基于图像处理技术的火灾与人为入侵的检测方法初探_临床医学论文.docVIP

基于图像处理技术的火灾与人为入侵的检测方法初探_临床医学论文 基于图像处理技术的火灾与人为入侵的检测方法初探_临床医学论文 【摘要】 本文以数字图像处理为基础，主要设计了监控环境中的背景图像提取、火灾火焰和人为入侵的综合判断算法，并给出算法程序流程图和有关的实验数据，实验证实了此算法是简单且有效的。 【关键词】 数字图像处理； 背景提取； 火灾火焰探测； 人入侵检测 Abstract: This study was based upon digital image processing, mainly designed background image extraction of being monitored environment, fire or flame and integration judgment arithmetic. The article showed the arithmetic programming flowchart and related laboratories data. The experiment approved that the arithmetic is simple and effective. Key words: digital image processing; background extraction; fire and flame detection; contrived intrusion detection 引言 伴随着网络技术和数字视频技术的飞速发展，监控技术正向着智能化、网络化的方向发展。监控系统功能日益强大，计算机视觉和应用研究学者提出了新一代监控概念——视觉监控（Visual Surveillance）的概念。视觉监控在不需要人为干预的情况下，利用计算机视觉和视频分析的方法对摄像机拍录的图像进行自动分析，实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到了既能完成日常管理又能在异常情况发生时及时做出反应。视觉监控的概念逐渐为人们所关注，成为视频监控未来的发展方向。 基于图像处理技术的安全监控系统得到越来越多的应用，基于图像处理技术的火灾探测技术也引起广泛的研究，本文主要就如何将人为入侵和火灾发生时产生的火焰两者的判断加以结合，进行分析研究，经实验找到入侵和火焰的初步判定条件，并给出判定的流程图，是监控系统综合智能应用的一种新的尝试。 1 火灾与人为入侵的综合判断算法〖*2〗 1.1 背景图像的更新 在视频图像监控过程中，由于环境（如光强度）的变化，系统每隔一段时间必须进行背景的更新和存储，在监控环境没有变化，或者变化很微小，且在允许的范围之内，可以把该段时间内其中的任一幅图像设置为背景图像，达到自动更新的目的。 常用的自适应背景图像更新有三种方法：统计平均法、IIR滤波法、区分像素类别法。 （1） 统计平均法 统计平均方法：在设定的时间段内，对多幅背景图像取平均值，适应于场景内的目标滞留时间较短、目标出现不频繁的情况，其修正算法如式（11）所示：Bk=1N(fk+fk-1+……fk-N+1) =Bk-1+1N(fk-fk-N).（1） 由式（1）可知，适当的选择关键参数N可以获得一个较为真实的背景图像。 （2） IIR滤波器方法 IIR滤波器方法是采用类似于IIR滤波器自适应背景图像修正方法，其修正算法如式（1）所示：Bk=(1-α)·Bk-1+αfk.（1） 当α较小时，是缓慢修正背景图像的过程；当 α 较大时，则是较快更新背景图像的过程。当场景中有目标出现，且 α 较大时，则会将目标图像一定程度上叠加到背景图像上，这显然是不利于目标检测的。 （3） 区分像素类别方法 区分像素类别的背景图像更新方法是一种改进的方法，首先对第k帧图像中的像素类型进行判断，看其是否属于被检测目标的像素，其判别的算法是利用当前相邻两帧图像的差值进行区分，如式（1）所示：If |fk(x,y)-fk-1(x,y)|gt;Thresholding， Then (x,y)∈目标像素； Else (x,y)∈非目标像素；（1） 其次，当某像素被判定为目标像素时，则不用该像素的值对背景图像进行修正，否则利用该像素的值对背景图像进行修正。其修正算法如式（1）所示：Bk(x,y)=αBk-1(x,y)-(1-α)fk-1， (x,y)∈非目标像素， Bk-1(x,y)， (x,y)∈目标像素，（1）式中 α 为一常数。考虑本试验在室内情况下进行，故采用区分像素类别的背景图像更新算法能够满足要求。 1.2 目标检测判据 数字监控系统有三类数字图像：背景图像B(x,y)、含有人体运动图像和火灾火焰图像f(x,y)；对背