一種基于圖像分析技術(shù)的煙氣黑度智能檢測方法
【專利摘要】本發(fā)明公開了一種基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其包括下列步驟：采集視頻實(shí)時(shí)圖像，對排口進(jìn)行自動(dòng)定位，動(dòng)態(tài)檢測與背景建模，對天空背景進(jìn)行分析，判斷是否排煙，若否，發(fā)出未排煙信號(hào)，若是發(fā)出排煙信號(hào)并對煙氣形態(tài)分析；判斷是否滿足黑度檢測條件，若否，發(fā)出當(dāng)前不適合進(jìn)行黑度檢測信號(hào)；若是，進(jìn)行黑度與顏色分析，輸出黑度等級(jí)與顏色。本發(fā)明綜合視頻圖像分析技術(shù)與人工智能手段對煙氣排口進(jìn)行實(shí)時(shí)視頻分析，自動(dòng)定位煙氣排口，檢測排口是否排煙；對煙氣視頻的天空背景與煙氣形態(tài)進(jìn)行分析，判斷是否滿足進(jìn)行黑度檢測的條件，在滿足條件的情況下搜索計(jì)算黑度的最佳區(qū)域進(jìn)行黑度計(jì)算。
【專利說明】
-種基于圖像分析技術(shù)的煙氣黑度智能檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種煙氣的檢測方法。
【背景技術(shù)】
[0002] 煙氣黑度的測定一般是根據(jù)林格曼林格曼煙氣黑度圖測定的，目前具體的方法有 人眼觀測法，望遠(yuǎn)鏡法，W及遠(yuǎn)程圖像對比的方法。其中人眼觀測法，望遠(yuǎn)鏡法需要檢測人 員在現(xiàn)場進(jìn)行，行政成本過高。也有遠(yuǎn)程圖像對比的方法，但也需要人叮著視頻，運(yùn)些傳統(tǒng) 方式不但耗費(fèi)了大量的人力物力，其結(jié)果有很大的人為因素。目前隨著物聯(lián)網(wǎng)技術(shù)的興起 與智慧環(huán)保的需要很多重要的排污口都安裝了視頻監(jiān)控設(shè)備。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供一種基于圖像分析技術(shù)的煙氣黑度智能檢測方法。
[0004] 通過該方法對廢氣排口的視頻圖像進(jìn)行實(shí)時(shí)圖像分析可W達(dá)到W下效果:①一旦 有可見氣體從排日溢出，立即發(fā)出有煙氣排放的信號(hào);②若有煙氣排放，檢測當(dāng)前的環(huán)境是 否適合煙氣黑度分析;③若適合進(jìn)行煙氣黑度檢測，則進(jìn)行圖像分析返回實(shí)時(shí)黑度值與顏 色值。
[0005] -種基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:所述方法包括下 列步驟：
[0006] -種基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:所述方法包括下 列步驟：
[0007] 采集視頻實(shí)時(shí)圖像，對排口進(jìn)行自動(dòng)定位，動(dòng)態(tài)檢測與背景建模，對天空背景進(jìn)行 分析，判斷是否排煙，若否，發(fā)出未排煙信號(hào)，若是發(fā)出排煙信號(hào)并對煙氣形態(tài)分析;判斷是 否滿足黑度檢測條件，若否，發(fā)出當(dāng)前不適合進(jìn)行黑度檢測信號(hào);若是，進(jìn)行黑度與顏色分 析，輸出黑度等級(jí)與顏色。
[000引所述對排口進(jìn)行自動(dòng)定位的方法包括如下步驟：
[0009] (1)獲取等距圖像序列
[0010] 每隔一定時(shí)間獲取一帖圖像，并對圖像進(jìn)行灰度化，然后進(jìn)行直方圖均衡化，保存 到圖像序列中，設(shè)保存的圖像序列為：
[0011] (Pt}N(t = l，2，. . .，N)
[0012] 其中N表示序列的長度，即有圖像的數(shù)量，t表示時(shí)間;P康示t時(shí)刻的圖像；
[001引（2)提取圖像序列的邊緣
[0014] 對于序列中的圖像Pt進(jìn)行如下處理：
[0015] ①通過高通濾波器加強(qiáng)圖像的邊緣，得到圖像Ht,通過低通濾波器模糊圖像的邊 緣Lt,
[0016] 將高通濾波圖像Ht與低通濾波圖像U進(jìn)行差分并對結(jié)果取絕對值，然后二值化處 理得到邊緣圖像B^t;
[0017]②對圖像Pt進(jìn)行拉普拉斯變換，并進(jìn)行二值化，得到邊緣圖像B"t;
[001引③將t與B"t進(jìn)行或運(yùn)算得到圖像的邊緣Bt,即：
[0019] B'伯rB"t = Bt
[0020] 對序列{Pt}N(t = l，2,. . .，N)中的所有圖像進(jìn)行邊緣提取之后得到邊緣圖像序列
[0021] (Bt}N(t = l，2，. . .，N)
