基于圖像相關(guān)性的低照度煙霧視頻檢測方法與流程

本發(fā)明涉及煙霧檢測領(lǐng)域，尤其涉及在低照度下利用自帶紅外輔助光源的攝像頭進(jìn)行視頻煙霧檢測的方法。

背景技術(shù)：

基于視頻的火災(zāi)煙霧檢測技術(shù)具有直觀可視、快速可靠的優(yōu)勢(shì)，可滿足火災(zāi)的早期探測需求，成為火災(zāi)探測領(lǐng)域的研究熱點(diǎn)。多年來國內(nèi)外研究人員提出了很多有效的煙霧檢測方法，但這些方法主要是針對(duì)光照充足的條件，對(duì)于密閉空間或夜間等低照度的環(huán)境下的煙霧檢測方法研究不夠充分，但實(shí)際應(yīng)用又十分需要。如目前飛機(jī)常用的貨艙煙霧探測系統(tǒng)采用光散射型煙霧探測器，此類探測器易受濕度、灰塵、強(qiáng)烈氣味、油粒子等因素影響，虛警率較高。收到貨艙煙霧告警時(shí)，機(jī)組缺乏有效手段識(shí)別驗(yàn)證警報(bào)的真假，往往導(dǎo)致飛機(jī)返航、備降，增加了運(yùn)營成本，甚至威脅飛行安全。如何利用視頻的貨艙煙霧探測系統(tǒng)作為傳統(tǒng)飛機(jī)貨艙煙霧探測系統(tǒng)的補(bǔ)充或警報(bào)驗(yàn)證手段，利用有效的煙霧視頻檢測方法來提高飛行安全、降低虛警率亟待研發(fā)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于圖像相關(guān)性的低照度煙霧視頻檢測方法，以用于低照度視頻監(jiān)控下的煙霧檢測，實(shí)現(xiàn)火災(zāi)預(yù)警。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種煙霧視頻檢測中的圖像處理方法，該煙霧視頻檢測方法包括以下步驟：

步驟1、將目標(biāo)視頻圖像壓縮并轉(zhuǎn)化為灰度圖；

步驟2、對(duì)灰度圖像進(jìn)行四幀差分運(yùn)算，提取視頻圖像中較完整的運(yùn)動(dòng)區(qū)域；

步驟3、運(yùn)用中值濾波去除二值圖像中的噪聲點(diǎn)；

步驟4、基于各連通區(qū)域的幀間相關(guān)性設(shè)定動(dòng)態(tài)閾值剔除非煙霧連通區(qū)域。

其所述的步驟4中包含以下步驟：

步驟4.1、用MATLAB中的bwlabel函數(shù)標(biāo)記各幀圖像中各個(gè)連通區(qū)域：

對(duì)步驟3中值濾波去噪后的圖像進(jìn)行連通區(qū)域的標(biāo)記，判斷圖像中連通區(qū)域的個(gè)數(shù)以及大小。

步驟4.2、計(jì)算各個(gè)連通區(qū)域的相關(guān)性大?。?/p>

從第二幀圖像開始計(jì)算各連通域與上一幀圖像中對(duì)應(yīng)區(qū)域的相關(guān)性的大小。

步驟4.3、去除相關(guān)性小的連通區(qū)域：

設(shè)定閾值Q,如果連通區(qū)域的幀間相關(guān)性CR_K(i)小于閾值Q,則將所標(biāo)記的連通區(qū)域剔除，反之則保留。待定

本發(fā)明的效果是采用該檢測方法，能夠快速檢測低照度視頻中的煙霧區(qū)域，通過剔除相關(guān)性小的連通區(qū)域，降低低照度產(chǎn)生的噪聲，適用于飛機(jī)貨艙等低照度、無人員巡視、對(duì)煙霧的響應(yīng)時(shí)間要求較短的環(huán)境。傳統(tǒng)檢測裝置易受濕度、灰塵、強(qiáng)烈氣味等因素影響而導(dǎo)致虛警率高，該方法能夠在視頻監(jiān)控的基礎(chǔ)上快速、有效提取出視頻中的煙霧區(qū)域，經(jīng)實(shí)驗(yàn)測試，該方法處理1幀視頻圖像的時(shí)間約為0.4s，可滿足應(yīng)用要求。相對(duì)于傳統(tǒng)的煙霧探測器，可直觀看到煙霧發(fā)展情況，從而排除溫度、濕度、氣壓、氣味等因素影響，提高煙霧檢測的準(zhǔn)確性，保守估計(jì)虛警率可以維持在10％以內(nèi)。同時(shí)，通過回放提取的煙霧區(qū)域發(fā)展過程可對(duì)煙源位置進(jìn)行準(zhǔn)確定位。用于諸如大型貨艙、地下室、車庫、居民樓道的拐角處等，具有較高的準(zhǔn)確性和實(shí)時(shí)性，為低照度環(huán)境下的防火安全提供技術(shù)支持。

