視頻圖像中煙霧檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻監(jiān)控領(lǐng)域的煙霧檢測技術(shù)，尤其涉及視頻圖像中煙霧檢測方法。
【背景技術(shù)】
[0002]傳統(tǒng)基于傳感器的煙霧檢測無法有效處理開放環(huán)境下的煙霧，原因在于:1、開放環(huán)境下煙霧擴(kuò)散速度快，難以達(dá)到足夠的濃度;2、開放環(huán)境下沒有合適的位置去安放傳感器;3、基于傳感器的方式健康范圍有限，在開放環(huán)境下做到有效監(jiān)控需要耗費(fèi)巨大的成本。目前基于視頻圖像的煙霧檢測分析方法主要有:1、利用煙霧的顏色作為特征，主要是將煙霧分為白煙和青煙，考慮他們在RGB顏色空間的分布;2、利用煙霧的運(yùn)動特征，考慮煙霧由火災(zāi)引起，受熱后都是向天空方向擴(kuò)散，面積或逐步擴(kuò)大，區(qū)域中心上移;3、考慮煙霧的形狀特征，煙霧在擴(kuò)散中被空氣流動會形成各種不規(guī)則形狀，通過分析輪廓長度/面積比率可以在一定程度上衡量這種不規(guī)則性;4、基于小波分析提取運(yùn)動區(qū)域能量信息，統(tǒng)計煙霧區(qū)域能量特征;基于前述特征訓(xùn)練adaboost、神經(jīng)網(wǎng)絡(luò)、svm或者其他線性分類器判決當(dāng)前區(qū)域是否存在煙霧。但是通常煙霧區(qū)域都是模糊的一片區(qū)域，直接提取整個煙霧區(qū)域的特征會形成一個很寬泛的顏色空間約束，容易導(dǎo)致虛警;而煙霧的形狀特征也通常難以湊效，因為開闊空間里煙霧擴(kuò)散較快，在煙霧剛產(chǎn)生時，運(yùn)動信息是可以利用的，但在沒有明顯空氣流動的情況下，一段時間后煙霧會在產(chǎn)生點(diǎn)上空會形成一個具有一定濃度的穩(wěn)定區(qū)域，形狀不再變化;在有明顯空氣流動的情況下，煙霧離開地面一定范圍后迅速擴(kuò)散，同樣難以檢測到煙霧的面積變化趨勢和中心變化趨勢;基于前述理由，煙霧的形狀特征同樣不是一個穩(wěn)定可以利用的特征，不具有共性;基于能量的分析則存在方法上的缺陷，因為煙霧存在的區(qū)域在煙霧產(chǎn)生之前也可能并沒有很多高頻信息。

【發(fā)明內(nèi)容】

[0003]針對上述技術(shù)缺陷，本發(fā)明提出視頻圖像中煙霧檢測方法，對于室內(nèi)或者室外場景都能進(jìn)行有效的監(jiān)控，及時的對煙霧的產(chǎn)生進(jìn)行報警，對火災(zāi)的監(jiān)控防范提供有效的手段。
[0004]為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下:
視頻圖像中煙霧檢測方法，包括如下步驟:
選定有代表性的含煙霧的視頻，使用特征提取模塊進(jìn)行提取顏色分布特征、提取對比度特征處理；
所述提取顏色分布特征包括如下步驟:
111)逐幀播放該煙霧視頻，對于包含煙霧的視頻幀，對煙霧顯著區(qū)域進(jìn)行顏色采樣，采樣顏色加入顏色聚類中心；
112)根據(jù)選取的聚類中心，將該顏色的像素值與該聚類中心方差在閾值beta內(nèi)的像素標(biāo)記為煙霧區(qū)域；
113)將標(biāo)記結(jié)果顯示出來，對未標(biāo)記的煙霧顯著區(qū)域繼續(xù)迭代采樣； 114)利用步驟111)?113)在視頻的所有幀中進(jìn)行，且在不同場景下的煙霧視頻中進(jìn)行；
