專利名稱：一種大范圍火災(zāi)分析預(yù)警系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺(jué)領(lǐng)域和人工智能領(lǐng)域，特別是智能視頻監(jiān)控領(lǐng)域，提出了 一種大范圍火災(zāi)分析預(yù)警系統(tǒng)。
背景技術(shù)：
近年來(lái)，隨著科技的發(fā)展，公共安全視頻監(jiān)控系統(tǒng)是對(duì)城市社會(huì)治安主動(dòng)掌握并 打擊的有力手段，如在車(chē)站、碼頭、機(jī)場(chǎng)、港口、城市交通要道及出入口等地建立公共安全視 頻監(jiān)控系統(tǒng)，發(fā)揮其現(xiàn)代技術(shù)防范手段的優(yōu)勢(shì)，對(duì)維護(hù)社會(huì)政治和治安穩(wěn)定意義重大。在一些對(duì)火險(xiǎn)等級(jí)要求高的應(yīng)用場(chǎng)合，如倉(cāng)庫(kù)、彈藥庫(kù)、林場(chǎng)、景區(qū)等地，需要對(duì)火 災(zāi)特征進(jìn)行分析識(shí)別，這些特征包括煙霧、火焰、溫度等，希望能在火災(zāi)發(fā)生的初期，經(jīng)智能 分析得知火災(zāi)發(fā)生的地點(diǎn)，使人們能夠及時(shí)發(fā)現(xiàn)火災(zāi)，并及時(shí)采取有效措施，撲滅初期火 災(zāi)，最大限度的減少因火災(zāi)造成的生命和財(cái)產(chǎn)的損失，因此基于視頻圖像的火災(zāi)分析監(jiān)測(cè) 技術(shù)近年來(lái)得到蓬勃發(fā)展。隨著監(jiān)控行業(yè)的發(fā)展和需求，新技術(shù)的不斷應(yīng)用，市場(chǎng)上出現(xiàn)了云臺(tái)攝像機(jī)以及 智能化球型攝像機(jī)，云臺(tái)攝像機(jī)是在攝像機(jī)外有一個(gè)承載攝像機(jī)進(jìn)行水平和垂直兩個(gè)方向 轉(zhuǎn)動(dòng)的云臺(tái)，通過(guò)控制云臺(tái)運(yùn)動(dòng)可以帶動(dòng)攝像機(jī)運(yùn)動(dòng)，從而得到更大視野的畫(huà)面；智能化球 型攝像機(jī)則集攝像機(jī)、高速云臺(tái)于一體，具有360°旋轉(zhuǎn)、180°翻轉(zhuǎn)等功能，并可以設(shè)置多 個(gè)預(yù)置位進(jìn)行巡航掃描。無(wú)疑，在對(duì)林場(chǎng)、景區(qū)等大面積區(qū)域進(jìn)行火災(zāi)監(jiān)控時(shí)，云臺(tái)攝像機(jī) 以及智能化球型攝像機(jī)更具有實(shí)用性，因?yàn)閮H用一臺(tái)攝像機(jī)就可以實(shí)現(xiàn)大范圍監(jiān)測(cè)。煙霧和火焰的產(chǎn)生是火災(zāi)發(fā)生的最明顯特征。煙霧是火災(zāi)發(fā)生的前兆，一般來(lái)說(shuō)， 在火焰產(chǎn)生之前，如果物體溫度比較低，產(chǎn)生的煙霧是偏白色的，如果物體溫度非常高，產(chǎn) 生的煙霧是偏黑色的，然后，當(dāng)物體和氧氣充分作用后產(chǎn)生出明亮且閃爍的火焰，煙霧和火 焰可以用來(lái)在攝像機(jī)運(yùn)動(dòng)過(guò)程中初步判斷火災(zāi)是否發(fā)生，進(jìn)而固定攝像視角，進(jìn)一步監(jiān)測(cè) 預(yù)警?，F(xiàn)有的火災(zāi)預(yù)警系統(tǒng)往往只能單一識(shí)別火焰特征或者煙霧特征，因此存在火焰預(yù) 警不準(zhǔn)確、誤報(bào)率高的問(wèn)題。另外，現(xiàn)有的火災(zāi)預(yù)警系統(tǒng)對(duì)處理小范圍、靜態(tài)場(chǎng)景的火災(zāi)特 征較為有效，對(duì)于大范圍、運(yùn)動(dòng)場(chǎng)景的火災(zāi)特征的識(shí)別、預(yù)警往往不能奏效。

發(fā)明內(nèi)容
本發(fā)明的目的在于解決上述技術(shù)問(wèn)題，提供一種大范圍火災(zāi)分析預(yù)警系統(tǒng)，以解 決在現(xiàn)有技術(shù)條件下火災(zāi)預(yù)警系統(tǒng)僅能單一識(shí)別火焰特征或煙霧特征、誤報(bào)率高，不能實(shí) 現(xiàn)對(duì)大范圍、運(yùn)動(dòng)場(chǎng)景的火災(zāi)預(yù)警工作的問(wèn)題。為了解決上述技術(shù)問(wèn)題，根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公布了如下技術(shù)
方案一種大范圍火災(zāi)分析預(yù)警系統(tǒng)，包括火災(zāi)特征數(shù)據(jù)庫(kù)，包含煙霧/火焰圖像模型；
視頻采集模塊，用于獲取大范圍內(nèi)的數(shù)字視頻圖像；溫度采集模塊，用于通過(guò)熱成像產(chǎn)品獲取溫度信息；視頻質(zhì)量提升模塊，用于對(duì)視頻圖像進(jìn)行質(zhì)量提升；火災(zāi)特征提取模塊，用于對(duì)視頻序列進(jìn)行前景提取、目標(biāo)匹配、目標(biāo)分類；火災(zāi)特征識(shí)別模塊，根據(jù)用戶設(shè)定的參數(shù)，進(jìn)一步將視頻對(duì)象與所述火災(zāi)特征數(shù) 據(jù)庫(kù)進(jìn)行比對(duì)識(shí)別；火災(zāi)管控觸發(fā)規(guī)則判斷模塊，根據(jù)用戶事先設(shè)定好的規(guī)則，結(jié)合視頻特征與溫度 值，判斷規(guī)則是否被打破，如果打破了規(guī)則發(fā)出異常信息；火災(zāi)實(shí)時(shí)管控平臺(tái)，用于接收視頻分析結(jié)果，并根據(jù)分析結(jié)果發(fā) 布管控命令；所述的火災(zāi)特征提取模塊，用于獲取煙霧、火焰特征，首先通過(guò)運(yùn)動(dòng)背景中煙霧、 火焰的靜態(tài)特征初步確定獲取的圖像中是否有火災(zāi)發(fā)生的跡象；如果有火災(zāi)跡象，則固定 攝像機(jī)視角，進(jìn)一步通過(guò)靜止背景中的煙霧、火焰的動(dòng)態(tài)特征進(jìn)一步判斷是否發(fā)生火災(zāi)。