附圖說明

圖1是本發(fā)明方法的流程圖；

圖2a1到圖2j1及圖2a2到圖2j2是基于本發(fā)明方法得到的煙霧運(yùn)動(dòng)區(qū)域與未用圖像相關(guān)性剔除非煙霧運(yùn)動(dòng)區(qū)域的圖像的對(duì)比圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的基于圖像相關(guān)性的低照度煙霧視頻檢測方法加以詳細(xì)說明。

本發(fā)明的基于圖像相關(guān)性的低照度煙霧視頻檢測方法，尤其適用于在自帶紅外輔助光源的攝像頭監(jiān)控下的煙霧檢測。其煙霧檢測的具體過程大致分為以下五個(gè)步驟：

步驟1、將錄入的目標(biāo)視頻圖像壓縮并轉(zhuǎn)化為灰度圖：

本攝像頭錄入的煙霧視頻圖像大小為576*720像素，為了減小整個(gè)算法所用時(shí)間從而增加煙霧檢測的實(shí)時(shí)性，首先將圖像在MATLAB軟件中進(jìn)行壓縮，MATLAB軟件是美國Mathworks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法的開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算高級(jí)技術(shù)計(jì)算語言和交互環(huán)境。本次實(shí)驗(yàn)將圖像進(jìn)行0.5倍壓縮，使圖像的大小變?yōu)?88*360像素，采用的壓縮方法為最鄰近插值法。最鄰近插值法是圖像處理中的一種最基本、最簡單的圖像放縮方法，使用matlab中imresize函數(shù)實(shí)現(xiàn)。為了后續(xù)圖像處理的便利性接著將圖像進(jìn)行灰度化。

步驟2、對(duì)灰度圖像進(jìn)行四幀差分運(yùn)算，提取視頻圖像中較完整的運(yùn)動(dòng)區(qū)域：

所述步驟2包括以下步驟：

步驟2.1、連續(xù)讀取視頻序列中的四幀圖像,進(jìn)行差分運(yùn)算：

幀間差分是運(yùn)動(dòng)目標(biāo)檢測算法中較為典型的一種算法，其原理是對(duì)相鄰兩幀或多幀進(jìn)行差分，得到兩幀圖像像素值的絕對(duì)值，將其與檢測閾值進(jìn)行比較，從而確定視頻序列中是否有運(yùn)動(dòng)物體出現(xiàn)。本實(shí)驗(yàn)中幀間差分所選的視頻幀為連續(xù)相鄰的四幀圖像，以第K幀為例，依次選擇第K幀、第K+1幀、K+2幀、K+3幀做差分運(yùn)算。記差分運(yùn)算前的圖像依次為I_K、I_K+1、I_K+2、I_K+3，差分運(yùn)算后的圖像為D_K、D_K+1,其差分規(guī)則如下：

即通過對(duì)連續(xù)四幀中的第一幀和第三幀做差分；第二幀和第四幀做差分，避免了因連續(xù)兩幀間隔時(shí)間太短而無法提取運(yùn)動(dòng)區(qū)域的問題。

步驟2.2、選擇合適的閾值把差分運(yùn)算得到的灰度圖二值化；

將上述幀間差分所得到的圖像二值化時(shí)所選的閾值需滿足能夠?qū)⑦\(yùn)動(dòng)區(qū)域(前景)和背景較清楚的分開，大于閾值T的區(qū)域被認(rèn)為是前景，即煙霧擴(kuò)散區(qū)域；小于閾值T的區(qū)域被認(rèn)為是背景。閾值的選擇需根據(jù)實(shí)際煙霧運(yùn)動(dòng)快慢情況而定，實(shí)際過程中根據(jù)差分運(yùn)算后圖像的灰度值的均值進(jìn)行調(diào)整。本實(shí)驗(yàn)選擇的閾值T＝Im+0.4，其中Im為差分圖像像素值的平均值。即：

