本發(fā)明涉及一種基于視頻監(jiān)控平臺的圖像火災(zāi)檢測方法,特別適用于火災(zāi)預(yù)警領(lǐng)域。
背景技術(shù):
隨著我國安全城市、安全社區(qū)、綠色消防等全新理念的提出,各種視頻檢測方法已經(jīng)在國內(nèi)的大中城市里得到了大規(guī)模的推廣,現(xiàn)在城市中的各主要建筑、公共區(qū)域均已安裝了視頻監(jiān)控。因此,利用現(xiàn)有的視頻監(jiān)控平臺的圖像火災(zāi)檢測方法來彌補現(xiàn)有的一些城市建筑中的消防火災(zāi)報警的不足,就成為必然選擇,介紹了一種基于視頻監(jiān)控平臺的圖像火災(zāi)檢測方法,通過采集現(xiàn)有的視頻監(jiān)控的圖像進行圖像模式識別分析即可實現(xiàn)火災(zāi)報警。
因此,圖像火災(zāi)報警檢測方法是國際上近年來新出現(xiàn)的一種火災(zāi)報警趨勢,和傳統(tǒng)的火災(zāi)報警檢測方法相比,不僅探測速度快,投資少,而且方便消防值班人員對于火情的確認(rèn)。我們開發(fā)的圖像火災(zāi)檢測方法充分發(fā)揮了這一方法的技術(shù)優(yōu)勢,創(chuàng)立了一種全新的思路,更能適應(yīng)現(xiàn)在中國的市場需求,是未來國內(nèi)外消防報警行業(yè)的主要發(fā)展方向。
技術(shù)實現(xiàn)要素:
針對上述現(xiàn)有技術(shù)限制和不足,本發(fā)明提供一種基于視頻監(jiān)控平臺的圖像火災(zāi)檢測方法,將視頻監(jiān)控平臺和圖像模式識別技術(shù)相結(jié)合,可以有效地檢測火災(zāi)。
為了解決上述技術(shù)問題,本發(fā)明基于視頻監(jiān)控平臺的圖像火災(zāi)檢測方法予以實現(xiàn)的技術(shù)方案是:其中,視頻監(jiān)控平臺的架構(gòu)至少包括多個攝像頭、顯示器、硬盤錄像機、錄像文件、實時轉(zhuǎn)碼提取數(shù)字碼流和火災(zāi)圖像探測服務(wù)器,其特征在于,檢測方法包括以下步驟:
1)由多個攝像頭拍攝的畫面經(jīng)過線纜同時傳給所述顯示器和所述硬盤錄像機,所述顯示器直接顯示上述畫面,同時,所述硬盤錄像機將接收到的模擬信號轉(zhuǎn)變?yōu)閅UV信號,并將上述YUV信號編碼并以錄像文件形式存儲在硬盤錄像機中;另外,通過網(wǎng)絡(luò)將該YUV信號傳送給計算機系統(tǒng)進行檢測處理,將YUV信號轉(zhuǎn)為待處理的色彩空間的信號;
2)進行視頻流的預(yù)處理:對經(jīng)過轉(zhuǎn)碼的視頻畫面進行高斯濾波和中值濾波,以消除引入的環(huán)境噪聲的干擾;
3)對視頻流進行運動檢測,獲得運動像素:對經(jīng)過預(yù)處理的圖像,使用三幀幀差法進行運動檢測;利用不斷更新的背景圖像及幀與幀之間的相關(guān)性分離出背景圖像和前景圖像;
4)對運動像素進行連通域提取:對分離出的前景圖像進行二值化處理,再通過腐蝕和膨脹算法對聚集在一處像素點之間歐氏距離小于3個像素的像素區(qū)進行處理,再通過邊界鏈碼提取的方法實現(xiàn)連通域的提取,并對每個連通域做以標(biāo)記;
5)對各個標(biāo)記的連通域進行多層顏色檢測,保留具有火焰和煙霧特征顏色的連通域:
