一種基于計算機視覺技術的煙霧監測方法與流程
本發明涉及煙霧監測、定位技術領域，特別涉及一種基于計算機視覺技術的煙霧監測方法。
背景技術：
煙霧通常在火焰產生之前便開始彌漫，因此可以作為判定火焰燃燒的一個重要特征；同時煙霧肆意排放也是空氣污染的重要來源，因此對煙霧污染源的有效監控成為環境保護的重要任務；另外，某類化學藥品的意外泄露也會產生煙霧狀的物質，也為監控判別提供一定的視覺依據。
傳統煙霧探測裝置主要是采用接觸式傳感器技術，但其自身有著不可克服的缺點，在室內大空間條件下，當逐漸擴散到達探測器附近時，已變得濃度很小，不能達到傳統探測器的報警閾值，即使達到其報警閾值并引發警報時，危害規模己發展形成，不能達到早期報警的目的；另外，在室外大空間條件下，例如森林、草場等，布置大量的傳感器成本太高，實現也很困難，如果傳感器過于接近煙霧排放源，例如煙囪出口等，由于高溫和粉塵等惡劣的環境常常使傳感器失效，出現誤報、漏報等情況。
由于傳統接觸式的煙霧檢測技術在大空間探測的局限性，以圖像采集、圖像處理技術為基礎、基于計算機視覺技術的煙霧監測技術應運而生。即首先通過攝像頭經采集卡將監視的視頻序列輸入計算機，然后由計算機軟件對圖像內容進行分析，根據煙霧的圖像特征來完成對煙霧檢測。
目前，基于圖像技術的煙霧檢測主要包括：1.基于煙霧像素的色度信息，但僅有對灰色和青色煙霧的判別，沒有考慮對于化學物質泄露產生的煙霧顏色；2.利用小波變換技術提取煙霧的特征信息，但是單純基于小波變換對煙霧的判斷尚不準確；3.基于分型的思想進行編碼的煙霧檢測算法，但算法極其耗時，無法滿足實時性的要求；4.基于采用幀間目標關聯確定幀間運動區域的關系，對運動目標屬性進行綜合分析以判別運動目標是否為煙霧的方法，采用幀差法進行運動目標的檢測對環境噪聲比較敏感，所以對閾值的選擇很重要，只適用于特定的場合，穩定性較差；5.基于對煙霧形態特性與相對于背景的高頻信號的衰減特性等的靜態特征、煙霧內部的變化與變化頻率等的動態特性和煙霧相對背景色彩度衰減的顏色特性的綜合加權分析的方法，但算法時間和空間復雜度較高，不利于實時監控，另外在不同的場景下要進行不同的參數設置，算法的魯棒性和智能性較差。6.還有其他應用貝葉斯分類器、混合高斯模型、人工神經元網絡等理論的對煙霧進行特征分離、背景建模的方法，但應用都有一定的局限性，只適用于特定的場合，穩定性較差。
另外，還沒有對于煙源的跟蹤和定位的實現方法。
技術實現要素：
為了解決背景技術中所述問題，本發明提供一種基于計算機視覺技術的煙霧監測方法，雖然產生煙霧的原因和煙霧的物理和化學特性有所不同，但本方法都可以通過一次的初始化進行煙霧顏色特性的設定，且初始化、設置和運行都在同一的平臺上，操作簡單，易于維護；構建背景模型采用的是單幀初始化，采用基于樣本集合方式的背景去除方法，提高了效率，滿足算法實時性的要求；針對大空間，通過兩臺以上的監控攝像機對煙霧產生的位置進行定位，保證了后續工作的及時性和準確性。
為了達到上述目的，本發明采用以下技術方案實現：
一種基于計算機視覺技術的煙霧監測方法，包括以下步驟：
步驟一、視頻圖像預處理：即通過平滑函數進行噪聲濾除，然后對平滑后的圖像進行增強，提高圖像的對比度；
步驟二、根據煙霧的顏色特征和運動特性進行煙霧檢測：依次包括1)基于顏色的前景提取，2)基于運動的圖像背景去除，3)將前兩者提取的前景進行交集運算三個階段；將通過顏色信息提取的煙霧目標圖像和通過運動特性提取的煙霧目標圖像進行交集運算，運算的結果即為最終提取的煙霧目標；
步驟三、煙源的定位計算：對第二步檢測到的煙霧進行煙源的跟蹤、定位。
所述步驟二中的物質燃燒產生的煙霧顏色特征模型是：
其中n為所選取的連續幀的數量，通常20<n<35，ii,jii，j為rgb顏色模型中像素點(i，j)的各個顏色分量，meani,j為各個通道的灰度均值，center是煙霧的像素灰度中心，通常取160，參數ε＝400，δ1＝135，δ2＝195。
所述步驟二中的泄露的化學物質產生的煙霧顏色特征模型是：
其中n為所選取的連續幀的數量，xk為rgb顏色模型中像素點(i,j)處的某一個顏色分量，其中k∈(r，g，b)，
