專利名稱：一種基于光流法的視頻火災(zāi)煙霧圖像識別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于火災(zāi)探測技術(shù)領(lǐng)域，具體涉及計算機圖像處理和視頻火災(zāi)探測、特別涉及基于光流法的視頻火災(zāi)煙霧圖像識別方法。

背景技術(shù)：
可視火災(zāi)探測技術(shù)根據(jù)探測對象及識別算法的不同，可分為火焰圖像探測技術(shù)和煙霧圖像探測技術(shù)。其中煙霧圖像識別探測技術(shù)能夠較早發(fā)現(xiàn)火災(zāi)，實現(xiàn)早期火災(zāi)探測。荷蘭的《模式識別期刊》(Pattern Recognition Letters，2006，2749-58)介紹的一種基于小波變換的煙霧識別方法，根據(jù)背景圖像在煙霧遮擋下邊緣變模糊的特點，利用2層小波變換高頻子帶研究煙霧的模糊遮擋特征，小波變換能夠較好地提取圖像中的點奇異特征，但不能很好地提取線奇異特征，存在一定的局限性。2007年在美國奧蘭多舉行的阻燃和探測研究與應(yīng)用大會(Suppression and Detection Research and ApplicationConference，SUPDET 2007，Orlando，F(xiàn)lorida，March5-8，2007)上，熊子佑等提出了一種利用高斯混合模型提取煙霧運動區(qū)域，然后通過分析輪廓的不規(guī)則性來識別煙霧的方法，但是由于煙霧邊緣并不明顯以及噪聲的影響，這種方法在復(fù)雜監(jiān)控條件下的應(yīng)用效果不好。中國專利公告號CN1325903C介紹的一種基于像素級的煙霧檢驗方法，可以通過檢測監(jiān)控圖像的像素亮度值所在區(qū)間來識別煙霧，基于像素亮度的識別方法雖然識別速度較快，但由于很多環(huán)境物體和煙霧具有相近的色彩統(tǒng)計特征，因此誤報相當(dāng)嚴(yán)重。國內(nèi)外現(xiàn)有關(guān)于可視煙霧探測技術(shù)研究已經(jīng)提出的特征提取方法或產(chǎn)品大多采用基于像素級的研究方法，尚不能準(zhǔn)確反應(yīng)出煙霧的運動特征，仍然存在漏報、誤報問題，這些系統(tǒng)在復(fù)雜環(huán)境下的穩(wěn)定性、適應(yīng)性也比較差。
光流法是機器視覺中運動圖像分析的重要方法。光流法最初是在荷蘭人工智能雜志(Artificial Intelligence，17，1981，185-203)提出的。當(dāng)物體運動時，在圖像上對應(yīng)物體的亮度模式也在運動，光流是指圖像亮度模式的表觀(或視在)運動。設(shè)I(x，y，t)是圖像點(x，y)在時刻t的像素值，如果u(x，y)和v(x，y)是該點光流的x和y分量，假定點在t+δt時運動到(x+δx，y+δy)時，像素值保持不變，則光流約束方程可表示為 I(x+uδt，y+vδt，t+δt)＝I(x，y，t) 其中δx＝uδt，δy＝vδt，由于圖像中的每一點上有兩個未知數(shù)光流的x分量u和光流的y分量v，但只有一個方程，因此，只使用一個點上的信息是不能確定光流的。人們將這種不確定問題稱為孔徑問題。由于孔徑問題的存在，因此還需要通過假設(shè)確立另外一個方程才能求解光流。根據(jù)假設(shè)方法的不同，目前的光流法大體分為梯度法、相關(guān)匹配法和時空能量法。光流法計算一般均比較復(fù)雜，計算時間比較長。