[0022] (3)利用hou曲標(biāo)準(zhǔn)變換計(jì)算煙畫的方向
[0023] 尋找煙畫位置位置方法如下：
[0024] 對序列{Bt}N中的圖像Bt通過hou曲標(biāo)準(zhǔn)變換計(jì)算出圖像中的疑似煙畫邊界的所有 直線，設(shè)定投票值為圖像高度的四分之一，保留傾斜度在90±5°之間的直線并繪制在圖像 Vt中，直線的像素值為化5,背景像素值為0;于是得到關(guān)于直線的圖像序列
[0025] (Vt}N(t = l，2，. . .，N)
[00%] (4)獲取煙畫兩側(cè)的直線
[0027]對序列IVt}規(guī)行統(tǒng)計(jì)，設(shè)序列IVt}中（i，j)處像素為255的數(shù)量為n，設(shè)定闊值T，構(gòu) 造直線圖像，進(jìn)行如下計(jì)算：
[002引
[0029] 得到圖像Tc,圖像Tc中，距離最小的兩直線即為煙畫的兩側(cè)的直線，記為圖像化；
[0030] (5)對圖像序列{Bt}N，利用累計(jì)概率hou曲變換識(shí)別出序列中所有圖像的直線段， 如某位置處的直線在序列中超過一定比例，則視為有效的直線并保存在圖像化中；圖像化 與圖像化的公共位置即為煙畫兩側(cè)的豎線段，并將此保存到圖像Tout中，排口位置兩側(cè)直 線段用像素255標(biāo)記，其余位置用的像素用0標(biāo)記；
[0031] (6)圖像Tout的兩直線頂端位置即為排口位置。
[0032] 所述判斷是否排煙的步驟為：
[0033] (1)煙氣背景建模
[0034] ①設(shè)當(dāng)前圖像為F，背景圖像為B，前景圖像為S，采用滑動(dòng)平均計(jì)算背景更新背景， 公式如下：
[0035] B = aF+(l-a)B
[0036] 其中a表示更新率;在通過當(dāng)前圖像與背景圖像進(jìn)行差分運(yùn)算并取絕對值獲取運(yùn) 動(dòng)前景，即：
[0037] S=If-B
[0038] ②對運(yùn)動(dòng)前景S進(jìn)行二值化，再提取輪廓，濾掉異常輪廓，異常輪廓就是輪廓面積 較小者;獲取輪廓對應(yīng)在當(dāng)前圖像F對應(yīng)的圖像與掩碼，設(shè)輪廓序列圖像為
[0039] (Ct}m(t = l,2,...,m),
[0040] 掩碼圖像序列為
[0041] (Mt}m(t = l，2，. . .，m)，
[0042] 其中m表示有效輪廓的數(shù)量，t表示輪廓序號(hào)；
[0043] ③計(jì)算輪廓圖像在掩碼區(qū)域內(nèi)的彩色直方圖，即計(jì)算Ct在掩碼區(qū)域Mt下的直方圖， 得到直方圖序列
[0044] 化t}m(t = l，2，. . .，m)
[0045] ④計(jì)算直方圖序列化在當(dāng)前圖像F中的反向投影，并將投影圖二值化，此時(shí)二值 化的圖像包含了運(yùn)動(dòng)區(qū)域與煙霧區(qū)域，設(shè)此圖像為;
[0046] (2)剔除包含運(yùn)動(dòng)區(qū)域與煙霧區(qū)域圖像中非煙霧區(qū)域
[0047] ①通過大量煙氣監(jiān)控視頻，通過人為干預(yù)，分別提取視頻中關(guān)于煙氣與云朵的子 圖像，并選取其他任意圖像作為學(xué)習(xí)的負(fù)樣本；
[004引②計(jì)算樣本圖像的顏色特征，選取的特征包含顏色矩與直方圖，顏色矩的計(jì)算方 式如下:將圖像的顏色空間轉(zhuǎn)換為HSV顏色模式，然后分離圖像的S個(gè)通道，分別計(jì)算H、S、V 通道的的一階矩，即平均值a、顏色二階矩，即方差V和顏色=階矩，即偏斜度S，并設(shè)為
[0049] (出，山，出，53,5乂，53，￥3，￥乂，￥3)
[0050] 直方圖計(jì)算方式如下，計(jì)算H通道的直方圖將直方圖的箱子數(shù)設(shè)定為16,并歸一化 處理，得到如下向量
[0051] 化，Z2，...，Zi6)
[0化2]因此對于圖片的顏色特征一共有25維，即
[0053] (Ha，Hv，出，Sa，Sv，Ss，Va，Vv，Vs，Zl，Z2, . . .，Zl6)
[0054] 計(jì)算所有煙氣圖像的顏色特征，標(biāo)簽標(biāo)記為I，計(jì)算所有云朵圖像與其他圖像的特 征，標(biāo)簽標(biāo)記為-1; 一部分樣本作為訓(xùn)練集，剩下的樣本作為測試集；
[0055] ③利用支持向量機(jī)對訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練模型，然后利用測試集對模型進(jìn) 行測試;若測試準(zhǔn)確率超過一定闊值，則說明訓(xùn)練模型可用于識(shí)別，否則改變訓(xùn)練的參數(shù)或 者調(diào)整樣本重新訓(xùn)練，直至滿足要求.