115)對上述采樣得到的聚類中心進(jìn)行聚類，去掉可能誤選入的干擾點(diǎn)；
116)對聚類在RGB顏色空間進(jìn)行量化，將聚類中心映射到量化的顏色空間點(diǎn)，并轉(zhuǎn)換為整數(shù)形成量化后的顏色聚類中心；
所述提取對比度特征處理包括如下步驟:
117)對播放的煙霧視頻，使用運(yùn)動檢測方法提取運(yùn)動前景區(qū)域；
118)對運(yùn)動前景區(qū)域內(nèi)的像素進(jìn)行量化，量化結(jié)果歸屬量化后的顏色聚類中心的，視為一個有效煙霧像素;有效煙霧像素數(shù)量達(dá)到區(qū)域內(nèi)一定比例的，視為煙霧區(qū)域；
119)將步驟118)中確認(rèn)的煙霧區(qū)域進(jìn)行分塊，統(tǒng)計分塊的像素值方差，區(qū)域內(nèi)所有分塊方差的最大值作為區(qū)域的方差特征，作為正樣本；
120)將未確認(rèn)煙霧區(qū)域的前景區(qū)域進(jìn)行分塊，然后統(tǒng)計分塊的像素值方差，區(qū)域內(nèi)所有分塊方差的最大值作為區(qū)域的方差特征，作為負(fù)樣本；
121)將視頻間隔一定數(shù)量的幀進(jìn)行一次步驟117)?步驟120)的采樣計算；
122)將正負(fù)樣本使用svm訓(xùn)練線性分類器用于判定是否煙霧區(qū)域的確認(rèn)幀。
[0005]進(jìn)一步的，采樣顏色加入顏色聚類中心的步驟為用一個變長數(shù)組將采樣點(diǎn)的顏色記錄下來，以便在后續(xù)處理中進(jìn)行量化。
[0006]進(jìn)一步的，步驟112)中對于正在采樣的當(dāng)前幀圖像，標(biāo)記煙霧區(qū)域，標(biāo)記的范圍是，像素值到任一聚類中心方差小于30的像素，符合要求的像素標(biāo)記為紅色。
[0007]進(jìn)一步的，采樣過程中標(biāo)記圖像與原始圖像存放于不同的緩沖區(qū)，標(biāo)記圖像為原始圖像的一個拷貝，采樣時根據(jù)坐標(biāo)對原始圖像的像素點(diǎn)進(jìn)行采樣，避免將像素標(biāo)記顏色加入聚類中心。
[0008]進(jìn)一步的，步驟115)中去掉可能誤選入的干擾點(diǎn)包括如下步驟:對聚類中心中的噪聲點(diǎn)進(jìn)行濾除，濾除的標(biāo)準(zhǔn)為馬氏距離小于15的鄰域點(diǎn)小于3的予以刪除。
[0009]進(jìn)一步的，對聚類在RGB顏色空間進(jìn)行量化，量化的公式為center = b/8 X 1024 +g/8X32 + r/8，經(jīng)過量化轉(zhuǎn)換為一維數(shù)組。
[0010]進(jìn)一步的，還包括運(yùn)動檢測步驟，所述運(yùn)動檢測步驟基于背景建模方法實(shí)時檢測運(yùn)動區(qū)域，為煙霧檢測模塊提供運(yùn)動區(qū)域的輪廓位置信息。
[0011 ]進(jìn)一步的，還包括實(shí)時報警步驟，所述實(shí)時報警步驟用于設(shè)置確認(rèn)幀數(shù)，以過濾噪聲干擾和誤檢。
[0012]進(jìn)一步的，所述聚類中心使用平衡二叉樹存儲。
