本發(fā)明涉及計(jì)算機(jī)視覺(jué)、視頻監(jiān)控，更具體的說(shuō)，涉及到一種基于視頻圖像處理的隧道煙霧檢測(cè)裝置與方法。

背景技術(shù)：
隨著交通運(yùn)輸業(yè)的迅速發(fā)展，公路和隧道數(shù)量也在不斷增長(zhǎng)，現(xiàn)有的智能交通管理系統(tǒng)在一定程度上解決了交通安全的問(wèn)題，但是對(duì)于較為封閉的隧道而言，如果出現(xiàn)彌漫的煙霧，將極易導(dǎo)致交通事故和火災(zāi)發(fā)生，從而造成人員傷亡和經(jīng)濟(jì)損失，因此一種有效的隧道煙霧檢測(cè)裝置的研究迫在敏捷。早期的煙霧檢測(cè)方案是在隧道內(nèi)設(shè)置煙霧傳感器。如公開(kāi)號(hào)為CN1133461A的專利中，利用了光散射原理對(duì)煙霧進(jìn)行報(bào)警。這類煙霧檢測(cè)器的局限性在于煙霧必須要接觸到檢測(cè)器才能觸發(fā)報(bào)警信號(hào)，也就是說(shuō)，這類檢測(cè)器檢測(cè)煙霧的準(zhǔn)確性和實(shí)時(shí)性很大程度地依賴于檢測(cè)器的數(shù)量和安裝位置，另一方面，這類煙霧檢測(cè)器的靈敏度有閾值，對(duì)于較稀薄的彌漫煙霧，準(zhǔn)確率會(huì)受到影響?，F(xiàn)有的煙霧檢測(cè)方案是基于視頻圖像分析的煙霧識(shí)別技術(shù)。如通過(guò)運(yùn)動(dòng)特征分析（參見(jiàn)袁非牛.（2008年4月）.基于累積量和主運(yùn)動(dòng)方向的視頻煙霧檢測(cè)方法.中國(guó)圖象圖形學(xué)報(bào)），利用煙霧運(yùn)動(dòng)的特征進(jìn)行煙霧識(shí)別；如通過(guò)煙霧的靜態(tài)特征分析（參見(jiàn)公開(kāi)號(hào)為CN101751558A的專利），利用背景建模結(jié)合對(duì)比度和平滑度等特征進(jìn)行煙霧識(shí)別；如通過(guò)在檢測(cè)窗中設(shè)置長(zhǎng)時(shí)窗和短時(shí)窗檢測(cè)（參見(jiàn)公開(kāi)號(hào)為CN102163360A的專利），利用檢測(cè)窗內(nèi)視頻圖像的亮度方差特征來(lái)識(shí)別煙霧。在實(shí)際的隧道煙霧視頻分析時(shí)，基于視頻圖像分析的煙霧識(shí)別技術(shù)中，正如上述學(xué)報(bào)提出的基于運(yùn)動(dòng)特征分析的煙霧檢測(cè)方法，由于差值圖像二值化時(shí)閾值是固定的，運(yùn)動(dòng)區(qū)域檢測(cè)點(diǎn)的提取受煙霧稀薄度的影響比較大，當(dāng)煙霧比較稀薄時(shí)，無(wú)法準(zhǔn)確地提取出運(yùn)動(dòng)區(qū)域檢測(cè)點(diǎn)，以至于不能進(jìn)行后期的煙霧特征分析，最終不能達(dá)到檢測(cè)煙霧的目的。正如上述專利CN101751558A提出的通過(guò)煙霧的靜態(tài)特征分析的煙霧檢測(cè)方法，該方法對(duì)于稀薄煙霧的檢測(cè)有局限性，另一方面該技術(shù)方案的實(shí)現(xiàn)計(jì)算量比較復(fù)雜，不能實(shí)時(shí)地處理高清視頻，所以還不能商用。正如上述專利CN102163360A提出的通過(guò)設(shè)置時(shí)長(zhǎng)窗檢測(cè)煙霧的技術(shù)方法，該方法只考慮了灰度圖像的亮度這一個(gè)特征，不能完全排除類似煙霧顏色及亮度的運(yùn)動(dòng)物體的干擾，另一方面，靈敏度參數(shù)S受環(huán)境變化的影響較大，不能自適應(yīng)地改變，從而會(huì)導(dǎo)致漏檢煙霧，最終難以保證煙霧檢測(cè)的準(zhǔn)確性。