進(jìn)一步的，上述的火災(zāi)特征數(shù)據(jù)庫(kù)進(jìn)一步包括數(shù)據(jù)采集子模塊，用于采集不同方向、不同環(huán)境、不同發(fā)生階段的火災(zāi)圖片以及沒(méi) 有火災(zāi)發(fā)生的正常環(huán)境的圖片，作為目標(biāo)樣本庫(kù)；數(shù)據(jù)標(biāo)定子模塊，用于對(duì)采集得到的樣本圖片進(jìn)行標(biāo)定分類，分為火災(zāi)和非火災(zāi) 兩類；數(shù)據(jù)訓(xùn)練子模塊，用于對(duì)采集的樣本圖片進(jìn)行特征提取，并根據(jù)采集并標(biāo)定好類 別的樣本圖片及圖片的特征進(jìn)行分類訓(xùn)練；特征比對(duì)子模塊，當(dāng)輸入新的待測(cè)圖片時(shí)，首先提取其特征，然后將這些特征輸入 訓(xùn)練好的分類器，即得出分類結(jié)果。進(jìn)一步的，上述的視頻采集模塊所采用的視頻設(shè)備可以是云臺(tái)攝像機(jī)或智能化球 型攝像機(jī)。進(jìn)一步的，上述的視頻采集模塊進(jìn)行視頻采集時(shí)，其巡航方式可以是多預(yù)置位定 點(diǎn)巡航，也可以是勻速巡航。進(jìn)一步的，上述的視頻質(zhì)量提升模塊進(jìn)一步包括噪聲去除子模塊，使用可調(diào)阿爾法均值濾波器對(duì)視頻序列進(jìn)行噪聲去除；信號(hào)增強(qiáng)子模塊，使用可調(diào)冪變換方法對(duì)視頻序列進(jìn)行信號(hào)增強(qiáng)。進(jìn)一步的，上述的火災(zāi)特征提取模塊，進(jìn)一步包括前景提取子模塊，用于提取視頻圖像的前景；目標(biāo)匹配子模塊，用于將每一幀圖像檢測(cè)出的火災(zāi)前景與后一楨檢測(cè)出的火災(zāi)前 景目標(biāo)進(jìn)行輪廓相交以及顏色直方圖匹配，得到火災(zāi)前景目標(biāo)的運(yùn)動(dòng)屬性；目標(biāo)分類子模塊，用于對(duì)煙霧前景和火焰前景的大小進(jìn)行分類。進(jìn)一步的，上述的運(yùn)動(dòng)背景中煙霧、火焰的靜態(tài)特征是指利用煙霧的顏色特征、火 焰的顏色和亮度特征進(jìn)行判斷；將煙霧分為白煙、灰煙、黑煙，判斷一個(gè)像素點(diǎn)(X，y)是否是煙霧的公式如下R(x, y) 士 α = G (χ, y) 士 α = B (χ, y) 士 αWl 彡 I (x，y)彡 Wh 或 Gl 彡 I (x, y)彡 Gh 或 Bl 彡 I (x, y) ( Bh其中，RGB是像素的三個(gè)顏色分類，I (x，y)是像素的強(qiáng)度值，α是修正變量，WL和WH對(duì)應(yīng)于白色煙霧強(qiáng)度上下限值，GL和GH對(duì)應(yīng)于青色煙霧強(qiáng)度上下限值，BL和BH對(duì)應(yīng)于黑色煙霧強(qiáng)度上下限值；當(dāng)影像表現(xiàn)為高亮度時(shí)，取RGB三基色的閾值CK，CG, Cb，根據(jù)閾值的大小得到火災(zāi) 可能發(fā)生的區(qū)域。進(jìn)一步的，上述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，在初步確定獲取的圖 形中有火災(zāi)發(fā)生的跡象后，利用煙霧、火焰的動(dòng)態(tài)特征多特征結(jié)合進(jìn)一步判斷是否發(fā)生火 災(zāi)；所述的煙霧動(dòng)態(tài)特征，包括煙霧形狀不規(guī)則性、面積增長(zhǎng)性和邊緣模糊特征等；定義STP為煙霧邊緣長(zhǎng)度，SEP為煙霧面積，判斷 STP—>rh其中，Th為設(shè)定的閾值，若上式成立，判斷為煙霧目標(biāo)，否則不是煙霧目標(biāo)；將獲取的視頻圖像進(jìn)行小波分解，得到四個(gè)子圖像，分別是低頻圖像(LL)、高頻垂 直方向圖像(HL)、高頻水平方向圖像(LH)以及高頻對(duì)角方向圖像(HH)，將子圖像HL、LH、 HH分為mXn大小的塊，計(jì)為bl、b2、b3........計(jì)算每個(gè)塊的能量^ = Σ W(X'y)
(x,y)eRiω (χ, y) = | HL (χ, y) |2+1HL (χ, y) |2+1HL (χ, y) |2其中，Ri表示第bi個(gè)mXn大小的塊區(qū)域，如果某個(gè)塊的能量值Ebi減少，則判斷 此區(qū)域產(chǎn)生了煙霧；上述的火焰動(dòng)態(tài)特征，利用火焰形狀特性，計(jì)算目標(biāo)形狀的圓形度，設(shè)目標(biāo)的面積 為S，周長(zhǎng)為C，圓形度計(jì)算公式如下圓形度=(C*C/S)/4*3.14當(dāng)圓形度大于設(shè)定閾值時(shí)，則判斷目標(biāo)為火焰；利用火焰發(fā)生邊緣抖動(dòng)的特性，計(jì)算火焰的尖角位置，如果火焰的尖角發(fā)生跳動(dòng) 變化，則判斷目標(biāo)為火焰。進(jìn)一步的，上述的火災(zāi)管控觸發(fā)規(guī)則判斷模塊用于進(jìn)行管控觸發(fā)規(guī)則判斷，根據(jù) 用戶事先設(shè)定好的規(guī)則和景深、靈敏度、最大最小像素、場(chǎng)景類型，結(jié)合視頻特征和溫度信 息判斷特定事件是否發(fā)生；將視頻特征和溫度特征相互配合，有效進(jìn)行檢測(cè)，其中以視頻特征為主，溫度特征 為輔；當(dāng)檢測(cè)到溫度有異常則自動(dòng)將視頻檢測(cè)靈敏度調(diào)高；當(dāng)視頻中出現(xiàn)煙霧或火焰等火災(zāi)目標(biāo)，伴隨紅外圖像相應(yīng)位置有發(fā)熱物體，則認(rèn) 為發(fā)生著火現(xiàn)象。