國內(nèi)外已有的研究中將光流法應(yīng)用于煙霧火災(zāi)探測的極少。日本《電工協(xié)會學(xué)報》(Transactions of the Institute of Electrical Engineers of Japan，Part Dvol.124-d，no.4414-20，2004)和2003年在美國奧蘭多舉行的自動目標(biāo)識別大會(Conference on Automatic Target Recognition XII，APR 22-24，2003，ORLANDO，F(xiàn)LORIDA)公開的有關(guān)將光流法應(yīng)用于森林火災(zāi)探測研究的兩篇文章，前一篇中需要查找火焰區(qū)域，不能用于只有煙霧而火焰被遮擋的情況；后一篇中只是用光流計算煙霧圖像的光流，并沒有建立將煙霧與干擾源區(qū)別開來的特征模型；以上兩篇文章中使用的光流法計算量較大，不能滿足早期火災(zāi)探測的要求。


發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于光流法的視頻火災(zāi)煙霧圖像識別方法，通過準(zhǔn)確提取煙霧運動特征將煙霧與干擾源區(qū)分開來，從而大大降低誤報率。
本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別方法，將由監(jiān)控攝像頭得到的視頻圖像通過采集卡傳給視頻監(jiān)控計算機進(jìn)行處理采用差分法提取前景圖像并計算前景圖像的角點；再計算前景圖像角點的光流并進(jìn)行判別，如果判別為火災(zāi)煙霧，則計算機發(fā)出指令，控制報警器發(fā)出報警信號，并控制聯(lián)動滅火裝置迅速啟動滅火功能；如果判別為非火災(zāi)煙霧，則返回最初的步驟； 所述采用差分法提取前景圖像的操作為 利用計算機將由監(jiān)控攝像頭得到的視頻圖像數(shù)據(jù)分解成一幀幀的圖像，將第一幀作為背景圖像，從第二幀開始，將背景圖像與每一幀圖像按照式(1)進(jìn)行差分
式中(x，y)為以圖像長方向為x軸，寬方向為y軸建立的坐標(biāo)系中像素點的坐標(biāo)，X(x，y)為前景圖像，j代表背景幀，k代表當(dāng)前幀，I(x，y，j)為背景幀點(x，y)的像素值，I(x，y，k)為當(dāng)前幀點(x，y)的像素值，T是閾值； 按照式(2)更新背景圖像I(x，y，j) 式中a是常數(shù)，0＜a＜1；如果差分結(jié)果圖像X(x，y)中點(x，y)的像素值為0，則更新背景圖像中(x，y)點的像素值I(x，y，j)，如果差分結(jié)果前景圖像X(x，y)中點(x，y)的像素值為1，則不進(jìn)行操作，像素值為1的圖像部分稱為前景圖像； 接著計算前景圖像X(x，y)的角點先查找前景圖像的角點，對于圖像中每個像素計算其橫向變化梯度Ix(x，y)和縱向變化梯度Iy(x，y) 計算空間梯度矩陣 該空間梯度矩陣G為二維矩陣，具有兩個特征值，設(shè)第一特征值為λ1，第二特征值為λ2，則設(shè)最小特征值為λm＝min(λ1，λ2)，整張圖像中的最大特征值λmax＝max(λm(x，y))，即整張圖像中的最大特征值λmax為整張圖像中各個像素點的最小特征值λm的最大值；設(shè)特征值的閾值λ0＝0.1λmax，則保留最小特征值λm＞λ0的所有像素點；對于以上得到的像素點，在圖像中所有任意長為3個像素、寬為3個像素的9點窗口中，只保留最小特征值λm最大的點；由以上步驟最后得到的點即為前景圖像的角點； 其特征在于 所述計算前景圖像角點的光流并進(jìn)行判別的操作為 計算上述得到的每一個角點的光流，并滿足以下光流約束方程 Ixu+Iyv+It＝0(6) 其中 