一種基于視頻圖像縱向特征的火災(zāi)檢測方法
【專利摘要】本發(fā)明公開一種基于視頻圖像縱向特征的火災(zāi)檢測方法，其基于攝像頭，通過分析火災(zāi)現(xiàn)場圖像的縱向特征，結(jié)合實時變化的環(huán)境特征進(jìn)行火災(zāi)識別，實現(xiàn)高效、高可靠性的實時火災(zāi)檢測。相較于傳統(tǒng)基于各類傳感器的檢測方法，本發(fā)明利用視頻圖像對火災(zāi)進(jìn)行檢測，能實現(xiàn)大范圍，低成本的火災(zāi)監(jiān)控，尤其適合對森林等大尺度室外環(huán)境的火災(zāi)監(jiān)控；同時相較于傳統(tǒng)基于像素和絕對顏色的視頻識別方法，本發(fā)明通過分析視頻圖像縱向特征變化，實現(xiàn)更加快速的檢測，并且能有效抵抗實時變化的環(huán)境對檢測的影響，降低錯誤報警率，提高火災(zāi)檢測的可靠性。
【專利說明】一種基于視頻圖像縱向特征的火災(zāi)檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及火災(zāi)檢測【技術(shù)領(lǐng)域】，尤其涉及一種基于視頻圖像縱向特征的火災(zāi)檢測方法。
【背景技術(shù)】
[0002]火災(zāi)，作為一種人為災(zāi)害，是指火源失去控制蔓延發(fā)展而給人民生命財產(chǎn)造成損失的一種災(zāi)害性燃燒現(xiàn)象。在各種災(zāi)害中，火災(zāi)是最經(jīng)常、最普遍地威脅公眾安全和社會發(fā)展的主要災(zāi)害之一。火災(zāi)還是一種終極型災(zāi)害，任何其他災(zāi)害最后都可能導(dǎo)致火災(zāi)?；馂?zāi)能燒掉人類經(jīng)過辛勤勞動創(chuàng)造的物質(zhì)財富，使工廠、倉庫、城鎮(zhèn)、鄉(xiāng)村和大量的生產(chǎn)、生活資料化為灰燼，一定程度上影響著社會經(jīng)濟(jì)的發(fā)展和人們的正常生活?；馂?zāi)還污染了大氣，破壞了生態(tài)環(huán)境。火災(zāi)不僅使一些人陷于困境，它還涂炭生靈，奪去許多人的生命和健康，造成難以消除的身心痛苦。據(jù)世界火災(zāi)統(tǒng)計中心及歐洲共同體研究測算，如火災(zāi)直接損失占國民經(jīng)濟(jì)生產(chǎn)總值的2%。，整個火災(zāi)的損失將占國民經(jīng)濟(jì)生產(chǎn)總值的10%。以上?，F(xiàn)代社會空前發(fā)展，積累了巨大的社會財富。特別是在城市地區(qū)，社會人口相對集中，建筑設(shè)施鱗次櫛t匕，一旦發(fā)生火災(zāi)，會嚴(yán)重危害人們的生命財產(chǎn)安全，造成慘重的損失。因此，我國政府高度重視消防安全工作。在我國，火災(zāi)危害之烈，損失之巨，不亞于地震和洪水的危害。近年來，我國城市火災(zāi)頻頻，深圳、廣州、上海、長沙、石河子、吉林、浙江等地發(fā)生的特大火災(zāi)所造成的危害及后果，給人們留下了極其深刻的印象，火災(zāi)給國家和人民的生命財產(chǎn)造成了巨大的損失。