綜上所述，目前迫切需要一種能檢測(cè)全區(qū)域彌漫稀薄煙霧的視頻煙霧檢測(cè)方法及裝置。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明實(shí)施例的主要目的在于提供一種基于視頻圖像處理的隧道煙霧檢測(cè)裝置與方法，此裝置不僅能夠檢測(cè)出局部動(dòng)態(tài)煙霧，而且有效地彌補(bǔ)了常見(jiàn)的視頻煙霧檢測(cè)裝置不能檢測(cè)全區(qū)域彌漫煙霧的不足，明顯提高了隧道煙霧檢測(cè)的準(zhǔn)確性和靈敏度。為滿足上述目的，根據(jù)本發(fā)明實(shí)施例提供的基于視頻的煙霧檢測(cè)裝置與方法，該方法包括：第一步驟，通過(guò)對(duì)連續(xù)的N幀圖像建立背景模型，獲取穩(wěn)定的初始化背景圖像和初始化參考圖像；第二步驟，通過(guò)當(dāng)前圖像減去前一幀圖像得到檢測(cè)圖像，統(tǒng)計(jì)檢測(cè)圖像中各分塊區(qū)域的檢測(cè)點(diǎn)，統(tǒng)計(jì)檢測(cè)點(diǎn)個(gè)數(shù)滿足一定條件的分塊區(qū)域的出現(xiàn)概率及分塊區(qū)域的分布特性，由此對(duì)隧道環(huán)境中的疑似煙霧進(jìn)行定性分類；第三步驟，對(duì)于全區(qū)域疑似彌漫煙霧，設(shè)置固定長(zhǎng)度T幀的滑動(dòng)窗口，根據(jù)當(dāng)前幀圖像各分塊區(qū)域頻域的能量在滑動(dòng)窗口中表現(xiàn)出的下降趨勢(shì)，同時(shí)各分塊區(qū)域在時(shí)域上表現(xiàn)出的紋理模糊趨勢(shì)，判決是否為全區(qū)域彌漫煙霧；第四步驟，對(duì)于局部疑似動(dòng)態(tài)煙霧，通過(guò)當(dāng)前圖像減去背景圖像提取前景圖像，計(jì)算相鄰前景圖像中的感興趣區(qū)域伸縮后的相似度，計(jì)算當(dāng)前圖像和參考圖像中非感興趣區(qū)域的相似度，判決是否為局部動(dòng)態(tài)煙霧；第五步驟，根據(jù)煙霧環(huán)境類型，用不同的背景更新方法實(shí)時(shí)更新背景。按照本發(fā)明的另一個(gè)方面，提供了一種基于視頻的隧道煙霧檢測(cè)裝置，該裝置包括：（1）背景初始化單元，通過(guò)對(duì)連續(xù)的N幀圖像建立背景模型，獲取穩(wěn)定的初始化背景圖像和初始化參考圖像；（2）全區(qū)域疑似彌漫煙霧和局部疑似動(dòng)態(tài)煙霧界定單元，通過(guò)當(dāng)前圖像減去前一幀圖像得到檢測(cè)圖像，統(tǒng)計(jì)檢測(cè)圖像中各分塊區(qū)域的檢測(cè)點(diǎn)，統(tǒng)計(jì)檢測(cè)點(diǎn)個(gè)數(shù)滿足一定條件的分塊區(qū)域的出現(xiàn)概率及分塊區(qū)域的分布特性，由此對(duì)隧道環(huán)境中的疑似煙霧進(jìn)行定性分類；（3）全區(qū)域彌漫煙霧判決單元，設(shè)置固定長(zhǎng)度M幀的滑動(dòng)窗口，根據(jù)當(dāng)前幀圖像各分塊區(qū)域頻域的能量在滑動(dòng)窗口中表現(xiàn)出的下降趨勢(shì)，同時(shí)各分塊區(qū)域在時(shí)域上表現(xiàn)出的紋理模糊趨勢(shì)，判決是否為全區(qū)域彌漫煙霧；（4）局部動(dòng)態(tài)煙霧判決單元，通過(guò)當(dāng)前圖像減去背景圖像提取前景圖像，計(jì)算相鄰前景圖像中的感興趣區(qū)域伸縮后的相似度，計(jì)算當(dāng)前圖像和參考圖像中非感興趣區(qū)域的相似度，判決是否為局部動(dòng)態(tài)煙霧；（5）背景更新單元，根據(jù)煙霧環(huán)境類型，用不同的背景更新方法實(shí)時(shí)更新背景。