對各連通域進行亮度檢測,尋找符合火焰和煙霧共有顏色屬性的亮度區(qū)間,不符合則舍去,對符合火焰和煙霧共有顏色屬性條件的連通域再進行顏色檢測,進一步判斷符合火焰顏色特征條件的連通域,進入下一步的火焰檢測階段;而其余連通域則進行煙霧檢測階段;
6)對進入火焰檢測階段的連通域計算相應(yīng)的面積改變量和中心移動速率,進行動態(tài)改變量的分析:計算對相應(yīng)連通域的相鄰數(shù)幀之間的面積變化量和中心移動速率,以利用火焰的位置不變性和自身的面積不斷變化的特性,判斷其是否符合火焰的動態(tài)特征,對于符合火焰動態(tài)特征的連通域,進入下一步檢測階段;
7)對符合煙霧顏色特征的連通域進行小波變換,提取高頻分量,計算高頻分量的衰減度:計算對相應(yīng)連通域的小波變換后的高頻分量的衰減比率,通過對比當(dāng)前圖像的前景和背景高頻分量的衰減比值判斷是否符合煙霧特征,對于符合煙霧特征條件的連通域,進入下一步檢測階段;
8)對分別符合上述6)步驟和7)步驟的連通域進行周長C和面積S的計算,進行靜態(tài)形狀分析:計算各個連通域的周長C和面積S,繼而計算出表征圖像復(fù)雜程度的圓形度D的值,連通域的圓形度D表示為:
D=C2/4πS
若D>1,則該連通域的圖像具有火焰或煙霧,確定有火災(zāi)發(fā)生,進行報警。
優(yōu)選地,從原硬盤錄像機中實時轉(zhuǎn)碼提取數(shù)字碼流后,再利用安裝有視頻圖像分析識別軟件的火災(zāi)圖像探測服務(wù)器進行識別,確定有火災(zāi)發(fā)生,進行報警。優(yōu)選地,步驟4)中:設(shè)選定的背景幀用b(x,y)表示,其后所來的每一幀可表示為f(x,y,i),其中x,y分別表示圖像的橫坐標(biāo)和縱坐標(biāo),而i表示的所來幀序列的序數(shù)。當(dāng)圖像序列中的第i幀與設(shè)定的背景幀做灰度上的相減時便得到一個差分圖像:
d(x,y,i)=f(x,y,i)-b(x,y)
當(dāng)此灰度差分圖像的某點像素值大于閾值T時,即將此點置1,否則置0,由此便得到了一個由閾值T控制的二值化圖像:
在此二值化圖像X(x,y)中,被置為1的點即為目標(biāo)區(qū)域像素,而被置為0的點即為背景區(qū)域像素。
優(yōu)選地,步驟5)中:火焰像素在RGB色彩空間下的數(shù)學(xué)表達式為:
基于火焰像素在RGB顏色空間下RGB分量所具有的統(tǒng)計特性,其火焰在燃燒的過程中不可避免地也會在飽和度上表現(xiàn)出一定的特性。某點的飽和度的量化表達式為:
優(yōu)選地,步驟6)中:硬盤錄像機形成的標(biāo)準(zhǔn)YUV圖像數(shù)據(jù)必須轉(zhuǎn)換為色彩空間的圖像轉(zhuǎn)化為RGB圖像以方便后續(xù)處理。其內(nèi)在的轉(zhuǎn)化原理,是基于以下的色彩空間的轉(zhuǎn)化公式:
完成了YUV420的碼流數(shù)據(jù)向IplImage型圖像結(jié)構(gòu)的轉(zhuǎn)換,作為火災(zāi)圖像處理算法在實際監(jiān)控方法中的應(yīng)用基礎(chǔ)。
優(yōu)選地,步驟7)中:連續(xù)小波變換的定義可用公式表示為:
在公式中,a用來控制縮放的倍數(shù),體現(xiàn)了其頻率信息,故a又稱為縮放因子,b用來控制其平移的位置,體現(xiàn)了其時空信息,故b又被稱為平移因子,ψ(x)即可稱為小波函數(shù),有時又稱其為母小波,作為基本變換之用,而意味著ψ(x)的復(fù)共軛。
此外,圖像火災(zāi)報警檢測方法是國際上近年來新出現(xiàn)的一種火災(zāi)報警趨勢,和傳統(tǒng)的火災(zāi)報警檢測方法相比,不僅探測速度快,投資少,而且方便消防值班人員對于火情的確認(rèn)。我們開發(fā)的圖像火災(zāi)檢測方法充分發(fā)揮了這一方法的技術(shù)優(yōu)勢,創(chuàng)立了一種全新的思路,更能適應(yīng)現(xiàn)在中國的市場需求,是未來國內(nèi)外消防報警行業(yè)的主要發(fā)展方向。
附圖說明
下面結(jié)合附圖和實施例對本發(fā)明進一步說明。
圖1是本發(fā)明檢測方法所搭載的視頻監(jiān)控系統(tǒng)框圖;
圖2是本發(fā)明基于視頻監(jiān)控平臺的圖像火災(zāi)檢測方法的流程圖;
圖3是本發(fā)明三幀差法算法過程圖。
具體實施方式
現(xiàn)在結(jié)合附圖對本發(fā)明作進一步詳細的說明。附圖為簡化的示意圖,僅以示意方式說明本發(fā)明的基本結(jié)構(gòu),因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
具體實施例,請參閱圖1、圖2、圖3,本發(fā)明基于視頻監(jiān)控平臺的圖像火災(zāi)檢測方法,本發(fā)明采用的視頻監(jiān)控平臺的架構(gòu)包括多個攝像頭、顯示器、硬盤錄像機、錄像文件、實時轉(zhuǎn)碼提取數(shù)字碼流和火災(zāi)圖像探測服務(wù)器,其特征在于,檢測方法包括以下步驟:
1)碼流轉(zhuǎn)換:
由多個攝像頭拍攝的畫面經(jīng)過線纜同時傳給所述顯示器11和所述硬盤錄像機12;所述顯示器11直接顯示上述畫面,同時,所述硬盤錄像機12將接收到的模擬信號轉(zhuǎn)變?yōu)閅UV信號,并將上述YUV信號編碼并以錄像文件形式存儲在硬盤錄像機中13。另外,通過網(wǎng)絡(luò)將該YUV信號傳送給計算機系統(tǒng)進行檢測處理,如圖2所示,將YUV(亮度和色差)信號轉(zhuǎn)為待處理的RGB色彩空間的信號;其轉(zhuǎn)換公式為:
R=Y(jié)+1.14V
G=Y(jié)-0.39U-0.58V
B=Y(jié)+0.23U
由于視頻監(jiān)控畫面相當(dāng)于實時碼流是實時刷新的,即:相當(dāng)于不小于25幀/秒的刷新速度,而將YUV信號轉(zhuǎn)為待處理的RGB信號以及后續(xù)算法的總耗時無法滿足火災(zāi)監(jiān)測實時性要求,故采用關(guān)鍵幀(隔幀)提取技術(shù),每隔10幀提取一幀進行處理。相對較短的時候不會發(fā)生突變,即每秒25幀的視頻畫面中存在著大量的數(shù)據(jù)冗余,合理的減少此種數(shù)據(jù)冗余,既可以保證本方法滿足視頻監(jiān)控平臺實時處理的需求,同時又降低了對處理器運算能力的要求,并且有后續(xù)的背景更新算法作為保障,完全能夠滿足在火災(zāi)檢測可靠性方面的需求。