[0003]目前，國內(nèi)對各種場合的火災(zāi)監(jiān)控還沒有十分有效的方法，基本上還是采用傳統(tǒng)的煙霧顆粒感應(yīng)或者紅外線、激光技術(shù)。傳統(tǒng)煙霧顆粒感應(yīng)系統(tǒng)需要煙霧顆粒進(jìn)入傳感器才能引起報警，紅外及激光技術(shù)也需要煙霧遮擋才能引發(fā)報警。這些技術(shù)的前提要求是場合為相對封閉的空間，然而室外場合像森林、煉油廠、倉庫等因為設(shè)備設(shè)施分散，空氣流動大，傳統(tǒng)煙火設(shè)備根本起不到作用，現(xiàn)在往往采用人員值守看管，造成管理成本上升和不必要的人員工作負(fù)擔(dān)。目前也存在一些利用圖像分析技術(shù)進(jìn)行火災(zāi)識別的系統(tǒng)，這些系統(tǒng)普遍采用對圖像像素進(jìn)行顏色特征分析，從而對火災(zāi)中的煙霧和火焰進(jìn)行識別，但是由于背景等環(huán)境因素，尤其是實時變化的天氣、光照等因素的影響，使得這些方法很難適應(yīng)各類場景，并且檢測結(jié)果很容易受到環(huán)境干擾，例如無法有效區(qū)分烏云和煙霧，晚霞和火焰等。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于通過一種基于視頻圖像縱向特征的火災(zāi)檢測方法，來解決以上【背景技術(shù)】部分提到的問題。
[0005]為達(dá)此目的，本發(fā)明采用以下技術(shù)方案:
[0006]一種基于視頻圖像縱向特征的火災(zāi)檢測方法，其包括如下步驟:
[0007]A、提取火災(zāi)縱向特征:輸入非火災(zāi)現(xiàn)場畫面和火災(zāi)現(xiàn)場畫面，獲得基于支撐向量的火情檢測分類器；[0008]B、分時段背景環(huán)境學(xué)習(xí):記錄正常情況下不同時段的背景圖像，并保存；
[0009]C、粗粒度檢測:將攝像頭采集的實時視頻圖像與當(dāng)前時段的歷史背景圖像進(jìn)行比較，若無差異，則當(dāng)前幀圖像檢測結(jié)束，若差異大于預(yù)設(shè)閾值，則執(zhí)行細(xì)粒度檢測；
[0010]D、細(xì)粒度檢測:提取當(dāng)前視頻圖像的縱向特征，并將其輸入所述火情檢測分類器檢測，得到是否匹配的結(jié)果；
[0011]E、根據(jù)步驟D的檢測結(jié)果，判斷是否存在火災(zāi)。
[0012]特別地，所述步驟A具體包括:輸入非火災(zāi)現(xiàn)場畫面和火災(zāi)現(xiàn)場畫面，對每一個場景的每一組火災(zāi)畫面Pi’和非火災(zāi)畫面Pi中計算出其相同的部分Ci ;從巧’中減去Ci得到火情的圖像Fi ;將Fi進(jìn)行縱向分割，得到一系列豎條狀圖像；提取所述豎條狀圖像的縱向顏色特征向量；將所述縱向顏色特征向量輸入支撐向量機(jī)進(jìn)行學(xué)習(xí)，獲得基于支撐向量的火情檢測分類器。
[0013]特別地，所述D具體包括:將當(dāng)前視頻圖像減去該時段歷史圖像的公共部分，得到差異圖像；將所述差異圖像進(jìn)行縱向分割得到一系列豎條狀圖像；提取每一豎條圖像的顏色特征向量，將其輸入所述火情檢測分類器進(jìn)行檢測，得到是否匹配的結(jié)果，并返回匹配豎條圖像的位置。
[0014]特別地，所述步驟E具體包括:根據(jù)步驟D的檢測結(jié)果，若與火災(zāi)特征匹配的豎條圖像連續(xù)出現(xiàn)，則在所述視頻圖像上標(biāo)注出火災(zāi)檢測結(jié)果，否則判斷為無火情。
[0015]本發(fā)明提供的基于視頻圖像縱向特征的火災(zāi)檢測方法基于攝像頭，通過分析火災(zāi)現(xiàn)場圖像的縱向特征，結(jié)合實時變化的環(huán)境特征進(jìn)行火災(zāi)識別，實現(xiàn)高效、高可靠性的實時火災(zāi)檢測。相較于傳統(tǒng)基于各類傳感器的檢測方法，本發(fā)明利用視頻圖像對火災(zāi)進(jìn)行檢測，能實現(xiàn)大范圍，低成本的火災(zāi)監(jiān)控，尤其適合對森林等大尺度室外環(huán)境的火災(zāi)監(jiān)控；同時相較于傳統(tǒng)基于像素和絕對顏色的視頻識別方法，本發(fā)明通過分析視頻圖像縱向特征變化，實現(xiàn)更加快速的檢測，并且能有效抵抗實時變化的環(huán)境對檢測的影響，降低錯誤報警率，提高火災(zāi)檢測的可靠性。