進(jìn)一步的，上述的火災(zāi)實(shí)時(shí)管控平臺(tái)接收視頻分析結(jié)果，根據(jù)分析結(jié)果發(fā)布各種 管控命令；同時(shí)，管控平臺(tái)負(fù)責(zé)輸出視頻采集命令、為終端智能分析配置系統(tǒng)參數(shù)和規(guī)則參 數(shù)、對(duì)視頻數(shù)據(jù)進(jìn)行瀏覽、存儲(chǔ)、檢索等工作。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)1、實(shí)現(xiàn)開(kāi)闊區(qū)域的巡航監(jiān)控。為更好地滿足火災(zāi)監(jiān)控應(yīng)用，本發(fā)明利用云臺(tái)攝像機(jī)或智能化球型攝像機(jī)通過(guò)巡航模式，獲取大范圍內(nèi)的數(shù)字視頻圖像，首先利用煙霧、火焰 的靜態(tài)特征即顏色特征初步確定獲取的圖像中是否有火災(zāi)發(fā)生的跡象，如果有火災(zāi)跡象， 則固定攝像機(jī)視角，進(jìn)一步利用煙霧、火焰的動(dòng)態(tài)特征(如不規(guī)則性、擴(kuò)散性、火焰閃爍性、 煙霧邊緣模糊性等)排除干擾，增強(qiáng)算法魯棒性；如果沒(méi)有火災(zāi)跡象則繼續(xù)執(zhí)行巡航指令。 實(shí)現(xiàn)了開(kāi)闊區(qū)域的巡航監(jiān)控。2、加入了溫度的輔助作用。利用紅外輻射信號(hào)成像是一種檢測(cè)火災(zāi)發(fā)生的手段， 利用紅外熱成像儀可以在火災(zāi)發(fā)生初期發(fā)現(xiàn)隱患，把火災(zāi)消滅在最初源頭，但是由于在實(shí) 際建筑、環(huán)境中，存在大量的熱輻射源，因此單純依靠紅外輻射，容易造成誤報(bào)。本發(fā)明通過(guò) 熱成像產(chǎn)品采集得到溫度值以及高溫地點(diǎn)、范圍，輔助檢測(cè)火災(zāi)是否發(fā)生，使系統(tǒng)的精確度 有了很大的提高。3、建立了煙霧/火焰模型特征庫(kù)?；馂?zāi)特征由于其復(fù)雜性，一般較難將煙霧、火焰 作為目標(biāo)進(jìn)行提取。本發(fā)明在算法底層內(nèi)建有煙霧模型特征庫(kù)，通過(guò)煙霧模型特征庫(kù)來(lái)進(jìn) 一步檢測(cè)識(shí)別火災(zāi)特征，預(yù)警火災(zāi)的發(fā)生，提高了視頻分析能力及準(zhǔn)確性，達(dá)到更準(zhǔn)確的分 析效果，增強(qiáng)產(chǎn)品在現(xiàn)實(shí)復(fù)雜環(huán)境中的可用性。4、質(zhì)量提升以改善信息質(zhì)量。本發(fā)明在對(duì)視頻信號(hào)進(jìn)行分析處理前，首先對(duì)信號(hào) 進(jìn)行去噪、增強(qiáng)等前期處理以提高信號(hào)的價(jià)值，為后期分析處理做好準(zhǔn)備。信號(hào)在獲取(數(shù) 字化)和傳輸過(guò)程中會(huì)不可避免的產(chǎn)生噪聲(在獲取過(guò)程中主要受環(huán)境條件和傳感元器件 自身質(zhì)量影響而產(chǎn)生噪聲，在傳輸過(guò)程中主要由于所用的傳輸信道的干擾受到噪聲污染)， 去噪的過(guò)程就是對(duì)信號(hào)復(fù)原的過(guò)程。而信號(hào)增強(qiáng)的目的是為了顯現(xiàn)被模糊了的細(xì)節(jié)，尤其 對(duì)于較差、光線昏暗或過(guò)于強(qiáng)烈的信號(hào)，突出信號(hào)中感興趣的特征。信號(hào)去噪和信號(hào)增加的 最終目的都是為了改善信號(hào)，這對(duì)大范圍火災(zāi)分析預(yù)警系統(tǒng)的有效運(yùn)轉(zhuǎn)做出了貢獻(xiàn)。5、結(jié)合煙霧和火焰，判斷火災(zāi)是否發(fā)生。煙霧是火災(zāi)發(fā)生的前兆，在火焰產(chǎn)生之 前，如果物體溫度比較低，產(chǎn)生的煙霧是偏白色的，如果物體溫度非常高，產(chǎn)生的煙霧是偏 黑色的，而后，當(dāng)物體和氧氣充分作用后產(chǎn)生出明亮且閃爍的火焰。因此煙霧和火焰都是火 災(zāi)發(fā)生的重要信號(hào)。6、本發(fā)明可以以純軟件或軟硬件結(jié)合兩種方式實(shí)現(xiàn)，在軟硬件結(jié)合工作方式時(shí)， 提供嵌入式火災(zāi)分析預(yù)警服務(wù)器，安裝簡(jiǎn)單，用DSP運(yùn)算替代計(jì)算機(jī)運(yùn)算保證監(jiān)控系統(tǒng)穩(wěn)
定可靠。


圖1系統(tǒng)邏輯結(jié)構(gòu)2視頻采集模塊圖3視頻質(zhì)量提升模塊圖4特征提取模塊
具體實(shí)施例方式為將智能視頻監(jiān)控技術(shù)有效地應(yīng)用到火災(zāi)預(yù)警領(lǐng)域，特別是在空曠無(wú)人大范圍區(qū) 域內(nèi)實(shí)現(xiàn)巡航監(jiān)控，及時(shí)發(fā)現(xiàn)火災(zāi)并采取有效措施，本發(fā)明在有效提取火災(zāi)特征、建立煙火 模型庫(kù)的基礎(chǔ)上，提出了一種有效的大范圍火災(zāi)分析預(yù)警系統(tǒng)。