從原硬盤錄像機中實時轉(zhuǎn)碼提取數(shù)字碼流后,再利用安裝有視頻圖像分析識別軟件的火災(zāi)圖像探測服務(wù)器進行識別,確定有火災(zāi)發(fā)生,進行報警。
完成數(shù)字碼流轉(zhuǎn)換后,將上述YUV信號進行編碼,編碼存成錄像文件的形式13,如圖1所示。
2)視頻流的預(yù)處理:
進行視頻流的預(yù)處理是為了剔除拍攝過程中攝像機引入的環(huán)境噪聲,避免影響最終的判斷結(jié)果。考慮到處理速度和準(zhǔn)確性的權(quán)衡,采用高斯濾波和中值濾波相結(jié)合的方式,即對經(jīng)過轉(zhuǎn)碼的視頻畫面進行高斯濾波和中值濾波,以消除引入的環(huán)境噪聲的干擾;
高斯濾波此處采用3×3的高斯掩模,把掩模M(u,v)與輸入圖像I(x,y)進行卷積運算,輸出的圖像I*(x,y)便為除噪后的結(jié)果:
I(x,y)*M(u,v)=I*(x,y)
其中:u,v∈{0,1,2}。
而中值濾波實際上是用一個活動窗口沿著圖像進行移動,窗口中心位置的像素灰度用濾波后的窗口中心位置的灰度值代替。中值濾波假定噪聲是以孤立形式存在,與之對應(yīng)的像素相對較少,消除隨機噪聲比較有效。中值濾波在降噪的同時還能在一定程度上保持邊緣細節(jié)信息。中值濾波由下式給出:
y(i,j)=med{I(i+s,j+r)(r,s)∈W}
其中,I(i,j)代表待處理的圖像,W表示濾波窗口,此處取3×3大小,r,s∈{0,1,2},med即進行中值濾波的運算,而y(i,j)即為經(jīng)中值濾波處理后的圖像。
3)視頻流的運動檢測:
獲得運動像素,對經(jīng)過預(yù)處理的圖像,使用三幀幀差法進行運動檢測;利用不斷更新的背景圖像及幀與幀之間的相關(guān)性分離出背景圖像和前景圖像。
運動檢測的關(guān)鍵是成功分離出前景和背景。運用三幀差分法尋找運動像素。設(shè)f(x,y,t-1),f(x,y,t),f(x,y,t+1)分別為圖像序列中待處理的相鄰3幀,用幀差法處理的差分后的圖像為:
D1(x,y,Δt)=f(x,y,t)-f(x,y,t-1)
D2(x,y,Δt)=f(x,y,t+1)-f(x,y,t)
D1(x,y,Δt)為第t幀圖像與第t-1幀圖像的差分后的圖像,D2(x,y,Δt)為第t+1幀圖像與第t幀圖像的差分后的圖像,D(x,y,Δt)為D1(x,y,Δt)與D2(x,y,Δt)相或的圖像,即經(jīng)過三幀差分后的圖像。對此結(jié)果用固定閾值做二值化處理,凡像素點亮度超過此閾值則設(shè)為白色,低于此閾值則設(shè)為黑色,得到只有黑與白兩種亮度的差分圖像,其中白色像素即為所需要的運動像素。此種方法運算簡單,效率較高,能快速找出運動變化明顯的部分,適用于火焰檢測;而對于煙霧,雖然自身運動緩慢,但是由于之前采用了隔幀提取技術(shù),由于多幀間隔的緣故,相鄰處理幀仍存在較大的差異,故此方法同樣適用。
4)對運動像素進行連通域提?。?/p>
對分離出的前景圖像進行二值化處理,得到二值化的差分圖像后,先進行形態(tài)學(xué)上的濾波,再通過腐蝕和膨脹算法對聚集在一處像素點之間歐氏距離小于3個像素的像素區(qū)進行處理,將差分圖像時遺存的小的噪點和微小區(qū)域濾除,只保留符合面積要求的連通區(qū)域,再通過邊界鏈碼提取的方法實現(xiàn)連通域的提取,即,遍歷二值化圖像,將聚集于一定范圍內(nèi)的白色像素認(rèn)為是一個連通域,以搜索最外層輪廓的方式將每個連通域以最小外接矩形的方式存儲,將各個連通域以自然數(shù)形式標(biāo)號存入鏈表,方便后續(xù)使用。至此即獲取差分圖像的所有連通域信息。