式中I為圖像的像素值，u表示光流x方向分量，v表示光流y方向分量； 再計算光流速度大小和和方向的平均值和方差，并與預(yù)先設(shè)定的閾值進(jìn)行比較從而給出報警判定，操作為 設(shè)角點的光流向量d，其大小為|d|，其方向角為θ，按照式(7)和式(8)計算所有角點光流速度大小組成的數(shù)組的平均值和方差以及所有角點光流速度方向組成的數(shù)組的平均值和方差 其中速度方向采用弧度值表示； 對上述計算結(jié)果按照以下方式設(shè)定閾值設(shè)煙霧圖像計算得到的光流速度大小組成數(shù)組的方差為S1|d|2和光流速度方向組成的數(shù)組的方差為S1θ2，干擾源圖像計算得到的光流速度大小組成數(shù)組的方差為S2|d|2和光流速度方向組成的數(shù)組的方差為S2θ2，設(shè)定2個閾值M和N分別滿足S2|d|2＜M＜S1|d|2和S2e2＜N＜S1e2，當(dāng)視頻圖像計算結(jié)果S|d|2＞M和Sθ2＞N時，滿足判別條件；光流速度方向組成的數(shù)組的平均值θave滿足0＜θave＜2π時，滿足判別條件；只有當(dāng)計算結(jié)果S|d|2、Sθ2和θave同時滿足判別條件時，才可判定為火災(zāi)煙霧，否則判定為非火災(zāi)煙霧。
現(xiàn)有利用可見光波段圖像的火災(zāi)探測系統(tǒng)由于很多環(huán)境物體和煙霧具有相近的色彩統(tǒng)計特征，因此誤報相當(dāng)嚴(yán)重。國內(nèi)外已有的將光流法應(yīng)用于煙霧火災(zāi)探測的研究中只是用光流計算煙霧圖像的光流，并沒有建立將煙霧與干擾源區(qū)別開來的特征模型，并且使用的光流法計算量較大，不能滿足早期火災(zāi)探測的要求。本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別方法，對由監(jiān)控攝像機得到的視頻圖像首先通過差分法提取前景圖像，然后計算前景圖像的角點的光流，最后通過計算光流速度大小和和方向的平均值和方差，并與預(yù)先設(shè)定的閾值進(jìn)行比較從而判斷是否為火災(zāi)煙霧。提取圖像中煙霧運動區(qū)域角點的光流，既能夠準(zhǔn)確的反映煙霧運動特征，使結(jié)果受光線干擾和相同像素的影響較?。挥钟捎谥挥嬎憬屈c的光流，大大減少了運算量，提高了本方法的實用性；并且基于光流法的計算結(jié)果，通過統(tǒng)計角點光流速度大小組成的數(shù)組的平均值和方差以及所有角點光流速度方向組成的數(shù)組的平均值和方差，然后通過閾值判斷是否存在火災(zāi)煙霧，可大大降低誤報率，實現(xiàn)了對煙霧快速準(zhǔn)確的識別，這是以往技術(shù)中所沒有的。



圖1為本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別方法的系統(tǒng)構(gòu)成示意圖。
圖2為本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別操作流程框圖。

具體實施例方式 實施例1 圖1給出了本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別方法的系統(tǒng)構(gòu)成示意圖將監(jiān)測攝像頭D采集到的被監(jiān)控區(qū)域C的視頻圖像數(shù)據(jù)通過數(shù)據(jù)采集卡E或硬盤錄像機F傳到視頻監(jiān)控計算機A，視頻監(jiān)控計算機A利用根據(jù)本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別方法的操作流程圖編寫的圖像分析軟件對視頻圖像進(jìn)行在線自動分析，如果判斷存在火災(zāi)煙霧，則通過計算機發(fā)出指令控制報警及聯(lián)動滅火裝置B發(fā)出報警信號并啟動聯(lián)動滅火裝置迅速滅火；如果基于光流法的計算結(jié)果小于閾值，則判斷為非火災(zāi)煙霧，返回到流程的第一步，重新進(jìn)入下一輪循環(huán)，開始讀取下一張圖像數(shù)據(jù)…。