[0056] ④對包含了運(yùn)動(dòng)區(qū)域與煙霧區(qū)域的圖像^進(jìn)行區(qū)域分割，并獲取對應(yīng)在當(dāng)前視頻 圖像的區(qū)域的圖像序列，設(shè)為
[0057] (Dt}n(t = l，2,. . .，n)
[0058] 其中n表示區(qū)域的數(shù)量，Dt表示圖像中的運(yùn)動(dòng)目標(biāo)或者疑似煙霧區(qū)域；
[0059] 計(jì)算Dt的顏色特征，并帶入訓(xùn)練模型中進(jìn)行判斷，若結(jié)果為1，則表示Dt為煙氣區(qū) 域，否則為非煙氣區(qū)域;并將所有煙氣區(qū)域的圖像疊加到煙氣圖像P中；
[0060] (3)排煙判定
[0061] 通過(2)檢測出了煙氣區(qū)域，若煙氣區(qū)域與排煙口有交集，則說明排口正在排煙， 發(fā)出排煙信號(hào)。
[0062] 煙氣形態(tài)分析的步驟如下：
[0063] (1)若排煙口在排煙，保留連續(xù)的煙氣圖像P，生成煙氣序列圖像
[0064] (Pt}K(t = l，2，. . .，K)
[0065] 其中t表示連續(xù)標(biāo)號(hào)，K表示圖像數(shù)量，當(dāng)有新的圖像加入時(shí)，離當(dāng)前時(shí)間最遠(yuǎn)的圖 像將被刪除，序列的長度始終為K;
[0066] (2)對序列中的所有圖片進(jìn)行與運(yùn)算，即提取序列的圖片的公共區(qū)域，得到圖像C; 煙氣區(qū)域部分的邊線與圖像邊界有兩個(gè)交點(diǎn)，為了快速計(jì)算把兩交點(diǎn)與排口的連線做為邊 線，但有可能整幅圖像都被煙氣彌漫，運(yùn)時(shí)無邊線；
[0067] 在有邊線的情況下計(jì)算煙氣偏移度與發(fā)散度；
[0068] 其中，邊線:就是經(jīng)過排口并且與煙氣邊沿的最接近的直線，有兩條或者零條；
[0069] 中線:兩邊線之間的中位線；
[0070] 參考線:無風(fēng)情況下煙氣的中位線；
[0071 ]煙氣偏移度:指中線與參考線的夾角；
[0072] 發(fā)散度:指邊線的夾角。
[0073] 對天空背景進(jìn)行分析的步驟如下：
[0074] (1)捜集樣本資料，即通過大量的監(jiān)控?cái)z像頭，在人為干預(yù)的下，獲取天空晴朗的 天空背景圖像、雨天天空背景圖像、雪天天空背景圖像、霧天天空背景圖像、W及陰天天空 背景圖像;再獲取除W上五種情況W外的圖像若干張；
[0075] (2)計(jì)算上述圖像的顏色特征，不同類別圖像給定不同的標(biāo)簽，晴朗的天空背景標(biāo) 簽為0,雨天天空背景的標(biāo)簽為1，雪天天空背景的標(biāo)簽為2,霧天天空背景的標(biāo)簽為3,陰天 天空背景的標(biāo)簽為4,其他圖像標(biāo)簽為-1;
[0076] (3)利用支持向量機(jī)對訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練模型，然后利用測試集對模型進(jìn) 行測試;若測試準(zhǔn)確率超過一定闊值，則說明訓(xùn)練模型可用于識(shí)別，否則改變訓(xùn)練的參數(shù)重 新訓(xùn)練，直至滿足要求；
[0077] (4)對當(dāng)前的圖片進(jìn)行區(qū)域分割，將不同的區(qū)域進(jìn)行特征計(jì)算，并調(diào)用訓(xùn)練模型， 得到結(jié)果就是天氣背景情況。
[0078] 進(jìn)行黑度與顏色分析的步驟如下：
[0079] 根據(jù)觀測不同煙氣視頻，發(fā)現(xiàn)在煙氣偏移度小于45%發(fā)散度小于100°時(shí)，能滿足 觀測要求，若通過天空背景分析，若在非雨雪霧天的情況下適宜進(jìn)行黑度觀測，則計(jì)算黑 度;黑度計(jì)算方式如下：
[0080] (1)對于煙氣圖像P，匹配對應(yīng)的實(shí)時(shí)圖像，分離出煙氣區(qū)域，計(jì)算煙氣區(qū)域中顏色 最深的點(diǎn)，即與黑色RGB =(0，0，0)的顏色距離最小的點(diǎn)，并將該點(diǎn)的RGB值轉(zhuǎn)化為灰度值；
[0081] (2)通過煙氣顏色最深處的灰度值與林格曼黑度等級(jí)灰度進(jìn)行比較，最接近黑度 等級(jí)的值即為黑度等級(jí)，若通過天氣背景分析獲取的陰天背景，則將黑度等級(jí)減去0.25或 者0.5,并輸出黑度，計(jì)算煙氣區(qū)域的RGB平均值并輸出。
[0082] 本發(fā)明綜合視頻圖像分析技術(shù)與人工智能手段對煙氣排口進(jìn)行實(shí)時(shí)視頻分析，自 動(dòng)定位煙氣排口，檢測排口是否排煙;對煙氣視頻的天空背景與煙氣形態(tài)進(jìn)行分析，判斷是 否滿足進(jìn)行黑度檢測的條件，在滿足條件的情況下捜索計(jì)算黑度的最佳區(qū)域進(jìn)行黑度計(jì) 算。
[0083] 說明書附圖
[0084] 圖1為本發(fā)明的流程圖；
[0085] 圖2為廢氣排口監(jiān)控視頻示意圖；
[0086] 圖3為廢氣排口煙氣形態(tài)分析示意圖。
【具體實(shí)施方式】
[0087] 下面結(jié)合附圖和具體實(shí)施對本發(fā)明做進(jìn)一步的說明。
[008引1.煙氣排口自動(dòng)定位