選定了一幀圖像作為背景,而其他后續(xù)所來的每一幀都與此背景幀做差值,然后判斷所得差值的閾值,若大于閾值范圍,則判定為前景像素,若小于閾值范圍,則判定為背景像素。一般地,設(shè)選定的背景幀用b(x,y)表示,其后所來的每一幀可表示為f(x,y,i),其中x,y分別表示圖像的橫坐標(biāo)和縱坐標(biāo),而i表示的所來幀序列的序數(shù)。當(dāng)圖像序列中的第i幀與設(shè)定的背景幀做灰度上的相減時便得到一個差分圖像:
d(x,y,i)=f(x,y,i)-b(x,y)
當(dāng)此灰度差分圖像的某點像素值大于閾值T時,即將此點置1,否則置0,由此便得到了一個由閾值T控制的二值化圖像:
在此二值化圖像X(x,y)中,被置為1的點即為目標(biāo)區(qū)域像素,而被置為0的點即為背景區(qū)域像素。
如圖3所示,三幀差法的算法過程。
5)進行多層顏色檢測:
對標(biāo)記的各個連通域首先進行亮度信息檢測,記亮度值為I,尋找符合火焰和煙霧共有顏色屬性的亮度區(qū)間,符合火焰和煙霧共有顏色屬性的亮度區(qū)間的條件為連通域中有50%像素點的亮度值I滿足:Il<I<Ih(5-1)
公式(5-1)中,Il表示符合火焰和煙霧共有顏色屬性的亮度區(qū)間的條件下限亮度值,Ih表示符合火焰和煙霧共有顏色屬性的亮度區(qū)間的條件上限亮度值。
對不符合上述公式(5-1)條件的連通域則舍去,對符合上述判斷條件公式(5-1)的連通域再利用公式(5-2)進行顏色檢測,
R>RT
R>G+Th1(5-2)
G>B+Th2
公式(5-2)中,R、G、B分別為像素點的紅色、綠色和藍色分量,RT為設(shè)定的符合條件的紅色閾值,Th1,Th2為設(shè)定的符合條件的常數(shù)值,Th1和Th2均取值為40;
若連通域中有40%像素點滿足上述公式(5-2),則認(rèn)為此連通域符合火焰顏色特征,進而進行下一步的火焰檢測階段;而其余連通域則利用公式(5-3)判斷是否進行煙霧檢測,
(Imax-Imin)<T(5-3)
公式(5-3)中,Imax和Imin分別為像素點的紅色、綠色和藍色分量中的最大值和最
小值,T為設(shè)定的符合條件的較小的常數(shù)值,T取值為80。
將符合上述公式(5-3)的條件則連通域進行煙霧檢測步驟,其余不滿足條件的連通域則舍去。
最終,保留具有火焰和煙霧特征顏色的連通域。
無論是在明亮環(huán)境下還是昏暗環(huán)境下,火焰像素的紅色分量值都在130以上;在明亮環(huán)境下,由于光線充足的原因,火焰的紅色分量多在130左右徘徊;而在昏暗環(huán)境中,由于火焰所能提供的亮度相對純粹,甚至有一般的可能性其紅色分量會達到160以上。
無論是在明亮環(huán)境下還是昏暗環(huán)境下,火焰像素的紅色分量值要大于它的綠色分量值和藍色分量值,而綠色分量值和藍色分量值表現(xiàn)得并不規(guī)律,綠色分量值和藍色分量值并不像紅色分量有一個較明確的下限值,但多數(shù)情況下,綠色分量值要大于相同位置上的藍色分量值,尤其是在靠近火焰中心區(qū)域的情況下,這種規(guī)律體現(xiàn)得尤為明顯。