大范圍火災(zāi)分析預(yù)警系統(tǒng)可以有兩種實(shí)現(xiàn)方式純軟件實(shí)現(xiàn)和軟硬件結(jié)合實(shí)現(xiàn)。軟硬件結(jié)合實(shí)現(xiàn)大范圍火災(zāi)分析預(yù)警系統(tǒng)時(shí)，軟件部分為客戶端管控平臺(tái)，硬件部分為嵌入式視頻智能分析管控服務(wù)器。嵌入式視頻智能分析服務(wù)器采用嵌入式硬件平臺(tái)開(kāi)發(fā)、DSP算法移植與優(yōu)化、網(wǎng)絡(luò) 編解碼等先進(jìn)技術(shù)，內(nèi)嵌智能視頻分析算法包括視頻的采集、視頻特征提取、溫度采集、特 征識(shí)別、規(guī)則判斷等算法。平臺(tái)管控軟件安裝在客戶端電腦，包含以下幾個(gè)模塊為終端智能分析配置系統(tǒng) 參數(shù)和規(guī)則參數(shù)、根據(jù)分析結(jié)果發(fā)布管控命令、輸出視頻采集命令以及處理視頻數(shù)據(jù)。純軟件實(shí)現(xiàn)大范圍火災(zāi)分析預(yù)警系統(tǒng)時(shí)，嵌入式視頻智能分析管控服務(wù)器的工作 全部交由平臺(tái)管控軟件來(lái)處理，即平臺(tái)管控軟件不僅要負(fù)責(zé)視頻的采集、視頻特征提取、溫 度采集、特征識(shí)別、規(guī)則判斷等算法，同時(shí)也要為終端智能分析配置系統(tǒng)參數(shù)和規(guī)則參數(shù)、 根據(jù)分析結(jié)果發(fā)布管控命令、輸出視頻采集命令以及處理視頻數(shù)據(jù)。大范圍火災(zāi)分析預(yù)警系統(tǒng)有三種工作模式1.后端分析大范圍火災(zāi)分析預(yù)警系統(tǒng)在視頻信息上顯示屏之前對(duì)其做智能分 析管控。對(duì)前端傳送來(lái)的視頻信息進(jìn)行編解碼、智能分析等處理，并根據(jù)分析結(jié)果發(fā)布管控 命令。為有效減少帶寬壓力，系統(tǒng)可以采取分布式智能分析方式與前端分析方式。2.前端分析大范圍火災(zāi)分析預(yù)警系統(tǒng)在視頻信號(hào)采集設(shè)備之后對(duì)其做智能分 析管控。在前端對(duì)視頻信息進(jìn)行編解碼、智能分析等處理，將分析結(jié)果發(fā)送到后端，后端根 據(jù)分析結(jié)果發(fā)布管控命令。3.分布式分析即嵌入式火災(zāi)分析預(yù)警系統(tǒng)在視頻信號(hào)采集設(shè)備之后進(jìn)行視頻 采集和特征提取工作，并將特征流發(fā)送到后端，后端接收前端的數(shù)據(jù)流后進(jìn)一步進(jìn)行識(shí)別， 完成分析工作，并根據(jù)分析結(jié)果發(fā)布管控命令。大范圍火災(zāi)分析預(yù)警系統(tǒng)邏輯上主要經(jīng)過(guò)視頻采集、火災(zāi)特征提取、溫度采集、特 征識(shí)別、規(guī)則判斷、實(shí)時(shí)管控、火災(zāi)特征數(shù)據(jù)庫(kù)幾個(gè)部分。如圖1所示，工作原理如下視頻采集模塊用于獲取數(shù)字視頻序列。其中原始輸入視頻信號(hào)可以是來(lái)自攝像 機(jī)、錄像或其他設(shè)備任意分辨率的模擬視頻信號(hào)或通過(guò)網(wǎng)絡(luò)傳輸而來(lái)的編碼視頻流。根據(jù) 來(lái)源不同，視頻采集過(guò)程分為A/D或解碼、格式轉(zhuǎn)換兩個(gè)部分，如圖2所示。在對(duì)視頻信號(hào)進(jìn)行采集處理時(shí)，前置A/D轉(zhuǎn)換和解碼器，如果輸入是模擬信號(hào)，首 先要經(jīng)A/D轉(zhuǎn)換為數(shù)字信號(hào)，如果輸入是經(jīng)mpeg4/h. 264/h. 263/AVS編碼的碼流，首先要經(jīng) 解碼器解碼；經(jīng)解碼或A/D轉(zhuǎn)換后的數(shù)字視頻信號(hào)，按不同的分析需求，轉(zhuǎn)換為QCIF/CIF/ Dl大小的YUV4:2:2/RGB數(shù)字圖像序列待用。溫度采集模塊通過(guò)紅外熱成像產(chǎn)品獲取溫度值。利用紅外線獲得圖像信息的儀器 主要有使用紅外線膠片的照相機(jī)，具有紅外攝影功能的數(shù)碼相機(jī)、熱像儀等。在成像圖像 中，可以得到溫度的分布狀況，并與視頻圖像做對(duì)比，得到高溫地點(diǎn)以及范圍。視頻質(zhì)量提升模塊，用于對(duì)視頻圖像進(jìn)行質(zhì)量提升。為便于后續(xù)分析工作，在特征 提取前可以對(duì)視頻序列做質(zhì)量提升的工作。質(zhì)量提升技術(shù)包括對(duì)視頻序列進(jìn)行去噪、圖像 增強(qiáng)等圖像處理技術(shù)。如圖3所示。信號(hào)的獲取(數(shù)字化)和傳輸過(guò)程會(huì)不可避免的產(chǎn)生噪聲。如在獲取過(guò)程中主要受環(huán)境條件和傳感元器件自身質(zhì)量影響而產(chǎn)生噪聲，在傳輸過(guò)程中主要由于所用的傳輸信 道的干擾受到噪聲污染。噪聲去除的過(guò)程就是對(duì)信號(hào)復(fù)原的過(guò)程。而信號(hào)增強(qiáng)的目的是為了顯現(xiàn)被模糊了的細(xì)節(jié)，尤其對(duì)于較差、光線昏暗或過(guò)于 強(qiáng)烈的信號(hào)，突出信號(hào)中感興趣的特征。信號(hào)噪聲去除和信號(hào)增加的最終目的都是為了改善信號(hào)，這對(duì)整個(gè)大范圍火災(zāi)分 析預(yù)警系統(tǒng)的有效運(yùn)轉(zhuǎn)做出了貢獻(xiàn)。視頻質(zhì)量提升模塊，進(jìn)一步包括噪聲去除子模塊，使用可調(diào)阿爾法均值濾波器對(duì)視頻序列進(jìn)行噪聲去除；信號(hào)增強(qiáng)子模塊，使用可調(diào)冪變換方法對(duì)視頻序列進(jìn)行信號(hào)增強(qiáng)。a.可調(diào)阿爾法均值濾波器去噪<formula>formula see original document page 10</formula>，其中 0 ≤ d ≤(n-1)可調(diào)對(duì)于視頻信號(hào)，P表示在點(diǎn)(X，y)處去除噪聲后的像素點(diǎn)灰度值，N表示中心點(diǎn)在 ^，力，大小為?。?！父?。〉木匦巫訄D像窗口工⑴表示在子窗口內(nèi)像素點(diǎn)的灰度值；上述公式的 意義為在N領(lǐng)域內(nèi)去掉灰度值G(i)最高的d/2個(gè)像素和最低的d/2個(gè)像素。用Gr(i)來(lái) 代表剩余的mn-d個(gè)像素，由這些剩余像素點(diǎn)的平均值作為(x，y)點(diǎn)的去噪后灰度值。