[0013]本發(fā)明的有益效果在于:通過直接對煙霧區(qū)域進(jìn)行采樣的方式獲取顏色特征而不是將檢測到的煙霧區(qū)域像素點(diǎn)整體進(jìn)行考慮，有效的減少干擾和噪聲的影響，降低了誤檢率;僅考慮顏色和對比度特征，使檢測結(jié)果更穩(wěn)定可靠，減少了漏檢率;對于被遺漏的煙霧區(qū)域，可以在線實(shí)時進(jìn)行特征提取并添加到系統(tǒng)中，可以直接改善系統(tǒng)的檢測結(jié)果而無需進(jìn)行復(fù)雜的訓(xùn)練，系統(tǒng)更靈活。
【附圖說明】
[0014]圖1訓(xùn)練階段特征提取流程； 圖2檢測階段執(zhí)行過程。
【具體實(shí)施方式】
[0015]下面結(jié)合附圖和具體實(shí)施例對本發(fā)明做進(jìn)一步的說明。
[0016]如圖1所示，視頻圖像中煙霧檢測方法，包括如下步驟:
1)對存在煙霧的視頻進(jìn)行播放，使用顏色采樣工具選取煙霧顯著區(qū)域的像素值，將像素值加入煙霧顏色特征聚類中心；
2)根據(jù)選取的聚類中心，將像素值與該聚類中心方差在閾值beta內(nèi)的像素標(biāo)記為煙霧區(qū)域；
3)將標(biāo)記結(jié)果顯示出來，對未標(biāo)記的煙霧顯著區(qū)域繼續(xù)迭代采樣；
4)對于I)?3)所述的采樣方法，在視頻的所有幀中進(jìn)行，且在不同場景下的煙霧視頻中進(jìn)行，上述采樣方法只針對煙霧較濃的區(qū)域進(jìn)行采樣；
5)對上述采樣得到的聚類中心進(jìn)行聚類，去掉可能誤選入的干擾點(diǎn)；
6)對聚類在RGB顏色空間進(jìn)行量化，上述聚類中心映射到量化的顏色空間點(diǎn)，并轉(zhuǎn)換為整數(shù)；
檢測中，如果對于給定的像素值，按上述量化步驟同樣轉(zhuǎn)換為整數(shù)，如果前述提取的顏色特征聚類中心包含該整數(shù)，則視為一個可能的煙霧像素點(diǎn)；
檢測中，如果對于給定的待檢測區(qū)域，像素值分布在前述聚類中心范圍的像素總數(shù)達(dá)到區(qū)域內(nèi)像素總數(shù)的閾值alpha，視為一個可能的煙霧區(qū)域。
[0017]上述煙霧檢測方法，還包括基于對比度特征進(jìn)行校驗步驟:
7)對給定的待檢測區(qū)域，計算區(qū)域內(nèi)的像素值方差表示的對比度特征，
8)統(tǒng)計所有煙霧區(qū)域?qū)Ρ榷?，基于SVM訓(xùn)練基于對比度的分類器，
其中對比度計算方法，還包括如下步驟，
9)將煙霧區(qū)域按步長s分塊，統(tǒng)計分塊區(qū)域內(nèi)的方法，最后求得各子塊方差的極大值作為整個區(qū)域的方差，
10)上述基于對比度特征的SVM分類器判決結(jié)果為煙霧的，視為一個煙霧區(qū)域確認(rèn)幀。
[0018]所述煙霧檢測系統(tǒng)還包括運(yùn)動檢測模塊和實(shí)時報警模塊，所述運(yùn)動檢測模塊基于背景建模方法實(shí)時檢測運(yùn)動區(qū)域，為煙霧檢測模塊提供運(yùn)動區(qū)域的輪廓位置信息，所述實(shí)時報警模塊可以設(shè)置確認(rèn)幀數(shù)，以過濾噪聲干擾和誤檢。
[0019]所述煙霧檢測系統(tǒng)還包括遺漏煙霧區(qū)域特征在線添加模塊，遺漏煙霧區(qū)域特征在線添加模塊對于給定視頻圖像中未被確認(rèn)的煙霧區(qū)域，通過實(shí)時的對煙霧區(qū)域像素進(jìn)行采樣，按前述步驟添加到聚類中心，可以實(shí)現(xiàn)實(shí)時的改進(jìn)系統(tǒng)的性能。
[0020]實(shí)施例一:
訓(xùn)練階段的流程為:
選定若干有代表性的含煙霧的視頻，使用特征提取模塊進(jìn)行