国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      從紅外視頻中檢測火焰的方法及裝置的制造方法_2

      文檔序號:9506834閱讀:來源:國知局
      034] 考慮到紅外視頻中的幀圖像中存在很多噪音,而其中的某些噪音像素點亮度也較 高,會對后續(xù)火焰檢測判斷造成誤檢。另外,噪音在圖像中呈現(xiàn)不規(guī)律的隨機分布,因此可 以采用連通區(qū)域分析的方法來剔除這種隨機噪聲的干擾。常用的連通區(qū)域分析檢測方法 有:種子填充法、漫水填充法等。
      [0035] 假設檢測到的連通區(qū)域為C1,其中0〈i〈N,這里的N是連通區(qū)域的總數(shù)。C 1是檢測 到的第i個連通區(qū)域分量。判斷每個連通區(qū)域分量的面積A1,排除其中連通區(qū)域面積小于 閾值T araa的連通區(qū)域。
      [0036] 排除連通區(qū)域面積小于閾值Taraa的連通區(qū)域的表達式為:
      [0038] 如果其連通區(qū)域面積小于閾值,將該連通分量區(qū)域的掩碼設置為0, 即:當做噪音 予以排除;面積大于閾值的連通區(qū)域則當做疑似火焰區(qū)域(掩碼保持為1)進行后續(xù)處理操 作。
      [0039] 步驟S230,對所述目標紅外視頻中的單一圖像幀進行靜態(tài)特征提取,所述靜態(tài)特 征包括所述單一圖像幀的圓形度特征、所述單一圖像幀的重心高度系數(shù)特征及所述單一圖 像幀的角點密度特征。
      [0040] 火焰的靜態(tài)特征是對單張圖像幀進行特征提取和分類判別,這種方法僅涉及圖像 像素之間的空間域關系,并不涉及前后幀之間的時域關系。本具體實施例提取三種靜態(tài)特 征對火焰區(qū)域進行描述。它們分別是:圓形度特征提取、重心高度系數(shù)特征及角點密度特 征。
      [0041] AL圓形度特征提取
      [0042] 圓形度是指物體接近圓形的程度,它是度量物體形狀不規(guī)則程度的一個指標。疑 似火焰的干擾物,例如:白熾燈、蠟燭、手電筒、車燈等的形狀規(guī)則程度較高,因此可以考慮 將圓形度作為火焰檢測識別的一個判斷依據(jù)。
      [0043] 圓形度的計算公式如下所示:
      [0045] 其中,k是圖像幀中的第k個輪廓,η是輪廓總數(shù),Ck為對應的圓形度,A k是輪廓k 所占據(jù)的面積,Pk是輪廓的周長。圓形度的取值范圍為[0,1]。當輪廓的形狀越接近圓形 時,其圓形度越接近1,當形狀越不規(guī)則時,其圓形度的取值越接近于〇。
      [0046] A2.重心高度系數(shù)特征提取
      [0047] 紅外視頻的幀圖像當中的火焰應該處于不停的漂移及擺動過程。在此過程中,火 焰區(qū)域的重心、寬度、高度等信息也在不停變化。本具體實施例考慮重心高度系數(shù)的特征來 描述火焰的這種漂移特征。
      [0048] 重心高度系數(shù)的計算公式如下:
      [0050] 其中,Coeff1表示第i幀的重心高度系數(shù),H i表示第i幀火焰疑似區(qū)域的高度。
      [0051] A3.角點密度特征提取
      [0052] 角點就是在水平、垂直兩個方向上變化較大的點。紅外視頻當中如果有火焰存在, 在火苗的頂部、邊緣等區(qū)域必然存在很多毛刺狀的角點。這里考慮將角點密度特征作為火 焰檢測判斷的一個依據(jù)。這里的火焰角點檢測采用Harris角點檢測方法。
      [0053] 計算步驟如下:計算圖像窗口平移[u, V]產(chǎn)生灰度變化E (u, V)
      [0055] 其中,I (X,y)表示坐標(X,y)處的像素值,w(x,y)表示權重系數(shù)。不同位置的權 重大小應該有所不同。
      [0056] 由公式 I (x+u,y+v) = I (X,y)+Ixu+Iyv+0(u2, V2),得到:
      [0058] 對于局部微小的移動量[u, v],近似表達為:
      [0060] 其中,M是2x2的矩陣,可以由圖像的導數(shù)來計算求得:
      [0062] 參照圖3, E(u,V)通常呈一種橢圓的形式。
      [0063] 定義角點響應函數(shù)R的表達式為:
      [0064] R = λ i λ 2_k ( λ A λ 2)2
      [0065] 這里的λ i表示M的特征值。
      [0066] 最終的角點檢測就是對角點響應函數(shù)R進行閾值處理:R>Thr,即:提取R的局部 極大值,而閾值Thr則根據(jù)實際情況通過測試來確定。
      [0067] 經(jīng)過上述步驟計算得到角點特征之后,我們定義角點密度表達式如下:
      [0069] 其中,Nei代表第i個輪廓的角點個數(shù),L1代表第i個輪廓的周長。角點密度D 表單位長度上角點的數(shù)量,對于疑似火焰區(qū)域而言,顯然D1越多越好。
      [0070] 步驟S240,對所述目標紅外視頻中的連續(xù)圖像幀進行動態(tài)特征提取,所述動態(tài)特 征包括所述連續(xù)圖像幀之間的灰度變化頻率、所述連續(xù)圖像幀之間的面積變異頻率及所述 連續(xù)圖像幀之間的重心偏移頻率。
      [0071] 本具體實施例提取三種動態(tài)特征對火焰區(qū)域進行描述。它們分別是:灰度變化頻 率、面積變異頻率及重心偏移頻率。