【專利附圖】

【附圖說明】
[0016]圖1為本發(fā)明實施例提供的基于視頻圖像縱向特征的火災(zāi)檢測方法流程圖?！揪唧w實施方式】
[0017]下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步說明?？梢岳斫獾氖?，此處所描述的具體實施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部內(nèi)容。
[0018]請參照圖1所示，圖1為本發(fā)明實施例提供的基于視頻圖像縱向特征的火災(zāi)檢測方法流程圖。
[0019]本實施例中基于視頻圖像縱向特征的火災(zāi)檢測方法具體包括如下步驟:
[0020]步驟S101、提取火災(zāi)縱向特征:輸入大量非火災(zāi)現(xiàn)場畫面和火災(zāi)現(xiàn)場畫面，獲得基于支撐向量的火情檢測分類器。
[0021]通過大量觀察發(fā)現(xiàn)，火災(zāi)存在著較典型的縱向特征，如火焰在下，煙霧在上。輸入非火災(zāi)現(xiàn)場畫面和火災(zāi)現(xiàn)場畫面，對每一個場景的每一組火災(zāi)畫面Pi’和非火災(zāi)畫面Pi中計算出其相同的部分Ci ;WPi’中減去Ci得到火情的圖像Fi JfFi進(jìn)行縱向分割，得到一系列豎條狀圖像；提取所述豎條狀圖像的縱向顏色特征向量；將所述縱向顏色特征向量輸入支撐向量機(jī)進(jìn)行學(xué)習(xí)，獲得基于支撐向量的火情檢測分類器。
[0022]步驟S102、分時段背景環(huán)境學(xué)習(xí):記錄正常情況下不同時段的背景圖像，并進(jìn)行保存。
[0023]步驟S103、粗粒度檢測:將攝像頭采集的實時視頻圖像與當(dāng)前時段的歷史背景圖像進(jìn)行比較，若無差異，則當(dāng)前幀圖像檢測結(jié)束，若差異大于預(yù)設(shè)閾值，則執(zhí)行細(xì)粒度檢測。
[0024]步驟S104、細(xì)粒度檢測:提取當(dāng)前視頻圖像的縱向特征，并將其輸入所述火情檢測分類器檢測，得到是否匹配的結(jié)果。
[0025]將當(dāng)前視頻圖像減去該時段歷史圖像的公共部分，得到差異圖像；將所述差異圖像進(jìn)行縱向分割得到一系列豎條狀圖像；提取每一豎條圖像的顏色特征向量，將其輸入所述火情檢測分類器進(jìn)行檢測，得到是否匹配的結(jié)果，并返回匹配豎條圖像的位置。
[0026]步驟S105、根據(jù)步驟S104的檢測結(jié)果，判斷是否存在火災(zāi)。
[0027]綜合火情分析，整合步驟S104的檢測結(jié)果，若與火災(zāi)特征匹配的豎條圖像連續(xù)出現(xiàn)，則在所述視頻圖像上標(biāo)注出火災(zāi)檢測結(jié)果，否則判斷為無火情。
[0028]本發(fā)明的技術(shù)方案利用普通視頻監(jiān)控設(shè)備，結(jié)合火災(zāi)的縱向特征，實現(xiàn)大尺度、高可靠性的火災(zāi)監(jiān)控。相較于傳統(tǒng)基于各類傳感器的檢測方法，本發(fā)明利用視頻圖像對火災(zāi)進(jìn)行檢測，能實現(xiàn)大范圍，低成本的火災(zāi)監(jiān)控，尤其適合對森林等大尺度室外環(huán)境的火災(zāi)監(jiān)控；同時相較于傳統(tǒng)基于像素和絕對顏色的視頻識別方法，本發(fā)明通過分析視頻圖像縱向特征變化，實現(xiàn)更加快速的檢測，并且能有效抵抗實時變化的環(huán)境對檢測的影響，降低錯誤報警率，提高火災(zāi)檢測的可靠性。