當(dāng)d = 0時(shí)，阿爾法均值濾波器退變?yōu)樗阈g(shù)均值濾波器，對(duì)抑制高斯和均勻隨機(jī)分 布的噪聲有很好的效果；當(dāng)d = mn-l時(shí)，阿爾法均值濾波器退變?yōu)橹兄禐V波器，對(duì)抑制椒鹽 噪聲有很好的效果。d取其他值時(shí)，修正后的阿爾法均值濾波器在包括多種噪聲的情況下非 常適用，例如高斯噪聲和椒鹽噪聲混合的情況。b.可調(diào)冪變換增強(qiáng)信號(hào)冪變換的基本形式為S = cRY，其中c和Y為正常數(shù)R為原始信號(hào)，S為增強(qiáng)后信號(hào)，調(diào)整Y參數(shù)會(huì)得到增強(qiáng)后信號(hào)。以圖像為例，偏 暗圖像(如夜晚)在Y > 1時(shí)會(huì)得到對(duì)比度的提升，偏白圖像(如霧天)在Y <1時(shí)會(huì) 得到對(duì)比度的提升?；馂?zāi)特征提取模塊，如圖4所示，進(jìn)一步包括前景提取子模塊，用于提取視頻圖像的前景；目標(biāo)匹配子模塊，用于將每一幀圖像檢測(cè)出的火災(zāi)前景與后一楨檢測(cè)出的火災(zāi)前 景目標(biāo)進(jìn)行輪廓相交匹配，得到火災(zāi)前景目標(biāo)的運(yùn)動(dòng)屬性；目標(biāo)分類子模塊，用于對(duì)煙霧前景和火焰前景的大小進(jìn)行分類。提取火災(zāi)前景目標(biāo)，在火災(zāi)發(fā)生前期常常是大量煙霧的出現(xiàn)，進(jìn)而才是火焰的出 現(xiàn)，因此大范圍火災(zāi)分析預(yù)警系統(tǒng)將煙霧、火焰等作為火災(zāi)目標(biāo)，根據(jù)它們不同的特征，從 視頻中將它們提取出來(lái)。首先利用煙霧、火焰的靜態(tài)特征即顏色特征初步確定獲取的圖像中是否有火災(zāi)發(fā) 生的跡象，如果有火災(zāi)跡象，則固定攝像機(jī)視角，進(jìn)一步利用煙霧、火焰的動(dòng)態(tài)特征(如不 規(guī)則性、擴(kuò)散性、火焰閃爍性、煙霧邊緣模糊性等)排除干擾，增強(qiáng)算法魯棒性；如果沒(méi)有火 災(zāi)跡象則繼續(xù)執(zhí)行巡航指令。a通過(guò)運(yùn)動(dòng)背景中的靜態(tài)特征初步判斷是否有火災(zāi)跡象，這主要指煙霧和火焰的 顏色特征。
對(duì)于煙霧，由于燃燒物不同、氧氣供應(yīng)的不同、溫度的不同有白煙、青煙、黑煙之 分，一般來(lái)說(shuō)，在火焰產(chǎn)生之前，如果物體溫度比較低，產(chǎn)生的煙霧多是偏白色的，如果物體 溫度非常高，產(chǎn)生的煙霧是偏黑色的，針對(duì)煙霧的這種顏色特征，得出判斷一個(gè)像素點(diǎn)(X， y)是否是煙霧的公式如下
<formula>formula see original document page 11</formula>其中，RGB是像素的三個(gè)顏色分類，I (x，y)是像素的強(qiáng)度值，α是修正變量，WL和 WH對(duì)應(yīng)于白色煙霧強(qiáng)度上下限值，GL和GH對(duì)應(yīng)于青色煙霧強(qiáng)度上下限值，BL和BH對(duì)應(yīng)于 黑色煙霧強(qiáng)度上下限值。強(qiáng)度上下限值通過(guò)實(shí)驗(yàn)得到，如對(duì)于大多數(shù)偏灰的煙霧，又可分為 偏白的淺灰和偏黑的深灰，實(shí)驗(yàn)表明淺灰色煙霧的強(qiáng)度值在80-150之間，深灰色煙霧的強(qiáng) 度值在150-220之間，α的值一般選15_20。對(duì)于火焰，是物體在燃燒過(guò)程中產(chǎn)生的，而一般物體以常溫反射為主，很難達(dá)到火 焰的亮度，因此，在連續(xù)影像中長(zhǎng)時(shí)間的表現(xiàn)為高亮度時(shí)，是火災(zāi)存在的最直接特征，根據(jù) 特定的環(huán)境，取RGB三基色的閥值Cr，Cg, Cb，根據(jù)閥值的大小得到火災(zāi)可能發(fā)生的區(qū)域。b通過(guò)靜止背景中的動(dòng)態(tài)特征再次判斷是否發(fā)生火災(zāi)，這包括煙霧的不規(guī)則性，擴(kuò) 散，煙霧的出現(xiàn)會(huì)弱化原有圖像的邊緣等，火焰具有邊緣閃爍、具有多個(gè)尖角且尖角位置變 化、形狀不規(guī)則等；煙霧具有形狀不規(guī)則性以及面積增長(zhǎng)性，定義STP為煙霧邊緣長(zhǎng)度，SEP為煙霧面 積，判斷
Γ π STP , 0112 — > Th SEP其中，Th為設(shè)定的閾值。若上式成立，判斷為煙霧目標(biāo)，否則不是煙霧目標(biāo)。隨著煙霧的擴(kuò)散，原有圖像中的邊緣和紋理漸漸變的模糊，而在一幅圖像中，邊緣 和紋理信息對(duì)應(yīng)于頻域中的高頻信息，二維小波變換可以將圖像分為不同頻帶，因此也就 是說(shuō)，隨著煙霧的擴(kuò)散，小波變換之后的高頻帶能量會(huì)出現(xiàn)下降的趨勢(shì)。原圖形經(jīng)過(guò)小波分 解后得到四個(gè)子圖像，分別是低頻圖像(LL)、高頻垂直方向圖像(HL)、高頻水平方向圖像 (LH)以及高頻對(duì)角方向圖像(HH)，將子圖像HL、1^、冊(cè)分為!1^11大小的塊，計(jì)為131、匕2、 b3.......，計(jì)算每個(gè)塊的能量