      [0072] BL灰度變化頻率
      [0073] 灰度變化頻率的計算公式如下:
      [0075] 其中,I (P(x,y)代表視頻中第i幀當中坐標(x, y)位置處的灰度值;η代表視頻 幀數(shù),Diff (x,y)則代表在η個視頻幀當中圖像灰度的變化頻率。這里的η根據(jù)實際情況 進行取值,例如η = 25或30等。
      [0076] Β2.面積變異頻率
      [0077] 面積變異頻率的計算公式如下:
      [0079] 其中,心代表視頻當中疑似火焰區(qū)域第i幀的面積,F(xiàn)araa表示在η個連續(xù)視頻幀之 內(nèi),疑似火焰區(qū)域的面積變異頻率。
      [0080] Β3.重心偏移頻率
      [0081] 重心偏移頻率的計算公式如下:
      [0083] 其中,81代表視頻當中第i幀的重心位置,η代表視頻幀數(shù),F(xiàn) g表示重心偏移頻率。
      [0084] 在本具體實施例中步驟S230和步驟S240可以不分先后順序進行。
      [0085] 步驟S250,將所述靜態(tài)特征與所述動態(tài)特征輸入到神經(jīng)網(wǎng)絡中進行綜合判斷,得 到所述目標紅外視頻中火焰的存在狀況。
      [0086] 將上述步驟S230及步驟S240提取的靜態(tài)特征和動態(tài)特征輸入到神經(jīng)網(wǎng)絡分類器 進行分類判別。
      [0087] 神經(jīng)網(wǎng)絡是由一些簡單的處理單元(神經(jīng)元)組織而成的大規(guī)模并行網(wǎng)絡。神 經(jīng)元處理信號是通過將輸入信號與神經(jīng)元權重系數(shù)進行內(nèi)積運算,然后將其通過激活函數(shù) (激勵函數(shù)、傳遞函數(shù)),最后經(jīng)過閾值函數(shù)判別,以決定該神經(jīng)元是否被激活或者抑制。
      [0088] 參照圖4-A,神經(jīng)網(wǎng)絡結(jié)構通常分為輸入層、隱含層、輸出層共計三個網(wǎng)絡層。
      [0089] 神經(jīng)網(wǎng)絡的輸入層神經(jīng)元的個數(shù)由樣本屬性的維度決定,輸出層神經(jīng)元的個數(shù)由 樣本分類個數(shù)決定。隱藏層的層數(shù)和每層的神經(jīng)元個數(shù)由用戶指定。參照圖4-B,對本具體 實施例而言,神經(jīng)網(wǎng)絡的輸入有3個靜態(tài)特征和3個動態(tài)特征,共計6個輸入;輸出則只有 火焰、非火焰這兩種狀態(tài)。即:本發(fā)明涉及到的神經(jīng)網(wǎng)絡分類器輸入層由6個節(jié)點,輸出層 有2個節(jié)點。
      [0090] 神經(jīng)網(wǎng)絡的每一層都包含若干個神經(jīng)元,每個神經(jīng)元都包含一個閾值Θ i和一個 權重系數(shù)ω U。這里的Θ ,是單元j的閾值,而ω U則代表了前一層神經(jīng)元和后一層神經(jīng)元 之間的權重。對于隱含層和輸出層的輸入而言:
      [0092] 這里的Υ,是當前層節(jié)點j的輸出,I i是上一層節(jié)點i的輸入,ω ^是上一層節(jié)點 i對當前層節(jié)點j的權重。
      [0093] 神經(jīng)網(wǎng)絡中的神經(jīng)元輸出是由激活函數(shù)計算得到的。常用的激活(傳遞)函數(shù) 有:線性函數(shù)、斜面函數(shù)、閾值函數(shù)、Simoid函數(shù)、Logistic函數(shù)等。優(yōu)選地,本具體實施例 的輸出層激活函數(shù)采用Simoid函數(shù)。
      [0094] Simoid函數(shù)的表達式為:
      [0096] 步驟S260,輸出所述目標紅外視頻中火焰的存在狀況。
      [0097] 通過上述從紅外視頻中檢測火焰的方法,通過對紅外視頻幀圖像進行連通域檢測 減少噪聲,對紅外視頻幀圖像進行靜態(tài)和動態(tài)特征提取,將提取后的靜態(tài)和動態(tài)特征輸入 到神經(jīng)網(wǎng)絡中進行分類判別,得到紅外視頻幀圖像中火焰的存在狀況。相對于現(xiàn)有的基于 傳感器的監(jiān)控技術和可見光的火災監(jiān)控技術具有成本低、覆蓋率高及對環(huán)境光照依賴小的 優(yōu)點。
      [0098] 第二具體實施例
      [0099] 圖5是為本發(fā)明第二具體實施例提供的一種從紅外視頻中檢測火焰的裝置的結(jié) 構框圖,該從紅外視頻中檢測火焰的裝置300用于實現(xiàn)第一具體實施例中從紅外視頻中檢 測火焰的的方法,請參照圖5,所述從紅外視頻中檢測火焰的裝置300包括
      [0100] 亮度分割模塊310,用于對一目標紅外視頻的圖像幀中各個像素點進行亮度分割, 保留所述目標紅外視頻的圖像幀中亮度超過預設亮度閾值的像素點。
      [0101] 過濾模塊320,用于濾除所述目標紅外視頻的圖像幀中的噪聲。
      [0102] 靜態(tài)特征提取模塊330,用于對所述目標紅外視頻中的單一圖像幀進行靜態(tài)特征 提取,所述靜態(tài)特征包括所述單一圖像幀的圓形度特征、所述單一圖像幀的重心高度系數(shù) 特征及所述單一圖
      當前第2頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1