[0029]注意，上述僅為本發(fā)明的較佳實施例及所運(yùn)用技術(shù)原理。本領(lǐng)域技術(shù)人員會理解，本發(fā)明不限于這里所述的特定實施例，對本領(lǐng)域技術(shù)人員來說能夠進(jìn)行各種明顯的變化、重新調(diào)整和替代而不會脫離本發(fā)明的保護(hù)范圍。因此，雖然通過以上實施例對本發(fā)明進(jìn)行了較為詳細(xì)的說明，但是本發(fā)明不僅僅限于以上實施例，在不脫離本發(fā)明構(gòu)思的情況下，還可以包括更多其他等效實施例，而本發(fā)明的范圍由所附的權(quán)利要求范圍決定。
【權(quán)利要求】
1.一種基于視頻圖像縱向特征的火災(zāi)檢測方法，其特征在于，具體包括如下步驟: A、提取火災(zāi)縱向特征:輸入非火災(zāi)現(xiàn)場畫面和火災(zāi)現(xiàn)場畫面，獲得基于支撐向量的火情檢測分類器； B、分時段背景環(huán)境學(xué)習(xí):記錄正常情況下不同時段的背景圖像，并保存； C、粗粒度檢測:將攝像頭采集的實時視頻圖像與當(dāng)前時段的歷史背景圖像進(jìn)行比較，若無差異，則當(dāng)前幀圖像檢測結(jié)束，若差異大于預(yù)設(shè)閾值，則執(zhí)行細(xì)粒度檢測； D、細(xì)粒度檢測:提取當(dāng)前視頻圖像的縱向特征，并將其輸入所述火情檢測分類器檢測，得到是否匹配的結(jié)果； E、根據(jù)步驟D的檢測結(jié)果，判斷是否存在火災(zāi)。
2.根據(jù)權(quán)利要求1所述的基于視頻圖像縱向特征的火災(zāi)檢測方法，其特征在于，所述步驟A具體包括: 輸入非火災(zāi)現(xiàn)場畫面和火災(zāi)現(xiàn)場畫面，對每一個場景的每一組火災(zāi)畫面Pi’和非火災(zāi)畫面Pi中計算出其相同的部分Ci ;從Pi ’中減去Ci得到火情的圖像Fi ;將Fi進(jìn)行縱向分害I]，得到一系列豎條狀圖像；提取所述豎條狀圖像的縱向顏色特征向量；將所述縱向顏色特征向量輸入支撐向量機(jī)進(jìn)行學(xué)習(xí)，獲得基于支撐向量的火情檢測分類器。
3.根據(jù)權(quán)利要求1所述的基于視頻圖像縱向特征的火災(zāi)檢測方法，其特征在于，所述D具體包括: 將當(dāng)前視頻圖像減去該時段歷史圖像的公共部分，得到差異圖像；將所述差異圖像進(jìn)行縱向分割得到一系列豎條狀圖像；提取每一豎條圖像的顏色特征向量，將其輸入所述火情檢測分類器進(jìn)行檢測，得到是否匹配的結(jié)果，并返回匹配豎條圖像的位置。
4.根據(jù)權(quán)利要求1至3之一所述的基于視頻圖像縱向特征的火災(zāi)檢測方法，其特征在于，所述步驟E具體包括: 根據(jù)步驟D的檢測結(jié)果，若與火災(zāi)特征匹配的豎條圖像連續(xù)出現(xiàn)，則在所述視頻圖像上標(biāo)注出火災(zāi)檢測結(jié)果，否則判斷為無火情。
【文檔編號】G06K9/00GK103593938SQ201310590105
【公開日】2014年2月19日 申請日期:2013年11月20日 優(yōu)先權(quán)日:2013年11月20日
【發(fā)明者】張?zhí)m, 曹志超, 劉云浩 申請人:無錫北洋清安物聯(lián)科技有限公司