圖2給出了本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別的操作流程框圖，步驟為1、計算機讀取視頻圖像數(shù)據(jù)；2、通過差分得到前景圖像；3、更新背景圖像；4、計算前景圖像運動區(qū)域角點；5、計算角點光流；6、計算光流速度大小和方向的平均值和方差；7、根據(jù)計算光流速度大小和方向的平均值和方差，并與預(yù)先設(shè)定的閾值進(jìn)行比較，從而判斷被監(jiān)控區(qū)域C中是否有火災(zāi)煙霧；8、如果是火災(zāi)煙霧，給出報警信號并啟動聯(lián)動滅火裝置迅速滅火；如果否，則重新返回到最初的步驟。
本發(fā)明基于光流法的視頻火災(zāi)煙霧圖像識別的具體操作步驟如下 利用計算機A將由監(jiān)控攝像頭D讀取的視頻圖像數(shù)據(jù)分解成一幀幀的圖像，將第一幀作為背景圖像，從第二幀開始，將背景圖像與每一幀圖像按照式(1)進(jìn)行差分得到前景圖像
式中(x，y)為以圖像長方向為x軸，寬方向為y軸建立的坐標(biāo)系中像素點的坐標(biāo)，X(x，y)為前景圖像，j代表背景幀，k代表當(dāng)前幀，I(x，y，j)為背景幀點(x，y)的像素值，I(x，y，k)為當(dāng)前幀點(x，y)的像素值，T是閾值； 按照式(2)更新背景圖像I(x，y，j) 式中a是常數(shù)，0＜a＜1；本實施例中a取0.03，這樣背景圖像更新效果較好；如果差分結(jié)果圖像X(x，y)中點(x，y)的像素值為0，則更新背景圖像中(x，y)點的像素值I(x，y，j)，如果差分結(jié)果前景圖像X(x，y)中點(x，y)的像素值為1，則不進(jìn)行任何操作，像素值為1的圖像部分稱為前景圖像； 接著按照式(3)至式(5)計算運動區(qū)域角點。為了使描述較簡單方便，下面將I(x，y，k)均簡化表示為I(x，y)。
首先查找圖像角點，角點是前景圖像上橫向和縱向梯度變化明顯的點，可以表示前景圖像的變化特征，只計算前景圖像角點的光流，可以減少運算量，又不會丟失前景圖像的變化特征，操作步驟如下 對于圖像中每個像素， (a)先按照式(3)和(4)計算其橫向變化梯度Ix(x，y)和縱向變化梯度Iy(x，y) (b)由式(5)計算空間梯度矩陣G 該空間梯度矩陣G為二維矩陣，具有兩個特征值，設(shè)第一特征值為λ1，第二特征值為λ2，則設(shè)最小特征值λm＝min(λ1，λ2)； (c)設(shè)λmax＝max(λm(x，y))，即λmax為整張圖像中各個像素點的λm的最大值； (d)設(shè)閾值λ0＝0.1λmax，則保留λm＞λ0的所有像素點； (e)對于以上得到的像素點，在圖像中所有任意長為3個像素、寬為3個像素的9點窗口中，只保留最小特征值λm最大的點；由以上步驟最后得到的點即為前景圖像的角點； 然后按以下步驟計算前景圖像角點的光流 