[0089]受天氣光照與可能排煙等因素的影響，僅僅通過一張圖像進(jìn)行排煙口定位不太準(zhǔn) 確，因此需要提取多張圖像進(jìn)行統(tǒng)計(jì)。本發(fā)明首先對排煙口進(jìn)行定位，排煙口位于煙畫的頂 端區(qū)域(監(jiān)控示意圖見圖2)，因此只需要對圖像中煙畫進(jìn)行識(shí)別定位即可.具體步驟如下：
[0090] (1)獲取等距圖像序列
[0091] 每隔一秒鐘獲取一帖圖像，并對圖像進(jìn)行灰度化，然后在進(jìn)行直方圖均衡化，然后 保存到圖像序列中，設(shè)保存的圖像序列為：
[0092] (Pt}N(t = l，2，. . .，N)
[OOW]其中N表示序列的長度，即有圖像的數(shù)量，t表示時(shí)間。P康示t時(shí)刻的圖像。
[0094] (2)提取圖像序列的邊緣
[00M] 對于序列中的圖像Pt進(jìn)行如下處理：
[0096] ①通過高通濾波器加強(qiáng)圖像的邊緣，得到圖像Ht,通過多次(本發(fā)明采用二次)低 通濾波器模糊圖像的邊緣k .其中常見高通濾波器的卷積核，有
[0097]
[0098] Butterworth 濾波器等。
[0099] 低通濾波有高斯濾波與均值濾波等，運(yùn)里采用均值濾波，其3X3卷積核的形式為
[0100]
[0101] 將高通濾波圖像出與低通濾波圖像Lt進(jìn)行差分并對結(jié)果取絕對值，然后二值化處 理得到邊緣圖像B^t;
[0102] ②再對圖像Pt進(jìn)行拉普拉斯變換，并進(jìn)行二值化，得到邊緣圖像B"t;
[010引③將B^t與B"t進(jìn)行或運(yùn)算得到圖像的邊緣Bt,即：
[0104] B'伯rB"t = Bt
[0105] 對序列{Pt}N(t = l，2,. . .，N)中的所有圖像進(jìn)行邊緣提取之后得到邊緣圖像序列
[0106] (Bt}N(t = l，2，. . .，N)
[0107] (3)利用hou曲標(biāo)準(zhǔn)變換計(jì)算煙畫的方向
[0108] 通過廢氣監(jiān)控視頻的圖像不難發(fā)現(xiàn)，煙畫的邊緣有兩條明顯的直線。
[0109] 尋找煙畫位置位置方法如下：
[0110] 對序列{Bt}N中的圖像Bt通過hou曲標(biāo)準(zhǔn)變換計(jì)算出圖像中的疑似煙畫邊界的所有 直線，設(shè)定投票值為圖像高度的四分之一，保留傾斜度在90±5°之間的直線并繪制在圖像 Vt中，直線的像素值為化5,背景像素值為0;于是得到關(guān)于直線的圖像序列
[0111] (Vt}N(t = l，2，. . .，N)
[0112] (4)獲取煙畫兩側(cè)的直線
[011引對序列IVt}規(guī)行統(tǒng)計(jì)，設(shè)序列IVt}中（i，j)處像素為255的數(shù)量為n，設(shè)定闊值T，構(gòu) 造直線圖像，進(jìn)行如下計(jì)算：
[0114]
[0115] 得到圖像Tc，圖像Tc中，距離最小的兩直線即為煙畫的兩側(cè)的直線，記為圖像化.
[0116] (5)對圖像序列{Bt}N，利用累計(jì)概率hou曲變換識(shí)別出序列中所有圖像的直線段， 如某位置處的直線在序列中超過一定比例(本方法設(shè)定為0.5)，則視為有效的直線并保存 在圖像化中。圖像化與圖像化的公共位置即為煙畫兩側(cè)的豎線段，并將此保存到圖像Tout 中，排口位置兩側(cè)直線段用像素255標(biāo)記，其余位置用的像素用0標(biāo)記。
[0117] (6)圖像Tout的兩直線頂端位置即為排口位置.
[0118] 注:在實(shí)際處理過程中，不會(huì)實(shí)時(shí)進(jìn)行排口的識(shí)別，一般設(shè)定為每天識(shí)別一次。
[0119] 2.排煙(氣）口處可見煙氣是否排放監(jiān)測
[0120] (1)煙氣背景建模
[0121] 當(dāng)排煙比較穩(wěn)定時(shí)，通過常規(guī)的背景建模技術(shù)(如混合高斯背景建模、碼本建模、 中值建模、滑動(dòng)平均背景建模等手段）只能獲取煙霧邊緣區(qū)域，煙霧中屯、區(qū)域常常就是適合 黑度分析的區(qū)域，因此本發(fā)明采用一種新計(jì)算手段，能獲取較為完整的煙霧區(qū)域。
[0122] 具體方法如下；
[0123] ①設(shè)當(dāng)前圖像為F，背景圖像為B，前景圖像為S，采用滑動(dòng)平均計(jì)算背景更新背景， 公式如下：
[0124] B = aF+(l-a)B
[0125] 其中a表示更新率;在通過當(dāng)前圖像與背景圖像進(jìn)行差分運(yùn)算并取絕對值獲取運(yùn) 動(dòng)前景，即：
[0126] S=If-B
[0127] ②對運(yùn)動(dòng)前景S進(jìn)行二值化，再提取輪廓，濾掉異常輪廓，所謂異常輪廓就是輪廓 面積較小者。獲取輪廓對應(yīng)在當(dāng)前圖像F對應(yīng)的圖像與掩碼，設(shè)輪廓序列圖像為
[012引{Ct}m(t 二 1,2,. . . ,m),
[0129] 掩碼圖像序列為
[0130] (Mt}m(t = l，2,. . .，m)，
[0131] 其中m表示有效輪廓的數(shù)量，t表示輪廓序號(hào).
[0132] ③計(jì)算輪廓圖像在掩碼區(qū)域內(nèi)的彩色直方圖通道），即計(jì)算Ct在掩碼區(qū)域Mt下 的直方圖，得到直方圖序列
[0133] 化t}m(t = l，2，. . .，m)
[0134] ④計(jì)算直方圖序列化在當(dāng)前圖像F中的反向投影，并將投影圖二值化，此時(shí)二值 化的圖像包含了運(yùn)動(dòng)區(qū)域與煙霧區(qū)域，設(shè)此圖像為.