<formula>formula see original document page 11</formula>其中，Ri表示第bi個(gè)mXn大小的塊區(qū)域，如果某個(gè)塊的能量值Ebi減少，說(shuō)明場(chǎng) 景中此位置可能產(chǎn)生了煙霧。火焰邊緣的抖動(dòng)是火焰的另一特性，而其它高溫物體、燈光和穩(wěn)定火焰的邊緣比 較穩(wěn)定?；鹧娴倪吘壸兓渌母邷匚矬w和燈光及穩(wěn)定火焰的邊緣變化也有一定的區(qū) 另IJ，可以利用火焰邊緣的變化來(lái)進(jìn)行進(jìn)一步判別?；鹧婢哂屑饨牵饨菙?shù)量較多且隨火焰抖動(dòng)位置會(huì)發(fā)生跳動(dòng)變化，這也是判斷識(shí) 別火焰目標(biāo)的一個(gè)根據(jù)。針對(duì)火焰的形狀不規(guī)則性，可以用圓形度來(lái)衡量，形狀越不規(guī)則，圓形度越大，設(shè)目標(biāo)的面積為S，周長(zhǎng)為C，圓形度計(jì)算公式如下圓形度=(C*C/S)/4*3.14目標(biāo)匹配適用于同一場(chǎng)景有多個(gè)火源的情況，目標(biāo)匹配指每一幀圖像所檢測(cè)出的 火災(zāi)前景(煙霧目標(biāo)和火焰目標(biāo))，與后一幀檢測(cè)出的火災(zāi)前景目標(biāo)進(jìn)行輪廓相交匹配，得 到火災(zāi)前景目標(biāo)的運(yùn)動(dòng)屬性，如運(yùn)動(dòng)方向、所在位置等
根據(jù)目標(biāo)屬性，對(duì)目標(biāo)進(jìn)行分類，如按煙霧前景和火焰前景的大小分為不同等級(jí) (8/25/50/100/500/1000/10000/10 萬(wàn)像素點(diǎn))?；馂?zāi)特征識(shí)別模塊根據(jù)用戶設(shè)定的參數(shù)，進(jìn)一步與內(nèi)嵌的煙霧/火焰圖像模型庫(kù) 進(jìn)行比對(duì)，減少誤報(bào)及漏報(bào)，提高視頻分析及報(bào)警效率，達(dá)到更準(zhǔn)確的分析效果，增強(qiáng)產(chǎn)品 的可用性?；馂?zāi)管控觸發(fā)規(guī)判斷模塊進(jìn)行管控觸發(fā)規(guī)則判斷。根據(jù)用戶事先設(shè)定好的景深、 靈敏度、最大最小像素、場(chǎng)景類型，結(jié)合視頻特征和溫度信息判斷特定事件是否發(fā)生。視頻特征和溫度特征相互配合，有效地進(jìn)行檢測(cè)，其中以視頻特征為主，溫度特征 為輔在檢測(cè)到溫度有異常則自動(dòng)將視頻監(jiān)測(cè)靈敏度調(diào)高；當(dāng)視頻中出現(xiàn)煙霧或火焰等火災(zāi)目標(biāo)，伴隨紅外圖像相應(yīng)位置有發(fā)熱物體，則認(rèn) 為發(fā)生著火現(xiàn)象。火災(zāi)實(shí)時(shí)管控平臺(tái)接收到視頻分析結(jié)果，根據(jù)分析結(jié)果發(fā)布各種管控命令。同時(shí)， 管控平臺(tái)負(fù)責(zé)輸出視頻采集命令、為終端智能分析配置系統(tǒng)參數(shù)和規(guī)則參數(shù)、對(duì)視頻數(shù)據(jù) 進(jìn)行瀏覽、存儲(chǔ)、檢索等工作。具體如選擇多種顯示方式(多種畫(huà)面分割顯示/全屏顯示) 遠(yuǎn)程瀏覽多路實(shí)時(shí)監(jiān)控視頻圖像、多路視頻選擇、設(shè)備查詢、云鏡控制(PTZ控制/預(yù)置位設(shè) 置/巡航設(shè)定等)、實(shí)時(shí)顯示報(bào)警信息、播放報(bào)警視頻/停止報(bào)警視頻、查看報(bào)警截圖、按條 件(設(shè)備/時(shí)間/事件/狀態(tài)等)查詢報(bào)警信息、錄像(實(shí)時(shí)錄像/報(bào)警聯(lián)動(dòng)錄像/手動(dòng) 錄像/周期錄像/定時(shí)錄像)、錄像檢索、播放錄像、錄像導(dǎo)出、電子地圖、查詢操作日志。實(shí)時(shí)管控平臺(tái)的功能包括1)根據(jù)分析結(jié)果發(fā)布各種管控命令如云鏡控制(PTZ控制/預(yù)置位設(shè)置/巡航設(shè)定等)、實(shí)時(shí)顯示報(bào)警信息、設(shè)備查 詢、遠(yuǎn)程喊話、電子地圖、查詢操作日志等2)輸出視頻采集命令，并為終端智能分析配置系統(tǒng)參數(shù)和規(guī)則參數(shù)如多路視頻選擇、視頻開(kāi)始、視頻關(guān)閉、為終端智能分析配置系統(tǒng)參數(shù)和規(guī)則參數(shù)等。3)視頻數(shù)據(jù)處理如選擇多種顯示方式(多種畫(huà)面分割顯示/全屏顯示)遠(yuǎn)程瀏覽多路實(shí)時(shí)監(jiān)控 視頻圖像、播放報(bào)警視頻/停止報(bào)警視頻、查看報(bào)警截圖、按條件(設(shè)備/時(shí)間/事件/狀態(tài) 等)查詢報(bào)警信息、錄像(實(shí)時(shí)錄像/報(bào)警聯(lián)動(dòng)錄像/手動(dòng)錄像/周期錄像/定時(shí)錄像)、 錄像檢索、播放錄像、錄像導(dǎo)出。本發(fā)明一種大范圍火災(zāi)分析預(yù)警系統(tǒng)進(jìn)一步包括火災(zāi)特征數(shù)據(jù)庫(kù)?；馂?zāi)特征數(shù)據(jù)庫(kù)進(jìn)一步包括數(shù)據(jù)采集子模塊，用于采集不同方向、不同環(huán)境、不同發(fā)生階段的火災(zāi)圖片以及沒(méi)有火災(zāi)發(fā)生的正常環(huán)境的圖片，作為目標(biāo)樣本庫(kù)；數(shù)據(jù)標(biāo)定子模塊，用于對(duì)采集得到的樣本圖片進(jìn)行標(biāo)定分類，分為火災(zāi)和非火災(zāi) 兩類；數(shù)據(jù)訓(xùn)練子模塊，用于對(duì)采集的樣本圖片進(jìn)行特征提取，并根據(jù)采集并標(biāo)定好類 別的樣本圖片及圖片的特征進(jìn)行分類訓(xùn)練；特征比對(duì)子模塊，當(dāng)輸入新的待測(cè)圖片時(shí)，首先提取其特征，然后將這些特征輸入 訓(xùn)練好的分類器，即得出分類結(jié)果。數(shù)據(jù)采集子模塊用于盡可能多地采集不同方向、不同環(huán)境的火災(zāi)圖片、火災(zāi)發(fā)生 不同階段的圖片以及正常環(huán)境沒(méi)有火災(zāi)發(fā)生的圖片作為目標(biāo)樣本庫(kù)數(shù)據(jù)訓(xùn)練子模塊用于對(duì)采集的樣本圖片進(jìn)行特征提取，并根據(jù)采集并標(biāo)定好類別 的樣本圖片及圖片的特征進(jìn)行分類訓(xùn)練。