本實施例中采用基于金字塔法的盧卡斯光流計算，先定義圖像的金字塔表示圖像I的長nx寬ny，設(shè)I0＝I是第0級圖像，這時的圖像的分辨率最大，每一級圖像可以理解為金字塔的每一層，金字塔從底層到頂層越向上越窄，而圖像級越大，分辨率越低，并且每一級圖像都可由前一級圖像按照金字塔表示得到，圖像的寬定義為圖像的高定義為然后由第0級圖像I0計算第1級圖像I1，再由第1級圖像I1計算得到第2級圖像I2，設(shè)IL-1代表第L-1級圖像，定義nxL-1和nyL-1分別為第L-1級圖像IL-1的長和寬，則第L級圖像的金字塔表示為 上式中，第L級圖像的橫坐標(biāo)x和第L級圖像的縱坐標(biāo)y需要滿足和同時第L級圖像IL的寬nxL和長nyL是滿足下式 然后計算金字塔圖象的光流，圖像I和圖像J是時間上相鄰的兩張圖像，對于圖像I中的點p，找到它在圖像J中對應(yīng)的點。構(gòu)造圖像I和圖像J的金字塔表示和光流迭代的初始值Lm是金字塔的高，一般選擇2，3或4， 對于L＝Lm級到0級的Lm+1張圖像依次按以下步驟計算 步驟一、某點p在第L級圖像IL中的坐標(biāo)為 pL＝[px py]T＝p/2L(9) 由式(5)計算第L級圖像IL的空間梯度矩陣G，盧卡斯迭代的初始值為v＝
T； 步驟二、按照以下方法進(jìn)行迭代通過盧卡斯光流法計算光流下一步計算的初始值為迭代計算直到

小于一個趨于0的閾值，其中差分圖像 圖像差分匹配向量 最后在以上迭代完成后得到第L級的最終光流為第L-1級的迭代初始值設(shè)為 步驟三、當(dāng)計算到第0級后得到最后的光流向量為 d＝g0+d0 (13) 圖像I中的點某p，在圖像J中對應(yīng)的點的位置是 v＝p+d(14) 所述盧卡斯光流計算方法(可參見美國《計算機視覺國際期刊》InternationalJournal of Computer Vision，12(1)，P43-77，1994)如下 由光流約束方程I(x+uδt，y+vδt，t+δt)＝I(x，y，t)推導(dǎo)得到 Ixu+Iyv+It＝0 (6) 其中 式中I為圖像的像素值，u表示光流x方向分量，v表示光流y方向分量； 由于只有一個方程而有2個未知數(shù)，僅有這一約束方程還不能唯一地求解u和v，因此還需要其它約束。
盧卡斯方法假設(shè)在一個小的空間鄰域Ω上運動矢量保持恒定，然后使用加權(quán)最小二乘方估計光流。在一個小的空間鄰域Ω上，光流估計誤差定義為 其中W(x)表示窗口權(quán)重函數(shù)，它使鄰域中心部分對約束產(chǎn)生的影響比外圍部分更大。設(shè)速度向量v＝(u，v)T，點(x，y)的空間梯度向量則(15)式的解由下式給出 ATW2Av＝ATW2b(16) 其中，在時刻t的n個點xi∈Ω， W＝diag[W(x1)，...，W(xn)]， b＝-(It(x1)，...，It(xn))T. 式(14)的解為v＝[ATW2A]-1ATW2b，其中當(dāng)ATW2A為非奇異時可得到解析解，因為它是一個2×2的矩陣 其中所有的和都是在鄰域Ω上的點得到的。
式(15)和(16)也可認(rèn)為是從法向速度vn＝sn得到的估計v的加權(quán)最小二乘估計；即式(15)等于 實現(xiàn)首先用標(biāo)準(zhǔn)差為1.5像素/幀的時空高斯濾波器平滑圖象序列，w(x)是權(quán)值，梯度的計算使用了4點中心差，其系數(shù)模板為(-1 8 0-8 1)/12，空間鄰域Ω為5×5像素大小，窗口權(quán)重函數(shù)W2(x)為可分離的和各向同性的，一維權(quán)為(0.625 0.25 0.3750.25 0.0625)； 最后對根據(jù)式(13)計算得到的煙霧運動角點的光流向量d，設(shè)其大小為|d|，其方向角為θ，按照式(7)和式(8)計算這些角點光流速度大小組成的數(shù)組的平均值和方差以及所有角點光流速度方向組成的數(shù)組的平均值和方差， 