其中閾值T是根據(jù)每一幀具體的圖像計(jì)算而來的，是一個(gè)動(dòng)態(tài)變化的量。

步驟2.3、對(duì)兩幅二值圖像做與運(yùn)算：

經(jīng)步驟2.1差分運(yùn)算后會(huì)得到兩幅差分圖像D_K和D_K+1，接著經(jīng)步驟2.2對(duì)D_K和D_K+1二值化后得到運(yùn)動(dòng)區(qū)域和背景分開的二值圖，對(duì)二值圖像做與運(yùn)算，結(jié)果記為D_Ik:

D_Ik＝D_K∩D_K+1

則：

當(dāng)D_Ik＝1時(shí)，為前景點(diǎn)，當(dāng)D_Ik＝0時(shí)，為背景點(diǎn)。

步驟3、運(yùn)用中值濾波去除噪聲點(diǎn)：

對(duì)步驟2得到的圖像DI_K進(jìn)行中值濾波去噪，結(jié)果記為GI_K，本實(shí)驗(yàn)選擇中值濾波的窗口大小為3*3。

步驟4、基于幀間相關(guān)性設(shè)定動(dòng)態(tài)閾值剔除非煙霧連通區(qū)域，包含以下三個(gè)步驟：

步驟4.1：用MATLAB中的bwlabel函數(shù)標(biāo)記各幀圖像中各個(gè)連通區(qū)域：

對(duì)步驟3中值濾波去噪后的圖像進(jìn)行連通區(qū)域的標(biāo)記，判斷圖像中連通區(qū)域的個(gè)數(shù)和位置,采用四連通標(biāo)準(zhǔn)判斷連通區(qū)域。記連通區(qū)域的總數(shù)為N，則各連通區(qū)域內(nèi)的全部像素值依次標(biāo)記為1到N。

步驟4.2、計(jì)算各個(gè)連通區(qū)域的相關(guān)性大?。?/p>

從第二幀圖像開始計(jì)算各連通域相關(guān)性的大小。第K幀i個(gè)連通域C_Ki，第K幀連通區(qū)域總數(shù)為N。若包含此連通域的最小矩形區(qū)域?yàn)榈贙-1幀與內(nèi)像素點(diǎn)同坐標(biāo)的區(qū)域?yàn)閮蓚€(gè)矩形區(qū)域和內(nèi)對(duì)應(yīng)坐標(biāo)像素值的乘積之和為則第i個(gè)連通域的相關(guān)性其中i≤N。

步驟4.3、去除相關(guān)性小的連通區(qū)域：

如圖1所示，設(shè)定動(dòng)態(tài)閾值Q，從第一個(gè)連通域開始判斷，如果連通區(qū)域的幀間相關(guān)性CR(i)小于閾值Q,則將所標(biāo)記的連通區(qū)域剔除，反之則保留，接著判斷下一個(gè)連通域，直到所有的連通域都處理完后結(jié)束判斷。所選閾值為連通區(qū)域中幀間相關(guān)性最大值的0.6倍，即Q＝0.6CR(i)_max。

如圖2所示，選擇本實(shí)驗(yàn)中的10幀煙霧視頻圖像經(jīng)過本發(fā)明方法處理后檢測到的煙霧發(fā)展過程依次如圖 2a1-j1，對(duì)比僅采用步驟1-3得到的煙霧圖像如圖2 a2-j2，可明顯看出步驟4的效果。從未經(jīng)過步驟4處理的圖像中可以看出二值圖像中除了煙霧區(qū)域外還包含有非煙霧的噪聲區(qū)域，且噪聲區(qū)域的位置和大小是隨機(jī)的，而經(jīng)過步驟4處理后的二值圖像只含有準(zhǔn)確地?zé)熿F區(qū)域。

本發(fā)明通過上述實(shí)例做了詳細(xì)的介紹，上述的描述不應(yīng)被認(rèn)為是對(duì)本發(fā)明的限制，凡是利用本發(fā)明說明書及附圖內(nèi)容所做的等效結(jié)構(gòu)或流程變換，或者直接、間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。