本發(fā)明實(shí)施方式與現(xiàn)有技術(shù)相比，主要區(qū)別及其效果在于：現(xiàn)有的基于視頻的煙霧檢測(cè)方法大多都是致力于提高系統(tǒng)對(duì)外界環(huán)境的自適應(yīng)能力，而對(duì)煙霧本身的特性變化有較少的關(guān)注，另一方面，其檢測(cè)方法大多都是基于煙霧運(yùn)動(dòng)的前期特征或者基于靜態(tài)煙霧灰度方差等特征進(jìn)行煙霧判定的，對(duì)于逐漸彌漫的稀薄煙霧這種場(chǎng)景關(guān)注的較少?；谝陨蟽牲c(diǎn)，現(xiàn)有的煙霧檢測(cè)方法對(duì)煙霧本身特性變化的適應(yīng)能力還有待于提高。本發(fā)明提出的方法，在全區(qū)域疑似彌漫煙霧和局部疑似動(dòng)態(tài)煙霧界定單元中，首先將隧道中的疑似煙霧環(huán)境進(jìn)行分類，進(jìn)一步地，根據(jù)不同的煙霧類型采用不同檢測(cè)方法，對(duì)比現(xiàn)有的煙霧檢測(cè)方法有了更強(qiáng)的針對(duì)性，提高了對(duì)煙霧本身特性變化的適應(yīng)能力。在全區(qū)域彌漫煙霧判決單元中，本發(fā)明不依賴于煙霧運(yùn)動(dòng)這一特征，彌補(bǔ)了現(xiàn)有煙霧檢測(cè)方法完全依賴運(yùn)動(dòng)檢測(cè)不能檢測(cè)稀薄煙霧的不足，提高了煙霧檢測(cè)的精確度。在局部動(dòng)態(tài)煙霧判決單元中，本發(fā)明主要考慮了局部動(dòng)態(tài)煙霧本身膨脹、相似度等特性，提高了煙霧檢測(cè)的精確度。在背景更新單元中，本發(fā)明根據(jù)不同的煙霧環(huán)境類型，用不同的背景更新方法實(shí)時(shí)更新背景。綜上所述，本發(fā)明提出的方法提高了檢測(cè)系統(tǒng)對(duì)煙霧本身特性變化的適應(yīng)能力，具有較強(qiáng)的魯棒性。附圖說(shuō)明圖1是按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的系統(tǒng)框圖；圖2是按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的總體流程圖；圖3是按照本發(fā)明的全區(qū)域彌漫煙霧和局部動(dòng)態(tài)煙霧的界定流程圖；圖4是按照本發(fā)明的全區(qū)域彌漫煙霧判定流程圖；圖5是按照本發(fā)明的局部動(dòng)態(tài)煙霧判定流程圖;圖6是圖像的二維小波分解圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面將結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式進(jìn)行詳細(xì)描述。本發(fā)明適用于各種交通隧道。圖1示出了按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的系統(tǒng)框圖，按照發(fā)明的基于視頻的隧道煙霧檢測(cè)方法主要包括5個(gè)部分：第一部分，初始化單元101，用來(lái)提取主背景圖像和參考圖像；第二部分，煙霧界定單元102，用于實(shí)時(shí)地對(duì)隧道環(huán)境中的疑似煙霧根據(jù)稀薄度進(jìn)行全區(qū)域煙霧和局部煙霧的定性分類；第三部分，全區(qū)域彌漫煙霧判定單元103，根據(jù)全區(qū)域疑似煙霧的特征向量進(jìn)行彌漫煙霧的判定；第四部分，局部動(dòng)態(tài)煙霧判定單元104，根據(jù)局部疑似煙霧的特征進(jìn)行局部動(dòng)態(tài)煙霧的判定；第五部分，背景更新單元105，實(shí)時(shí)更新環(huán)境背景?