其中速度方向利用弧度值表示；對以上4個方程計算得到的結(jié)果按照以下方式設(shè)定閾值因為煙霧的運動為湍流運動，其圖像上各個角點計算得到的S|d|2和Sθ2要比常見干擾源的S|d|2和Sθ2大，因此在選定場景及固定監(jiān)控攝像機位置后，通過計算干擾源圖像及火災(zāi)煙霧圖像角點的光流，并代入式(7)和式(8)中，得到計算結(jié)果，設(shè)煙霧圖像計算得到的光流速度大小組成數(shù)組的方差為S1|d|2和光流速度方向組成的數(shù)組的方差為S1θ2，干擾源圖像計算得到的光流速度大小組成數(shù)組的方差為S2|d|2和光流速度方向組成的數(shù)組的方差為S2θ2，設(shè)定2個閾值M和N分別滿足S2|d|2＜M＜S1|d|2和S2e2＜N＜S1e2，當(dāng)視頻圖像計算結(jié)果S|d|2＞M和Sθ2＞N時，滿足判別條件；煙霧運動速度方向一般向上，因此光流速度方向組成的數(shù)組的平均值θave滿足0＜θave＜2π時，滿足判別條件，只有當(dāng)計算結(jié)果S|d|2、Sθ2和θave同時滿足判別條件時，方可判定為火災(zāi)煙霧；對于速度大小|d|ave不設(shè)定閾值。若判定為火災(zāi)煙霧則給出報警信號，計算機A通過向串口發(fā)送指令輸出報警信號并啟動聯(lián)動滅火裝置B；否則，若判定為非火災(zāi)煙霧，則返回最初的步驟。
本發(fā)明方法中由于利用前景圖像的角點來代替整個運動區(qū)域，可以有效減少光流計算的計算量。由于由煙霧圖像得到的各個角點的速度方向比較分散，并且速度大小相差也比較大，因此由速度方向和速度大小計算得到的方差值較大；而由干擾源圖像例如人的光流計算結(jié)果則大體可以反映出人的行走方向，前景圖像上所有角點的速度大小也相差不多，因此得到的由這些角點光流速度大小組成的數(shù)組的方差以及這些角點光流速度方向組成的數(shù)組的方差值較小。由于煙霧圖像主要特征之一是湍流效應(yīng)，煙霧湍流是一種小尺度、快速變化的隨機運動，具有豐富的運動形態(tài)和尺寸的變化，本發(fā)明方法利用煙霧特征點速度大小的方差以及速度方向弧度值的大小和方差來反應(yīng)煙霧的湍流效應(yīng)，從而可將煙霧與干擾源圖像區(qū)別開來。
權(quán)利要求
1、一種基于光流法的視頻火災(zāi)煙霧圖像識別方法，將由監(jiān)控攝像頭得到的視頻圖像通過采集卡傳給視頻監(jiān)控計算機進(jìn)行處理采用差分法提取前景圖像并計算前景圖像的角點；再計算前景圖像角點的光流并進(jìn)行判別，如果判別為火災(zāi)煙霧，則計算機發(fā)出指令，控制報警器發(fā)出報警信號，并控制聯(lián)動滅火裝置迅速啟動滅火功能；如果判別為非火災(zāi)煙霧，則返回最初的步驟；
所述采用差分法提取前景圖像的操作為
利用計算機將由監(jiān)控攝像頭得到的視頻圖像數(shù)據(jù)分解成一幀幀的圖像，將第一幀作為背景圖像，從第二幀開始，將背景圖像與每一幀圖像按照式(1)進(jìn)行差分
式中(x，y)為以圖像長方向為x軸，寬方向為y軸建立的坐標(biāo)系中像素點的坐標(biāo)，X(x，y)為前景圖像，j代表背景幀，k代表當(dāng)前幀，I(x，y，j)為背景幀點(x，y)的像素值，I(x，y，k)為當(dāng)前幀點(x，y)的像素值，T是閾值；
按照式(2)更新背景圖像I(x，y，j)
式中α是常數(shù)，0＜α＜1；如果差分結(jié)果圖像X(x，y)中點(x，y)的像素值為0，則更新背景圖像中(x，y)點的像素值I(x，y，j)，如果差分結(jié)果前景圖像X(x，y)中點(x，y)的像素值為1，則不進(jìn)行操作，像素值為1的圖像部分稱為前景圖像；
