅的長度為2,兩個直角步還原成一個對角度,其步幅是2,按上述規(guī)則遍歷邊界鏈碼,算出邊界長度;面積通過統(tǒng)計亮點數(shù)獲得;圓形度對圓形物體取最小值4 π,物體形狀越復雜其值越大。
6.根據(jù)權利要求1所述的基于視頻差異分析的輸電線路火災識別方法,其特征在于, 所述的步驟3中的神經(jīng)網(wǎng)絡,采用三層BP神經(jīng)網(wǎng)絡,其具有如下特征神經(jīng)網(wǎng)絡隱含層節(jié)點丄 2 3數(shù)的計算公式為:v_2CXr +2CXr“式中y為隱含層節(jié)點數(shù);c為輸出節(jié)點數(shù);r為輸入 y--,c + r節(jié)點數(shù)。
全文摘要
本發(fā)明公開的一種基于視頻差異分析的輸電線路火災識別方法,攝像頭采集輸電線路的視頻信號,通過視頻服務器將采集到的視頻信號以視頻流的方式傳送回監(jiān)控中心;監(jiān)控中心從視頻流中截取所需要監(jiān)視的輸電線路的數(shù)字圖像,得到監(jiān)視的目標圖像;預處理后采用背景差分發(fā)法檢測目標圖像是否具有異常;對可疑區(qū)域進行火焰特征的檢測;通過人工神經(jīng)網(wǎng)絡精確識別火災。本發(fā)明火災識別方法,為保證電力企業(yè)生產(chǎn)安全提供了一種新的直觀而準確的手段,有著非常重要的現(xiàn)實意義。并且設備簡單、經(jīng)濟。
文檔編號G06N3/02GK102208018SQ201110144298
公開日2011年10月5日 申請日期2011年6月1日 優(yōu)先權日2011年6月1日
發(fā)明者馮玲, 李文靜, 黃新波 申請人:西安工程大學