[0135] (2)剔除包含運(yùn)動(dòng)區(qū)域與煙霧區(qū)域圖像中非煙霧區(qū)域在包含運(yùn)動(dòng)區(qū)域與煙霧區(qū)域 的圖像中，最可能的情況是包括了天空運(yùn)動(dòng)的云朵與煙氣，運(yùn)里用機(jī)器學(xué)習(xí)的方法進(jìn)行云 朵與煙氣的識(shí)別，具體過程如下：
[0136] ①通過大量煙氣監(jiān)控視頻，通過人為干預(yù)，分別提取視頻中關(guān)于煙氣與云朵的子 圖像(注:子圖像就是圖像中的一部分，煙氣的子圖像只含有煙氣，云朵子圖像只含云朵，為 了便于機(jī)器學(xué)習(xí)，圖像的數(shù)量要足夠大，本方法中，分別獲取了4000張關(guān)于云朵與煙氣的圖 像），并選取其他任意圖像（同樣需要圖像數(shù)量多，本方法從網(wǎng)絡(luò)上獲取的隨機(jī)圖像，1000 張)學(xué)習(xí)的負(fù)樣本；
[0137]②計(jì)算樣本圖像的顏色特征，運(yùn)里選取的特征包含顏色矩與直方圖，顏色矩的計(jì) 算方式如下：將圖像的顏色空間轉(zhuǎn)換為HSV顏色模式，然后分離圖像的S個(gè)通道，分別計(jì)算 H、S、V通道的的一階矩(平均值a)、顏色二階矩(方差V)和顏色=階矩(偏斜度S)，并設(shè)為
[013 引（出，山，出，53,5乂，53，￥3，￥乂，￥3)
[0139] 直方圖計(jì)算方式如下，計(jì)算H通道的直方圖將直方圖的箱子數(shù)設(shè)定為16,并歸一化 處理，得到如下向量
[0140] (Zi，Z2，... ，Zi6)
[0141] 因此對于圖片的顏色特征一共有25維，即
[0142] (Ha，Hv，出，Sa，Sv，Ss，Va，Vv，Vs，Zl，Z2, . . .，Zl6)
[0143] 計(jì)算所有煙氣圖像的顏色特征，標(biāo)簽標(biāo)記為I，計(jì)算所有云朵圖像與其他圖像的特 征，標(biāo)簽標(biāo)記為-1; 一部分樣本作為訓(xùn)練集(標(biāo)簽為1的樣本數(shù)量為3000,標(biāo)簽為-1的樣本的 為5000)，剩下的樣本作為測試集；
[0144] ③利用支持向量機(jī)對訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練模型，然后利用測試集對模型進(jìn) 行測試。若測試準(zhǔn)確率超過一定闊值(本方法設(shè)定為0.9)，則說明訓(xùn)練模型可用于識(shí)別，否 則改變訓(xùn)練的參數(shù)重新訓(xùn)練，直至滿足要求。（注:運(yùn)里用到訓(xùn)練使用了 LIBSVM，該庫是臺(tái)灣 大學(xué)林智仁教授提供的開源項(xiàng)目）
[0145] ④對包含了運(yùn)動(dòng)區(qū)域與煙霧區(qū)域的圖像^進(jìn)行區(qū)域分割，并獲取對應(yīng)在當(dāng)前視頻 圖像的區(qū)域的圖像序列，設(shè)為
[0146] (Dt}n(t = l，2,. . .，n)
[0147] 其中n表示區(qū)域的數(shù)量，Dt表示圖像中的運(yùn)動(dòng)目標(biāo)或者疑似煙霧區(qū)域。
[0148] 計(jì)算Dt的顏色特征，并帶入訓(xùn)練模型中進(jìn)行判斷，若結(jié)果為1，則表示Dt為煙氣區(qū) 域，否則為非煙氣區(qū)域;并將所有煙氣區(qū)域的圖像疊加到煙氣圖像P中。
[0149] (3)排煙判定
[0150] 通過(2)檢測出了煙氣區(qū)域，若煙氣區(qū)域與排煙口有交集，則說明排口正在排煙， 發(fā)出排煙信號(hào)。
[0151] 3.煙氣形態(tài)分析
[0152] 根據(jù)中華人民共和國環(huán)境行業(yè)保護(hù)標(biāo)準(zhǔn)《固定污染源排放煙氣黑度的測定-林格 曼煙氣黑度圖法》，在進(jìn)行煙氣黑度測試時(shí)若風(fēng)速大于4.5m/s時(shí)不宜進(jìn)行黑度觀測。因此在 進(jìn)行黑度檢測時(shí)，風(fēng)速應(yīng)該小于4.5m/s;若排煙位置附近有遠(yuǎn)程風(fēng)速測定設(shè)備，則直接調(diào)用 其數(shù)據(jù)即可，否則進(jìn)行煙氣形態(tài)分析。
[0153] 在無風(fēng)或者微風(fēng)時(shí)，受煙氣密度的的影響，煙氣會(huì)緩慢上升并呈扇形發(fā)散(如圖2 與圖3所示）。為了更好說明煙氣在視頻圖像中形態(tài)特征，做進(jìn)行如下定義：
[0154] 邊線:就是經(jīng)過排口并且與煙氣邊沿的最接近的直線，一般情況有兩條或者零條；
[0155] 中線:兩邊線之間的中位線；
[0156] 參考線:就是無風(fēng)情況下煙氣的中位線，一般情況就是穿越排口的鉛垂線；
[0157] 煙氣偏移度:指中線與參考線的夾角；
[OK引發(fā)散度:指邊線的夾角。
[0159] 煙氣受氣流的形態(tài)會(huì)發(fā)生改變，會(huì)偏向氣流流動(dòng)的方向。在無風(fēng)時(shí)，煙氣垂直上 升，用垂直方向作為煙氣偏移的參考線，參考線的位置就是鉛垂線穿越排口正中央的線，如 圖3所示?，F(xiàn)在用偏移度來衡量煙氣的形態(tài)，偏移度的計(jì)算如下：
[0160] (1)若排煙口在排煙，保留連續(xù)的煙氣圖像P，生成煙氣序列圖像