在明亮環(huán)境下,紅色分量,綠色分量,藍色分量三色分布范圍較寬,而在昏暗環(huán)境下,紅色分量,綠色分量,藍色分量則分布得相對集中。
基于以上分析,不難得出火焰像素在RGB色彩空間下的數(shù)學(xué)表達式為:
基于火焰像素在RGB顏色空間下RGB分量所具有的統(tǒng)計特性,其火焰在燃燒的過程中不可避免地也會在飽和度上表現(xiàn)出一定的特性。某點的飽和度的量化表達式為:
6)計算面積改變量和中心移動速率:
對上述符合火焰顏色特征的連通域進行面積改變量和中心移動速率的計算,在計算面積改變量時將前一幀對應(yīng)位置的連通域的面積記為St-1,計算面積可用該連通域的白色像素點數(shù)表示;而當(dāng)前幀的對應(yīng)位置的連通域的面積標(biāo)記為St,同樣,計算面積可用該連通域的白色像素點數(shù)表示。于是相鄰幀間的面積改變量為ΔS/t=(St-St-1)/Δt。以利用火焰的位置不變性和自身的面積不斷變化的特性,判斷其是否符合火焰的動態(tài)特征,若Tl<ΔS<Th,(Tl為面積改變量的下限值,Th為面積改變量的上限值)則認(rèn)為此連通域為疑似火焰區(qū)域,進行進一步判斷,否則舍去。
對疑似火焰區(qū)域的連通域繼續(xù)進行中心移動速率的判斷。由于之前對連通域提取時是以最小外接矩形的方式存儲,可以很方便地獲得該連通域的中心,即最小外接矩形的中心,設(shè)為c(x,y)??疾閷?yīng)連通域前一幀的中心ct-1(x,y),及當(dāng)前幀的對應(yīng)連通域的中心ct(x,y),則相鄰幀的中心位移改變量為Δc/t=ct(x,y)-ct-1(x,y)/Δt??梢源鎯B續(xù)多幀之間對應(yīng)連通域的中心位移改變量,取得其平均值為若(其中,Tmov為符合條件的較小數(shù)值),則認(rèn)為其符合火焰的動態(tài)特征,進行下一步檢測,若不符合則舍去。
硬盤錄像機形成的標(biāo)準(zhǔn)YUV圖像數(shù)據(jù)必須轉(zhuǎn)換為色彩空間的圖像轉(zhuǎn)化為RGB圖像以方便后續(xù)處理。其內(nèi)在的轉(zhuǎn)化原理,是基于以下的色彩空間的轉(zhuǎn)化公式:
至此,即完成了YUV420的碼流數(shù)據(jù)向IplImage型圖像結(jié)構(gòu)的轉(zhuǎn)換,方便了后續(xù)算法的處理,也為火災(zāi)圖像處理算法在實際監(jiān)控中的應(yīng)用提供了基礎(chǔ)。
7)計算煙霧的高頻衰減性:
對符合煙霧顏色特征的連通域圖像進行小波變換,考察高頻特性。小波分析是一種時間-尺度(時間-頻率)的分析方法,在低頻部分具有較高的頻率分辨率和較低的時間分辨率,在高頻部分具有較高的時間分辨率和較低的頻率分辨率。每一級分解均會產(chǎn)生表示圖像比較粗糙(低頻圖像)和比較精細(高頻圖像)的小波系數(shù),一幅圖像可以分解成一幅低分辨率圖像和分辨率由低到高的表示圖像細節(jié)的許多子圖像。由于煙霧對圖像細節(jié)具有衰減性,故而考慮提取其高頻部分,對其進行分析。
小波分析采用二維離散小波,首先給定一個二維尺度和平移基函數(shù):
