基于视频监控的烟雾检测算法.docVIP

基于视频监控的烟雾检测算法 　　摘要：突发灾害事件应急响应的关键是预警系统是否能够提供早期的报警。该文通过分析早期火灾烟雾的运动规律，提出了一种利用背景运动检测和YUV空间建立烟雾的颜色模型，分割出烟雾疑似区域。在灰度空间使用二维离散小波变换对烟雾疑似区域及对应的背景区域进行能量分析，并改进了论文[11]中稀疏光法在多目标检测时必须手动标注的问题。我们使用该方法对森林火灾、操场和室内烟雾的视频进行了测试，效果十分理想。 　　关键词：图像烟雾探测；分块小波检测；稀疏光流法 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）11-2684-05 　　1 概述 　　火灾是最常见的严重灾害之一，它往往给人们的生命财产造成巨大的危害。目前用于火灾探测的主要有烟感探测器、红外探测器、紫外探测器等，但这些探测器件在探测范围和抗干扰等方面还存在不少问题。该文提出了采用图像处理技术对火灾烟雾进行识别，对其中的所使用的算法作出了详细介绍。 　　文章通过利用分块和背景差分提取运动区域，在YUV空间建立烟雾颜色模型和亮度模型，得到烟雾疑似区域；在灰度空间提取能量变化规律；对用Lucas-Kanade稀疏光流算法改进，实现疑似区域进行多目标自动跟踪，获取疑似区域的平均偏移量和相位分布作为烟雾识别特征。 　　2 运动区域的检测与颜色分割 　　2.1 运动检测 　　背景差分法是采用图像序列中的当前帧和背景参考模型比较来检测运动物体的一种方法，其性能依赖于所使用的背景建模技术。由于该算法应用于实时监控系统中，并且为整个判别系统的初步分割，为了提高运算速度本文选用亮度差分进行检测。该算法利用分块区域Sk与当前帧的上一帧对应区域Sk+1作比较。由于是灰度图像，所以定义Sk（i，j）为对应点像素（i，j）的亮度值。正常环境中背景亮度也在不停变化，但是烟雾区域亮度变化远远大于背景，所以设定前后帧亮度变化大于20的像素为运动区域进行保留，静止区域在处理时变成黑色。为降低噪声影响和提高运算效率，该文将原图分为（k1，k2）大小的分块，（i，j）则代表新分割图像的第i行第j列的分块，Sk（i，j）为k帧该块的的平均亮度。 　　[Sk+1（i，j）=Sk+1（i，j），Sk+1（i，j）-Sk（i，j）≥200，Sk+1（i，j）-Sk（i，j）20] （1） 　　文章采用一个长度为3帧的时域分析窗，对三帧连续图像两两处理，进行亮度差分标记运动候选区出现的次数。首先，建立像素运动累积矩阵[M]，矩阵元素表示 　　建立运动累计矩阵M（i，j）；利用公式（1）判断一组图像的各个分块是否存在运动区域，若某分块存在运动区域，则矩阵[M]中与其对应位置处的元素加1，否则不变，如公式（2）所示。 　　[M（i，j）=M（i，j）+1，if（S（i，j）是运动区域）M（i，j），if（S（i，j）非运动区域）] （2） 　　图1中红色、蓝色分别为第1、2帧和2、3帧图像差分后的疑似区域，绿色为运动累计矩阵中重叠后确定区域。最终的标记区域确定后重新标注前三帧图像继续做后续分析。该方法的好处在于可以通过改变检测图像帧的数量来控制算法的时间复杂度。 　　因为采用亮度差分来判别运动区域，所以会产生因光亮变化而被大量错误标定的运动区域，但火灾烟雾发生时在监控视野所占面积比例是在一定范围之内的。为避免这种错误，需要设定一个疑似区域数量阈值，当疑似区域个数大于这一阈值时则认为不是火灾烟雾。 　　2.2 烟雾YUV空间颜色模型 　　烟雾通常分为青烟和白烟。姚太伟等人通过大量实验得到，烟雾在RGB空间中（不论青烟或白烟）的R、G、B值相差不大，且灰度值大致在80～220范围内。烟雾在光的照射下，呈淡蓝色，即BGR。因此，得出烟雾RGB空间颜色模型为： 　　[R ± a= G ± a = B ± a80 ≤ G ≤ 220B G R] （3） 　　其中，a是个值很小的常量。由于在应用中的系统采集与存储方式是YUV模型，所以需将RGB空间颜色模型进行转换。RGB空间与YUV空间存在下列转换关系： 　　R = Y + 1.402×（Cr-128） 　　G = Y - 0.34414×（Cb-128） - 0.71414×（Cr-128） 　　B = Y + 1.772×（Cb-128） 　　所以可得到烟雾YUV颜色空间模型： 　　[（Cr-128）= 1.26×（Cb-128）80≤Y- 0.3×（Cb-128） - 0.7×（Cr-128） ≤2201.7×（Cb-128） - 0.3×（Cb-128） - 0.7×（Cr-128） 1.4×（Cr-128）] （4） 　　烟雾移动是缓慢的，所以根据烟雾颜色特性对前三帧标记