[0161] (Pt}K(t = l，2，. . .，K)
[0162] 其中t表示連續(xù)標(biāo)號(hào)，K表示圖像數(shù)量，當(dāng)有新的圖像加入時(shí)，離當(dāng)前時(shí)間最遠(yuǎn)的圖 像將被刪除，序列的長度始終為K(在本發(fā)明中K取值為10)
[0163] (2)對序列中的所有圖片進(jìn)行與運(yùn)算，即提取序列的圖片的公共區(qū)域，得到圖像C (如圖3所示的陰影部分）；陰影部分的邊線與圖像邊界有兩個(gè)交點(diǎn)，為了快速計(jì)算把兩交點(diǎn) 與排口的連線做為邊線，有可能整幅圖像都被煙氣彌漫，運(yùn)時(shí)無邊線。
[0164] 在有邊線的情況下計(jì)算煙氣偏移度與發(fā)散度。
[016日]4.天氣情況分析
[0166] 根據(jù)中華人民共和國環(huán)境行業(yè)保護(hù)標(biāo)準(zhǔn)《固定污染源排放煙氣黑度的測定-林格 曼煙氣黑度圖法》，觀測煙氣適宜在比較均勻的天空照明下進(jìn)行，雨雪天，霧天不宜觀測，若 在陰天情況下觀測，要根據(jù)經(jīng)驗(yàn)取偏低的級(jí)數(shù)，實(shí)際處理中減去0.25或者0.5,采用支持向 量機(jī)對天空背景進(jìn)行分析，分析過程如下：
[0167] (1)捜集樣本資料，即通過大量的監(jiān)控?cái)z像頭，在人為干預(yù)的下，獲取天空晴朗的 天空背景圖像、雨天天空背景圖像、雪天天空背景圖像、霧天天空背景圖像、W及陰天天空 背景圖像;再獲取其他的圖像若干張。（注:進(jìn)行機(jī)器學(xué)習(xí)，樣本數(shù)量要足夠大，本方法中，每 類選取了圖片2000張）
[0168] (2)根據(jù)方案第二步中<排煙(氣）口處可見煙氣是否排放監(jiān)測〉的方式，計(jì)算上述 圖像的顏色特征，不同類別圖像給定不同的標(biāo)簽，晴朗的天空背景標(biāo)簽為0,雨天天空背景 的標(biāo)簽為1，雪天天空背景的標(biāo)簽為2,霧天天空背景的標(biāo)簽為3,陰天天空背景的標(biāo)簽為4， 其他圖像標(biāo)簽為-1;
[0169] (3)利用支持向量機(jī)對訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練模型，然后利用測試集對模型進(jìn) 行測試。若測試準(zhǔn)確率超過一定闊值(本方法設(shè)定為0.9)，則說明訓(xùn)練模型可用于識(shí)別，否 則改變訓(xùn)練的參數(shù)重新訓(xùn)練，直至滿足要求。（注:運(yùn)里用到訓(xùn)練使用了 LIBSVM，該庫是臺(tái)灣 大學(xué)林智仁教授提供的開源項(xiàng)目）
[0170] (4)對當(dāng)前的圖片進(jìn)行區(qū)域分割，將不同的區(qū)域進(jìn)行特征計(jì)算，并調(diào)用訓(xùn)練模型， 得到結(jié)果就是天氣背景情況。
[0171 ]本方法在進(jìn)行處理中，每隔30分鐘計(jì)算一次天氣背景。
[0172] 5.煙氣黑度實(shí)時(shí)監(jiān)測
[0173] 根據(jù)觀測不同煙氣視頻，發(fā)現(xiàn)在煙氣偏移度小于45%發(fā)散度小于100°時(shí)，能滿足 觀測要求。若通過天空背景分析，若在非雨雪霧天的情況下適宜進(jìn)行黑度觀測，則計(jì)算黑 度;黑度計(jì)算方式如下：
[0174] (1)對于煙氣圖像P，匹配對應(yīng)的實(shí)時(shí)圖像，分離出煙氣區(qū)域，計(jì)算煙氣區(qū)域中顏色 最深的點(diǎn)，即與黑色RGB =(O，O，O)的顏色距離最小的點(diǎn)，并將該點(diǎn)的RGB值轉(zhuǎn)化為灰度值。
[0175] (2)林格曼黑度圖灰度化，林格曼黑度圖有O~5個(gè)等級(jí)，其中O等級(jí)與5等級(jí)代表全 白與全黑。其余4個(gè)等級(jí)時(shí)根據(jù)黑色條格占整會(huì)面積的百分?jǐn)?shù)確定的，林格曼I級(jí)黑色條格 的面積為20%，林格曼2級(jí)黑色條格的面積為40%，林格曼3級(jí)黑色條格的面積為60%林格 曼4級(jí)黑色條格的面積為80%，當(dāng)人眼與林格曼黑度圖的距離超過一定值時(shí)，林格曼黑度圖 的線條融合在一起，變成了灰度圖，通過換算，0~5等級(jí)的灰度值分別為255，255，204，153， 102,51，0。
[0176]通過煙氣顏色最深處的灰度值與林格曼黑度等級(jí)灰度進(jìn)行比較，最接近黑度等級(jí) 的值即為黑度等級(jí)，若通過天氣背景分析獲取的陰天背景，則將黑度等級(jí)減去0.25或者 0.5,并輸出黑度，計(jì)算煙氣區(qū)域的RGB平均值并輸出。
【主權(quán)項(xiàng)】