其中j為頻域的參數(shù),而m,n為時域的參數(shù),控制著小波基時域的轉(zhuǎn)移,i={H,V,D}其中H代表水平方向,V代表垂直方向,D代表對角線方向。
而尺寸為M×N的函數(shù)f(x,y)的離散小波變換為:
其中,j0是任意的開始尺度,m,n為時域的偏移量,系數(shù)定義了在尺度j0的函數(shù)f(x,y)的近似。系數(shù)對于j≥j0附加了水平、垂直和對角方向的細節(jié)。
對圖像做二維小波變換后可以將圖像變換為四幅長寬各為原圖像四分之一的子圖像,分別為只具有低頻分量的一副子圖像(LL)及具有高頻分量的三幅子圖像(HL,LH,HH)。這三幅子圖像包含了水平、垂直和對角方向的細節(jié)信息。如果圖像中有煙霧遮擋,則被遮擋物體的邊緣會變得模糊,對應(yīng)的能量值也會有所衰減。
將當(dāng)前幀分離出的前景圖像和背景圖像中符合條件的連通域分別做小波變換,則對應(yīng)位置像素(x,y)的前景能量值可以定義為en(x,y):
en(x,y)=|HL n(x,y)|2+|LH n(x,y)|2+|HH n(x,y)|2(7-1)
公式(7-1)中,HL n表示前景圖像像素(x,y)的水平方向的邊緣信息,LH n表示前景圖像像素(x,y)的垂直方向的邊緣信息,HH n表示前景圖像像素(x,y)的對角方向的邊緣信息;
當(dāng)前幀的背景圖像某位置像素(x,y)的能量值定義為e bn(x,y):
e bn(x,y)=|HL bn(x,y)|2+|LH bn(x,y)|2+|HH bn(x,y)|2(7-2)公式(7-2)中,HL bn表示背景圖像像素(x,y)的水平方向的邊緣信息,LH bn表示背景圖像像素(x,y)的垂直方向的邊緣信息,HH bn表示背景圖像像素(x,y)的對角方向的邊緣信息。
若對應(yīng)連通域邊緣位置有50%像素符合:0<T1e bn(x,y)<en(x,y)<T2e bn(x,y),其中0<T1<T2<1,則認(rèn)為該連通域圖像符合煙霧特征,進入下一步檢測,若不符合則舍去。
單純基于煙霧的顏色特征判斷,還是會產(chǎn)生一定程度上的誤檢,這是因為上述基于煙霧顏色特征提煉出的公式判斷條件可以保證單色特性,故還需從煙霧的頻率特性入手,以區(qū)別于其他的純色干擾物體。
當(dāng)考慮到頻率特性時,不可避免地會考慮用傅里葉變換或小波變換,這都是將圖像從時域信息轉(zhuǎn)變?yōu)轭l域信息的工具。此處選用小波變化,因為其快速離散變換更適合于處理煙霧圖像。
小波變換,小波變換較傅里葉變換的優(yōu)點在于它開辟的窗口大小是隨著頻率的高低自行變化的,而不像傅里葉變換過程中窗口大小恒定不變那樣,具有多層分辨率解析的能力,更加靈活。連續(xù)小波變換的定義可用公式表示為:
在公式中,a用來控制縮放的倍數(shù),體現(xiàn)了其頻率信息,故a又稱為縮放因子,b用來控制其平移的位置,體現(xiàn)了其時空信息,故b又被稱為平移因子,ψ(x)即可稱為小波函數(shù),有時又稱其為母小波,作為基本變換之用,而意味著ψ(x)的復(fù)共軛。