；谝曨l的隧道煙霧檢測(cè)方法，初始化單元101中，采用圖像平均的方法，通過(guò)計(jì)算連續(xù)N幀圖像的平均值得到主背景圖像。假設(shè)當(dāng)前圖像為Ik,則主背景圖像Iback為：其中，參考圖像為Iref=Iback。圖2示出了按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的總體流程圖；圖3示出了按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的全區(qū)域彌漫煙霧和局部動(dòng)態(tài)煙霧界定單元的方法示意圖。在301中，將當(dāng)前圖像減去其前一幀圖像則得到檢測(cè)圖像，假設(shè)當(dāng)前圖像為Ik，則檢測(cè)圖像為It=Ik-Ik-1。在302中，將檢測(cè)圖像It分為8×8塊，檢測(cè)圖像中的檢測(cè)點(diǎn)為像素值大于或者等于閾值T1的像素點(diǎn)，其中T1可以取5～10內(nèi)的任意整數(shù)值。在303中，計(jì)算每一塊區(qū)域中的檢測(cè)點(diǎn)的個(gè)數(shù)占該區(qū)域總像素?cái)?shù)的比例Ki，記錄Ki大于閾值T2的分塊，并統(tǒng)計(jì)該分塊個(gè)數(shù)占總分塊數(shù)的比例K，其中T2可以取0.6～0.8內(nèi)的任意值。在304中，根據(jù)303得到記錄的分塊區(qū)域，對(duì)記錄的分塊區(qū)域畫(huà)一個(gè)最小外接矩形，計(jì)算該矩形的面積S。在305中，若K大于閾值T3，同時(shí)S大于閾值T4，則認(rèn)為是全區(qū)域疑似彌漫煙霧，否則認(rèn)為是局部疑似動(dòng)態(tài)煙霧，其中T3可以取0.7～0.9內(nèi)的任意值，T4可以取0.7～0.9內(nèi)的任意值。圖4示出了按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的全區(qū)域彌漫煙霧判定單元的方法示意圖。在401中，全區(qū)域疑似彌漫煙霧由圖3所述方法判定得到。在402中，將當(dāng)前幀圖像Ik分為8×8塊，在403中，分別對(duì)各塊區(qū)域進(jìn)行二維離散小波變換，如圖6所示為圖像的二維小波分解，其中Iki為當(dāng)前圖像，Id0為當(dāng)前圖像二維小波變換后的低頻信息LL，Id1為垂直高頻信息LH，Id2為水平高頻信息HL，Id3為對(duì)角線高頻信息HH，由此計(jì)算各區(qū)域的高頻能量和Eki=HH+HL+LH，其中k為幀數(shù)，i為塊數(shù)。在404中，對(duì)各塊區(qū)域計(jì)算其模糊度特征，計(jì)算方法為：假設(shè)當(dāng)前幀圖像某一塊區(qū)域中位置[x,y]處的灰度值為G[x,y]，那么該塊區(qū)域的模糊度特征為：Fki=|G[x,y]-G[x-1,y+2]|+|G[x,y]-G[x+1,y+2]|+|G[x,y]-G[x+2,y+1]|+|G[x,y]-G[x+2,y-1]|+|G[x,y]-G[x+1,y-2]|+|G[x,y]-G[x-1,y-2]|+|G[x,y]-G[x-2,y-1]|+|G[x,y]-G[x-2,y+1]|其中i為塊數(shù)，k為當(dāng)前幀。