1. 一種基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:所述方法包括下列 步驟： 采集視頻實(shí)時(shí)圖像，對排口進(jìn)行自動(dòng)定位，動(dòng)態(tài)檢測與背景建模，對天空背景進(jìn)行分 析，判斷是否排煙，若否，發(fā)出未排煙信號(hào)，若是發(fā)出排煙信號(hào)并對煙氣形態(tài)分析;判斷是否 滿足黑度檢測條件，若否，發(fā)出當(dāng)前不適合進(jìn)行黑度檢測信號(hào);若是，進(jìn)行黑度與顏色分析， 輸出黑度等級(jí)與顏色。2. 如權(quán)利要求1所述的基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:所述 對排口進(jìn)行自動(dòng)定位的方法包括如下步驟： (1) 獲取等距圖像序列 每隔一定時(shí)間獲取一幀圖像，并對圖像進(jìn)行灰度化，然后進(jìn)行直方圖均衡化，保存到圖 像序列中，設(shè)保存的圖像序列為： {Pt}N(t=l，2, · · ·，N) 其中N表示序列的長度，即有圖像的數(shù)量，t表示時(shí)間;Pt表示t時(shí)刻的圖像； (2) 提取圖像序列的邊緣 對于序列中的圖像Pt進(jìn)行如下處理： ① 通過高通濾波器加強(qiáng)圖像的邊緣，得到圖像Ht，通過低通濾波器模糊圖像的邊緣Lt， 將高通濾波圖像Ht與低通濾波圖像Lt進(jìn)行差分并對結(jié)果取絕對值，然后二值化處理得 到邊緣圖像 ② 對圖像Pt進(jìn)行拉普拉斯變換，并進(jìn)行二值化，得到邊緣圖像B〃t; ③ 將V t與B〃t進(jìn)行或運(yùn)算得到圖像的邊緣Bt，即： B7 tor B^t = Bt 對序列{Pt}N(t=l，2,. . .，N)中的所有圖像進(jìn)行邊緣提取之后得到邊緣圖像序列 {Bt}N(t=l，2, · · ·，N) (3) 利用hough標(biāo)準(zhǔn)變換計(jì)算煙囪的方向 尋找煙囪位置位置方法如下： 對序列{Bt} N中的圖像Bt通過hough標(biāo)準(zhǔn)變換計(jì)算出圖像中的疑似煙囪邊界的所有直 線，設(shè)定投票值為圖像高度的四分之一，保留傾斜度在90±5°之間的直線并繪制在圖像Vt 中，直線的像素值為255,背景像素值為0;于是得到關(guān)于直線的圖像序列 {Vt}N(t=l，2, · · ·，N) (4) 獲取煙囪兩側(cè)的直線 對序列{Vt}N進(jìn)行統(tǒng)計(jì)，設(shè)序列{Vt}中（i，j)處像素為255的數(shù)量為n，設(shè)定閾值T，構(gòu)造直 線圖像，進(jìn)行如下計(jì)算：得到圖像Tc，圖像Tc中，距離最小的兩直線即為煙肉的兩側(cè)的直線，記為圖像Tk; (5) 對圖像序列{Bt}N，利用累計(jì)概率hough變換識(shí)別出序列中所有圖像的直線段，如某 位置處的直線在序列中超過一定比例，則視為有效的直線并保存在圖像Tp中；圖像Tk與圖 像Tp的公共位置即為煙囪兩側(cè)的豎線段，并將此保存到圖像Tout中，排口位置兩側(cè)直線段 用像素255標(biāo)記，其余位置用的像素用0標(biāo)記； (6)圖像Tout的兩直線頂端位置即為排口位置。3.如權(quán)利要求1所述的基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:所述 判斷是否排煙的步驟為： (1) 煙氣背景建模 ① 設(shè)當(dāng)前圖像為F，背景圖像為B，前景圖像為S，采用滑動(dòng)平均計(jì)算背景更新背景，公式 如下： B = aF+(l-a)B 其中a表示更新率;在通過當(dāng)前圖像與背景圖像進(jìn)行差分運(yùn)算并取絕對值獲取運(yùn)動(dòng)前 景，即： S= |f-b ② 對運(yùn)動(dòng)前景s進(jìn)行二值化，再提取輪廓，濾掉異常輪廓，異常輪廓就是輪廓面積較小 者;獲取輪廓對應(yīng)在當(dāng)前圖像F對應(yīng)的圖像與掩碼，設(shè)輪廓序列圖像為 {Ct}m(t一 1，2，· · ·，rn)， 掩碼圖像序列為 {Mt}m(t一 1，2，· · ·，rn)， 其中m表示有效輪廓的數(shù)量，t表示輪廓序號(hào)； ③ 計(jì)算輪廓圖像在掩碼區(qū)域內(nèi)的彩色直方圖，即計(jì)算Ct在掩碼區(qū)域Mt下的直方圖，得到 直方圖序列 {Ht}m(t=l，2, · · ·，m) ④ 計(jì)算直方圖序列{Ht}m在當(dāng)前圖像F中的反向投影，并將投影圖二值化，此時(shí)二值化的 圖像包含了運(yùn)動(dòng)區(qū)域與煙霧區(qū)域，設(shè)此圖像為f ; (2) 剔除包含運(yùn)動(dòng)區(qū)域與煙霧區(qū)域圖像中非煙霧區(qū)域 ① 通過大量煙氣監(jiān)控視頻，通過人為干預(yù)，分別提取視頻中關(guān)于煙氣與云朵的子圖像， 并選取其他任意圖像作為學(xué)習(xí)的負(fù)樣本； ② 計(jì)算樣本圖像的顏色特征，選取的特征包含顏色矩與直方圖，顏色矩的計(jì)算方式如 下:將圖像的顏色空間轉(zhuǎn)換為HSV顏色模式，然后分離圖像的三個(gè)通道，分別計(jì)算H、S、V通道 的的一階矩，即平均值a、顏色二階矩，即方差V和顏色三階矩，即偏斜度s，并設(shè)為 (Ha,Hv,Hs,Sa,Sv,Ss,Va,Vv,Vs) 直方圖計(jì)算方式如下，計(jì)算H通道的直方圖將直方圖的箱子數(shù)設(shè)定為16,并歸一化處 理，得到如下向量 (Zl，Z2,···，Zl6) 因此對于圖片的顏色特征一共有25維，即 (Ha，Hv，Hs，Sa，Sv，Ss，Va，Vv，Vs，Zl，Z2, · · ·，Zl6) 