SIFT特征是現(xiàn)在廣泛使用的一種圖像的局部特征。首先檢測(cè)樣本圖像中一些顯著 區(qū)域，然后計(jì)算特征區(qū)域附近的梯度信息的統(tǒng)計(jì)直方圖，用這個(gè)128維直方圖的值來(lái)表示 當(dāng)前這個(gè)點(diǎn)的一個(gè)特征。對(duì)一副普通大小的圖片，通常有幾百到幾千個(gè)SIFT特征來(lái)描述。 另外，對(duì)每個(gè)特征來(lái)說(shuō)，除了 128維的特征值，還包括了特征點(diǎn)的位置，尺度，方向等參數(shù)。SVM(support vector machine)是一種常用的分類器，已知采集并標(biāo)定好類別的 樣本圖片以及這些圖片的特征，SVM分類系統(tǒng)的目標(biāo)是利用標(biāo)定好的類別，訓(xùn)練出合理的分 類器，當(dāng)今后遇到類似的情況，可以直接分辨出是哪個(gè)類別。對(duì)分類系統(tǒng)來(lái)說(shuō)，輸入是圖片 的特征，而輸出則是這個(gè)圖片的類別。Adaboost是一種迭代算法，核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的分類器(弱 分類器)，然后把這些弱分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終分類器(強(qiáng)分類器)。特征比對(duì)子模塊用于當(dāng)輸入新的待測(cè)圖片時(shí)，首先提取其SIFT特征，然后將這些 特征輸入已經(jīng)訓(xùn)練好的分類器，最終得到結(jié)果，即圖片中是否發(fā)生了火災(zāi)。
權(quán)利要求
一種大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，包括火災(zāi)特征數(shù)據(jù)庫(kù)，包含煙霧/火焰圖像模型；視頻采集模塊，用于獲取大范圍內(nèi)的數(shù)字視頻圖像；溫度采集模塊，用于通過(guò)熱成像產(chǎn)品獲取溫度信息；視頻質(zhì)量提升模塊，用于對(duì)視頻圖像進(jìn)行質(zhì)量提升；火災(zāi)特征提取模塊，用于對(duì)視頻序列進(jìn)行前景提取、目標(biāo)匹配、目標(biāo)分類；火災(zāi)特征識(shí)別模塊，根據(jù)用戶設(shè)定的參數(shù)，進(jìn)一步將視頻對(duì)象與所述火災(zāi)特征數(shù)據(jù)庫(kù)進(jìn)行比對(duì)識(shí)別；火災(zāi)管控觸發(fā)規(guī)則判斷模塊，根據(jù)用戶事先設(shè)定好的規(guī)則，結(jié)合視頻特征與溫度值，判斷規(guī)則是否被打破，如果打破了規(guī)則發(fā)出異常信息；火災(zāi)實(shí)時(shí)管控平臺(tái)，用于接收視頻分析結(jié)果，并根據(jù)分析結(jié)果發(fā)布管控命令；所述的火災(zāi)特征提取模塊，用于獲取煙霧、火焰特征，首先通過(guò)運(yùn)動(dòng)背景中煙霧、火焰的靜態(tài)特征初步確定獲取的圖像中是否有火災(zāi)發(fā)生的跡象；如果有火災(zāi)跡象，則固定攝像機(jī)視角，進(jìn)一步通過(guò)靜止背景中的煙霧、火焰的動(dòng)態(tài)特征判斷是否發(fā)生火災(zāi)。
2.如權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的火災(zāi)特征數(shù)據(jù) 庫(kù)進(jìn)一步包括數(shù)據(jù)采集子模塊，用于采集不同方向、不同環(huán)境、不同發(fā)生階段的火災(zāi)圖片以及沒(méi)有火 災(zāi)發(fā)生的正常環(huán)境的圖片，作為目標(biāo)樣本庫(kù)；數(shù)據(jù)標(biāo)定子模塊，用于對(duì)采集得到的樣本圖片進(jìn)行標(biāo)定分類，分為火災(zāi)和非火災(zāi)兩類；數(shù)據(jù)訓(xùn)練子模塊，用于對(duì)采集的樣本圖片進(jìn)行特征提取，并根據(jù)采集并標(biāo)定好類別的 樣本圖片及圖片的特征進(jìn)行分類訓(xùn)練；特征比對(duì)子模塊，當(dāng)輸入新的待測(cè)圖片時(shí)，首先提取其特征，然后將這些特征輸入訓(xùn)練 好的分類器，即得出分類結(jié)果。
3.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的視頻采集模 塊所采用的視頻設(shè)備可以是云臺(tái)攝像機(jī)或智能化球型攝像機(jī)。
4.根據(jù)權(quán)利要求1或3所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，所述的視頻采集模塊進(jìn)行視 頻采集時(shí)，其巡航方式可以是多預(yù)置位定點(diǎn)巡航，也可以是勻速巡航。
5.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的視頻質(zhì)量提 升模塊進(jìn)一步包括噪聲去除子模塊，使用可調(diào)阿爾法均值濾波器對(duì)視頻序列進(jìn)行噪聲去除； 信號(hào)增強(qiáng)子模塊，使用可調(diào)冪變換方法對(duì)視頻序列進(jìn)行信號(hào)增強(qiáng)。
6.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的火災(zāi)特征提 取模塊，進(jìn)一步包括前景提取子模塊，用于提取視頻圖像的前景；目標(biāo)匹配子模塊，用于將每一幀圖像檢測(cè)出的火災(zāi)前景與后一楨檢測(cè)出的火災(zāi)前景目 標(biāo)進(jìn)行輪廓相交以及顏色直方圖匹配，得到火災(zāi)前景目標(biāo)的運(yùn)動(dòng)屬性； 目標(biāo)分類子模塊，用于對(duì)煙霧前景和火焰前景的大小進(jìn)行分類。