在405中，設(shè)置固定滑動(dòng)窗口的幀數(shù)為T(mén)，分別計(jì)算T幀圖像的Eki和Fkj，對(duì)T幀圖像中處于相同檢測(cè)塊位置處由403計(jì)算得到的觀察點(diǎn)(k,Ek)通過(guò)最小二乘法進(jìn)行線性擬合，得到一次線性參數(shù)KEi，則檢測(cè)圖像的高頻能量的平均變化趨勢(shì)為：其中T可以取300～400之間的任意整數(shù)值。在406中，同405，對(duì)觀察點(diǎn)(k,Fk)通過(guò)最小二乘法進(jìn)行線性擬合，得到一次線性參數(shù)KFi，則檢測(cè)圖像的模糊度的平均變化趨勢(shì)為：在407中，若K1小于閾值T5，且K2小于閾值T6，則判定為全區(qū)域彌漫煙霧，輸出告警信號(hào)，其中T5可以取-10～0之間的任意值，T6可以取-10～0之間的任意值。圖5示出了按照本發(fā)明的基于視頻的隧道煙霧檢測(cè)方法的局部動(dòng)態(tài)煙霧判定單元的方法示意圖。在501中，局部疑似動(dòng)態(tài)煙霧由圖3所述方法判定得到。假設(shè)當(dāng)前圖像為Ik，則前景圖像為IF=Ik-Iback。在502中，感興趣區(qū)域?yàn)榍熬皥D像IF中像素值大于或等于閾值T7的像素點(diǎn)，非感興趣區(qū)域?yàn)榍熬皥D像中像素值小于閾值T7的像素點(diǎn)，其中T7可以取20～30之間的任意值。在503～505中，假設(shè)當(dāng)前前景圖像的感興趣區(qū)域?qū)?yīng)到當(dāng)前幀圖像中的區(qū)域?yàn)镮k，該區(qū)域通過(guò)內(nèi)核為橢圓形的模板膨脹或腐蝕后的圖像分別為Ik1和Ik2，則定義當(dāng)前幀圖像Ik和其相鄰幀圖像Ik+1的相似度為：R1=max{rk，rk+1}，其中rk=(Ik1andIk2）/max(Ik1,Ik2)。在506～508中，假設(shè)當(dāng)前前景圖像的非感興趣區(qū)域?qū)?yīng)到當(dāng)前幀圖像中的區(qū)域?yàn)镮k，該非感興趣區(qū)域?qū)?yīng)到參考圖像中的區(qū)域?yàn)镮r，則定義當(dāng)前幀圖像和參考圖像的非感興趣區(qū)域的相似度R2=(IkandIr)/max(Ik,Ir)。在509中，若R1大于閾值T8，同時(shí)R2大于閾值T9，則判定為局部煙霧，輸出告警信號(hào)，其中T8可以取0.7～0.9之間的任意值，T9可以取-10～0之間的任意值。在圖1所示的背景更新單元中，若判定是全區(qū)域彌漫煙霧，則背景更新采用背景更新單元105，假設(shè)當(dāng)前幀圖像為Ik，當(dāng)前背景圖像為首先，計(jì)算當(dāng)前幀圖像Ik的平均亮度系數(shù)為:計(jì)算當(dāng)前背景圖像的平均亮度為:那么更新后的背景圖像為:在圖1所示的背景更新單元中，若判定是局部動(dòng)態(tài)煙霧，則背景更新采用背景更新單元106，假設(shè)當(dāng)前幀圖像為Ik，背景圖像為則更新后的背景圖像為:需要說(shuō)明的是，為了突出本發(fā)明方法的創(chuàng)新部分，本發(fā)明的上述各設(shè)備實(shí)施方式中并沒(méi)有提到實(shí)現(xiàn)該技術(shù)用到的相關(guān)常用基本單元，但是這并不表明實(shí)施上述設(shè)備方式不需要其他的基本單元。以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和效果進(jìn)行了詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制發(fā)明，本領(lǐng)域的普通技術(shù)人員應(yīng)該明白，可以在形式上和細(xì)節(jié)上對(duì)其作一定的改變，而均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。