計(jì)算所有煙氣圖像的顏色特征，標(biāo)簽標(biāo)記為I，計(jì)算所有云朵圖像與其他圖像的特征， 標(biāo)簽標(biāo)記為-1; 一部分樣本作為訓(xùn)練集，剩下的樣本作為測試集； ③ 利用支持向量機(jī)對訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練模型，然后利用測試集對模型進(jìn)行測 試;若測試準(zhǔn)確率超過一定閾值，則說明訓(xùn)練模型可用于識(shí)別，否則改變訓(xùn)練的參數(shù)或者調(diào) 整樣本重新訓(xùn)練，直至滿足要求； ④對包含了運(yùn)動(dòng)區(qū)域與煙霧區(qū)域的圖像S'進(jìn)行區(qū)域分割，并獲取對應(yīng)在當(dāng)前視頻圖像 的區(qū)域的圖像序列，設(shè)為 {Dt}n(t=l，2, · · ·，n) 其中η表示區(qū)域的數(shù)量，Dt表示圖像中的運(yùn)動(dòng)目標(biāo)或者疑似煙霧區(qū)域； 計(jì)算Dt的顏色特征，并帶入訓(xùn)練模型中進(jìn)行判斷，若結(jié)果為1，則表示Dt為煙氣區(qū)域，否 則為非煙氣區(qū)域;并將所有煙氣區(qū)域的圖像疊加到煙氣圖像P中； (3)排煙判定 通過(2)檢測出了煙氣區(qū)域，若煙氣區(qū)域與排煙口有交集，則說明排口正在排煙，發(fā)出 排煙信號(hào)。4. 如權(quán)利要求1所述的基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:煙氣 形態(tài)分析的步驟如下： (1) 若排煙口在排煙，保留連續(xù)的煙氣圖像Ρ，生成煙氣序列圖像 {Pt}K(t=l，2, · · ·，Κ) 其中t表示連續(xù)標(biāo)號(hào)，K表示圖像數(shù)量，當(dāng)有新的圖像加入時(shí)，離當(dāng)前時(shí)間最遠(yuǎn)的圖像將 被刪除，序列的長度始終為K; (2) 對序列中的所有圖片進(jìn)行與運(yùn)算，即提取序列的圖片的公共區(qū)域，得到圖像C;煙氣 區(qū)域部分的邊線與圖像邊界有兩個(gè)交點(diǎn)，為了快速計(jì)算把兩交點(diǎn)與排口的連線做為邊線， 但有可能整幅圖像都被煙氣彌漫，這時(shí)無邊線； 在有邊線的情況下計(jì)算煙氣偏移度與發(fā)散度； 其中，邊線:就是經(jīng)過排口并且與煙氣邊沿的最接近的直線，有兩條或者零條； 中線:兩邊線之間的中位線； 參考線:無風(fēng)情況下煙氣的中位線； 煙氣偏移度:指中線與參考線的夾角； 發(fā)散度:指邊線的夾角。5. 如權(quán)利要求1所述的基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:對天 空背景進(jìn)行分析的步驟如下： (1) 搜集樣本資料，即通過大量的監(jiān)控?cái)z像頭，在人為干預(yù)的下，獲取天空晴朗的天空 背景圖像、雨天天空背景圖像、雪天天空背景圖像、霧天天空背景圖像、以及陰天天空背景 圖像;再獲取除以上五種情況以外的圖像若干張； (2) 計(jì)算上述圖像的顏色特征，不同類別圖像給定不同的標(biāo)簽，晴朗的天空背景標(biāo)簽為 0,雨天天空背景的標(biāo)簽為1，雪天天空背景的標(biāo)簽為2,霧天天空背景的標(biāo)簽為3,陰天天空 背景的標(biāo)簽為4,其他圖像標(biāo)簽為-1; (3) 利用支持向量機(jī)對訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練模型，然后利用測試集對模型進(jìn)行測 試;若測試準(zhǔn)確率超過一定閾值，則說明訓(xùn)練模型可用于識(shí)別，否則改變訓(xùn)練的參數(shù)重新訓(xùn) 練，直至滿足要求； (4) 對當(dāng)前的圖片進(jìn)行區(qū)域分割，將不同的區(qū)域進(jìn)行特征計(jì)算，并調(diào)用訓(xùn)練模型，得到 結(jié)果就是天氣背景情況。6. 如權(quán)利要求1所述的基于圖像分析技術(shù)的煙氣黑度智能檢測方法，其特征在于:進(jìn)行 黑度與顏色分析的步驟如下： 根據(jù)觀測不同煙氣視頻，發(fā)現(xiàn)在煙氣偏移度小于45°，發(fā)散度小于100°時(shí)，能滿足觀測 要求，若通過天空背景分析，若在非雨雪霧天的情況下適宜進(jìn)行黑度觀測，則計(jì)算黑度；黑 度計(jì)算方式如下：（1)對于煙氣圖像P，匹配對應(yīng)的實(shí)時(shí)圖像，分離出煙氣區(qū)域，計(jì)算煙氣區(qū) 域中顏色最深的點(diǎn)，即與黑色RGB= (0,0,0)的顏色距離最小的點(diǎn)，并將該點(diǎn)的RGB值轉(zhuǎn)化為 灰度值； (2)通過煙氣顏色最深處的灰度值與林格曼黑度等級(jí)灰度進(jìn)行比較，最接近黑度等級(jí) 的值即為黑度等級(jí)，若通過天氣背景分析獲取的陰天背景，則將黑度等級(jí)減去0.25或者 0.5,并輸出黑度，計(jì)算煙氣區(qū)域的RGB平均值并輸出。
【文檔編號(hào)】G06T7/00GK106023199SQ201610335080
【公開日】2016年10月12日
【申請日】2016年5月19日
【發(fā)明人】吳海洋
【申請人】重慶揚(yáng)訊軟件技術(shù)有限公司