煙霧的高頻衰減特征,觀察實際的有煙霧存在的圖像,不難發(fā)現(xiàn),在煙霧慢慢緩慢產(chǎn)生至濃度不斷增加的過程中,煙霧在逐漸模糊其所遮擋位置的邊緣輪廓及諸多細節(jié)信息,而這在小波變換中恰好對應(yīng)的是高頻信息的不斷衰減,在利用高斯混合背景建模后,可以很自然地得到圖像的前景區(qū)域和圖像的背景區(qū)域,若對二者的對應(yīng)位置分別作小波變換的話即可對比出細節(jié)信息的衰弱程度。事實上,在一幅圖像中,細節(jié)信息蘊藏在高頻信號當(dāng)中,而對于一層的二維離散小波變換而言,高頻信息又分布在HL,LH,HH三個區(qū)域,即將此三部分的高頻分量值累加起來即可得到總的細節(jié)分量,故像素(x,y)的高頻能量值en(x,y)可用公式來表示:
en(x,y)=|HLn(x,y)|2+|LHn(x,y)|2+|HHn(x,y)|2
煙霧的形態(tài)復(fù)雜度,在煙霧的形成過程中,由于氣流的擾動及其自身運動的不規(guī)則性,其所呈現(xiàn)的形狀也是復(fù)雜多變的,但是在復(fù)雜變化的同時又不難發(fā)現(xiàn),隨著煙霧濃度的加大,煙霧內(nèi)部漸漸不再清晰可見,只表現(xiàn)為煙霧外部的羽流特性,故當(dāng)具有足夠的煙霧濃度的時候,煙霧的形狀又會變得很具有規(guī)律性,故此處可以借用上一章測度火焰形狀復(fù)雜度特征的表達式同樣地來測度煙霧的形態(tài)學(xué)特征:
其復(fù)雜度C'的數(shù)學(xué)表達式為:
其中L為此物體的周長,A為此物體的面積,當(dāng)面積一定時,周長越小,表明形狀越簡單,而周長越長則意味著邊緣形狀越復(fù)雜,即當(dāng)C'>1時其形狀越不規(guī)則。
但是借此公式來表征符合煙霧特征條件的疑似區(qū)域時,可以發(fā)現(xiàn),煙霧累積到一定濃度時,復(fù)雜度將不再無限上升,將C'穩(wěn)定在一個范圍之內(nèi),經(jīng)過大量實驗發(fā)現(xiàn)C'取值穩(wěn)定在3<C'<40這個范圍之內(nèi),故以此作為判據(jù),當(dāng)符合此條件時將其歸入為疑似煙霧區(qū)域,否則將其排除。
8)對連通域進行圓形度檢測:對上述分別符合上述6)步驟和7)步驟的連通域首先分別計算對應(yīng)連通域的周長,即直接用Canny算子提取連通域的邊緣信息,然后直接計算連通域邊緣上的白色像素點的個數(shù)可認(rèn)為是此連通域的周長C。然后計算對應(yīng)連通域的面積S,將之前提取了邊緣信息的連通域進行封閉填充,均填充為白色像素,計算此封閉連通域中的白色像素點的個數(shù),可認(rèn)為是此連通域的面積S。連通域的圓形度D可表示為:
D=C2/4πS
當(dāng)D>1時,可認(rèn)為形狀不規(guī)則,由于火焰與煙霧都具有形狀不規(guī)則形,故而符合此特征。將包含符合以上特征檢測的連通域的圖像判定為具有火焰或煙霧,進行報警。
盡管上面結(jié)合圖對本發(fā)明進行了描述,但是本發(fā)明并不局限于上述的具體實施方式,上述的具體實施方式僅僅是示意性的,而不是限制性的,本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下,在不脫離本發(fā)明宗旨的情況下,還可以作出很多變形,如對于采用數(shù)字?jǐn)z像機組成的監(jiān)控而言,只需減少模擬信號向數(shù)字信號變化的過程,依然可用本專利的方法進行處理,這些均屬于本發(fā)明的保護之內(nèi)。