接著計算前景圖像X(x，y)的角點先查找前景圖像的角點，對于圖像中每個像素計算其橫向變化梯度Ix(x，y)和縱向變化梯度Iy(x，y)
計算空間梯度矩陣
該空間梯度矩陣G為二維矩陣，具有兩個特征值，設(shè)第一特征值為λ1，第二特征值為λ2，則設(shè)最小特征值為λm＝min(λ1，λ2)，整張圖像中的最大特征值λmax＝max(λm(x，y))，即整張圖像中的最大特征值λmax為整張圖像中各個像素點的最小特征值λm的最大值；設(shè)特征值的閾值λ0＝0.1λmax，則保留最小特征值λm＞λ0的所有像素點；對于以上得到的像素點，在圖像中所有任意長為3個像素、寬為3個像素的9點窗口中，只保留最小特征值λm最大的點；由以上步驟最后得到的點即為前景圖像的角點；
其特征在于
所述計算前景圖像角點的光流并進(jìn)行判別的操作為
計算上述得到的每一個角點的光流，并滿足以下光流約束方程
Ixu+Iyv+It＝0(6)
其中
式中I為圖像的像素值，u表示光流x方向分量，v表示光流y方向分量；
再計算光流速度大小和和方向的平均值和方差，并與預(yù)先設(shè)定的閾值進(jìn)行比較從而給出報警判定，操作為
設(shè)角點的光流向量d，其大小為|d|，其方向角為θ，按照式(7)和式(8)計算所有角點光流速度大小組成的數(shù)組的平均值和方差以及所有角點光流速度方向組成的數(shù)組的平均值和方差
其中速度方向采用弧度值表示；
對上述計算結(jié)果按照以下方式設(shè)定閾值設(shè)煙霧圖像計算得到的光流速度大小組成數(shù)組的方差為S1|d|2和光流速度方向組成的數(shù)組的方差為S1θ2，干擾源圖像計算得到的光流速度大小組成數(shù)組的方差為S2|d|2和光流速度方向組成的數(shù)組的方差為S2θ2，設(shè)定2個閾值M和N分別滿足S2|d|2＜M＜S1|d|2和S2e2＜N＜S1e2，當(dāng)視頻圖像計算結(jié)果S|d|2＞M和Sθ2＞N時，滿足判別條件；光流速度方向組成的數(shù)組的平均值θave滿足0＜θave＜2π時，滿足判別條件；當(dāng)計算結(jié)果S|d|2、Sθ2和θave同時滿足判別條件時，判定為火災(zāi)煙霧，否則判定為非火災(zāi)煙霧。
全文摘要
本發(fā)明公開了一種基于光流法的視頻火災(zāi)煙霧圖像識別方法，特征是通過計算機對由監(jiān)控攝像機得到的視頻圖像提取煙霧運動區(qū)域角點的光流，通過計算前景圖像中所有角點光流速度大小組成數(shù)組的平均值和方差及光流速度方向組成數(shù)組的平均值和方差，根據(jù)設(shè)定閾值判斷是否為火災(zāi)煙霧，如果判別為火災(zāi)煙霧，則計算機發(fā)出指令，控制報警器發(fā)出報警信號，并控制聯(lián)動滅火裝置迅速啟動滅火功能；如果判別為非火災(zāi)煙霧，則返回到最初的步驟。采用本發(fā)明方法既能夠準(zhǔn)確的反映煙霧運動特征，使結(jié)果受光線干擾和相同像素的影響較小，又能夠減少運算量，提高了實用性；可大大降低誤報率，能夠快速準(zhǔn)確地實現(xiàn)火災(zāi)煙霧探測功能。
文檔編號G08B17/10GK101339602SQ20081002314
公開日2009年1月7日 申請日期2008年7月15日 優(yōu)先權(quán)日2008年7月15日
發(fā)明者張永明, 于春雨, 袁非牛, 俊 方, 王進(jìn)軍 申請人:中國科學(xué)技術(shù)大學(xué)