7.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的運(yùn)動(dòng)背景中煙霧、火焰的靜態(tài)特征是指利用煙霧的顏色特征、火焰的顏色和亮度特征進(jìn)行判斷； 將煙霧分為白煙、灰煙、黑煙，判斷一個(gè)像素點(diǎn)(x，y)是否是煙霧的公式如下 R(x, y) 士 a = G(x，y) 士 a = B(x，y) 士 a ffL ^ I (x, y)彡 WH 或 GL 彡 I (x，y)彡 GH 或 BL 彡 I (x, y) ( BH其中，RGB是像素的三個(gè)顏色分類，I(x, y)是像素的強(qiáng)度值，a是修正變量，WL和WH 對(duì)應(yīng)于白色煙霧強(qiáng)度上下限值，GL和GH對(duì)應(yīng)于青色煙霧強(qiáng)度上下限值，BL和BH對(duì)應(yīng)于黑 色煙霧強(qiáng)度上下限值；當(dāng)影像表現(xiàn)為高亮度時(shí)，取RGB三基色的閾值CK，CG, CB，根據(jù)閾值的大小得到火災(zāi)可能 發(fā)生的區(qū)域。
8.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，在初步確定獲取的 圖形中有火災(zāi)發(fā)生的跡象后，利用煙霧、火焰的動(dòng)態(tài)特征多特征結(jié)合進(jìn)一步判斷是否發(fā)生 火災(zāi)；所述的煙霧動(dòng)態(tài)特征，包括煙霧形狀不規(guī)則性、面積增長(zhǎng)性和邊緣模糊特征等；定義STP為煙霧邊緣長(zhǎng)度，SEP為煙霧面積，判斷<formula>formula see original document page 3</formula>其中，Th為設(shè)定的閾值，若上式成立，判斷為煙霧目標(biāo)，否則不是煙霧目標(biāo)； 將獲取的視頻圖像進(jìn)行小波分解，得到四個(gè)子圖像，分別是低頻圖像(LL)、高頻垂直方 向圖像(HL)、高頻水平方向圖像(LH)以及高頻對(duì)角方向圖像(麗)，將子圖像1、1^、冊(cè)分 為mXn大小的塊，計(jì)為bl、b2、b3.......，計(jì)算每個(gè)塊的能量<formula>formula see original document page 3</formula>其中，Ri表示第bi個(gè)mXn大小的塊區(qū)域，如果某個(gè)塊的能量值Ebi減少，則判斷此區(qū) 域產(chǎn)生了煙霧；所述的火焰動(dòng)態(tài)特征，利用火焰形狀特性，計(jì)算目標(biāo)形狀的圓形度，設(shè)目標(biāo)的面積為S， 周長(zhǎng)為C，圓形度計(jì)算公式如下 圓形度=(C*C/S)/4*3. 14 當(dāng)圓形度大于設(shè)定閾值時(shí)，則判斷目標(biāo)為火焰；利用火焰發(fā)生邊緣抖動(dòng)的特性，計(jì)算火焰的尖角位置，如果火焰的尖角發(fā)生跳動(dòng)變化， 則判斷目標(biāo)為火焰。
9.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的火災(zāi)管控觸 發(fā)規(guī)則判斷模塊用于進(jìn)行管控觸發(fā)規(guī)則判斷，根據(jù)用戶事先設(shè)定好的規(guī)則和景深、靈敏度、 最大最小像素、場(chǎng)景類型，結(jié)合視頻特征和溫度信息判斷特定事件是否發(fā)生；將視頻特征和溫度特征相互配合，有效進(jìn)行檢測(cè)，其中以視頻特征為主，溫度特征為輔；當(dāng)檢測(cè)到溫度有異常則自動(dòng)將視頻檢測(cè)靈敏度調(diào)高；當(dāng)視頻中出現(xiàn)煙霧或火焰等火災(zāi)目標(biāo)，伴隨紅外圖像相應(yīng)位置有發(fā)熱物體，則認(rèn)為發(fā) 生著火現(xiàn)象。
10.根據(jù)權(quán)利要求1所述的大范圍火災(zāi)分析預(yù)警系統(tǒng)，其特征在于，所述的火災(zāi)實(shí)時(shí)管 控平臺(tái)接收視頻分析結(jié)果，根據(jù)分析結(jié)果發(fā)布各種管控命令；同時(shí)，管控平臺(tái)負(fù)責(zé)輸出視頻 采集命令、為終端智能分析配置系統(tǒng)參數(shù)和規(guī)則參數(shù)、對(duì)視頻數(shù)據(jù)進(jìn)行瀏覽、存儲(chǔ)、檢索等工作。
全文摘要
本發(fā)明提出了一種大范圍火災(zāi)分析預(yù)警系統(tǒng)。所述系統(tǒng)包括火災(zāi)特征數(shù)據(jù)庫(kù)，包含煙霧/火焰圖像模型；視頻采集模塊，用于獲取大范圍內(nèi)的數(shù)字視頻圖像；溫度采集模塊，用于通過(guò)熱成像產(chǎn)品獲取溫度信息；視頻質(zhì)量提升模塊，用于對(duì)視頻圖像進(jìn)行質(zhì)量提升；火災(zāi)特征提取模塊，用于對(duì)視頻序列進(jìn)行前景提取、目標(biāo)匹配、目標(biāo)分類；火災(zāi)特征識(shí)別模塊，根據(jù)用戶設(shè)定的參數(shù)，將視頻對(duì)象與所述火災(zāi)特征數(shù)據(jù)庫(kù)進(jìn)行比對(duì)識(shí)別；火災(zāi)管控觸發(fā)規(guī)則判斷模塊，根據(jù)用戶事先設(shè)定好的規(guī)則，結(jié)合視頻特征與溫度值，判斷規(guī)則是否被打破，如果打破了規(guī)則發(fā)出異常信息；火災(zāi)實(shí)時(shí)管控平臺(tái)，用于接收視頻分析結(jié)果，并根據(jù)分析結(jié)果發(fā)布管控命令。
文檔編號(hào)G06K9/00GK101833838SQ20101018425
公開(kāi)日2010年9月15日 申請(qǐng)日期2010年5月27日 優(yōu)先權(quán)日2010年5月27日
發(fā)明者王巍 申請(qǐng)人:王巍