所述步驟二中的基于運動的圖像背景去除采用的是一種高效的背景重建和前景提取方法，該算法依次包括：a.背景樣本集合的建立，b.背景像素點的判別，c.背景樣本集合的更新：
a.背景樣本集合的建立：背景樣本集合的建立由一幀即可完成，算法采用像素點鄰域具有相似的時空分布特點，隨機選擇像素鄰域值來填充模型樣本集合，這種方法計算速度快，建立一個基于所有像素點的樣本集合sample(k,i,j)m×n，其中m、n為水平和垂直方向像素點的個數，0≤i≤m-1，0≤j≤n-1，1≤k≤k，其中通常k＝2n，n＝3，4，5…。
b.背景像素點的判別：新一幀中的像素點ii，j跟樣本集中的元素比較大小，只要像素ii，j與它的樣本集合里的元素歐式距離小于r的個數大于#mindistance，則認為該點是背景點；
c.背景樣本集合的更新：當前幀中任意像素，只要與該元素樣本集合中的元素距離小于r的個數大于#mindistance，則認為該像素是背景點，需要用該像素替換sample(k,i,j)m×n中的一個樣本，像素的替換采用的是隨機的方法。
循環步驟b和步驟c實現背景的動態更新，然后再用背景減除法提取前景，由于煙霧的運動一般比較緩慢，因此在進行背景差時會出現空洞現象，因此要采用數學形態學的方法進行膨脹腐蝕，對空洞進行填補，對噪聲進行去除，提取完整的前景目標。
所述步驟三中的煙源跟蹤、定位采用的是基于聯通區域目標段和連續多幀擬合的方法進行前景目標的標記，并記錄每個前景的位置、面積等信息，同時對每一個出現的前景目標建立一個跟蹤鏈表，鏈表的長度為l(20<＝l<＝30)，存儲了連續l幀的煙霧特征的統計信息，計算出煙霧目標質點的位置(m，n)，攝像頭旋轉角度θ將煙霧目標移動到監控攝像屏幕中心點(mcenter,ncenter)，最后通過兩個以上的攝像機位置計算出產生煙霧的位置；
其中(x，y)是煙源的坐標位置，(x1，y1)是攝像機1的坐標位置，θ1是攝像機1定位煙源的旋轉角度，(x2，y2)是攝像機2的坐標位置，θ2是攝像機2定位煙源的旋轉角度。
與現有技術相比，本發明的有益效果是：
1、本發明的一種基于計算機視覺技術的煙霧監測方法，雖然產生煙霧的原因和煙霧的物理和化學特性有所不同，但都可以通過一次的初始化進行煙霧顏色特性的設定，且初始化、設置和運行都在同一的平臺上，操作簡單，易于維護。
2、本發明的一種基于計算機視覺技術的煙霧監測方法，構建背景模型采用的是單幀初始化，采用基于樣本集合方式的背景去除方法，提高了效率，滿足算法實時性的要求。
3、本發明的一種基于計算機視覺技術的煙霧監測方法，對大空間，采用多臺攝像機、多任務的管理模式，因此在統一的管理平臺上，根據監測區域的特殊性進行設備的安裝和坐標系統的構建。
4、本發明的一種基于計算機視覺技術的煙霧監測方法，針對室外大范圍環境中背景動態變化的特性，對背景模型進行動態的實時更新，避免了由于天氣或光線的原因對煙霧監測準確性的影響。
5、本發明的一種基于計算機視覺技術的煙霧監測方法，通過兩臺以上的監控攝像機對煙霧產生的位置進行定位，保證了后續工作的及時性和準確性。
6、本發明的一種基于計算機視覺技術的煙霧監測方法，采用計算機技術、多媒體技術和無線網絡通訊技術，項目設備成本低。
附圖說明
圖1為本發明的一種基于計算機視覺技術的煙霧監測方法的系統總體結構圖；
圖2為本發明的一種基于計算機視覺技術的煙霧監測方法的總體流程圖；
圖3為本發明的一種基于計算機視覺技術的煙霧監測方法的背景減除法的原理框圖。
具體實施方式
以下結合附圖對本發明提供的具體實施方式進行詳細說明。
如圖1所示，一種基于計算機視覺技術的煙霧監測系統包括：圖像數據采集模塊1(①鏡頭、攝像機、防護罩、云臺；②球形攝像機；③網絡球形攝像機；④視頻編碼器)、ip網絡傳輸模塊2、監控中心數據處理及分析模塊3(⑤遠程監控用戶；⑥視頻服務器；⑦監控客戶端；⑧數據接收、處理、分析和決策軟件)。
首先前端設備的攝像機將現場視頻圖像進行采集，通過a/d轉化獲得數字視頻信息，并將其轉為ip數據包，通過數據專線將視頻數據包發送到監控中心，監控中心通過圖像處理和分析技術判斷圖像中是否存在煙霧，如果判定存在煙霧則進行煙霧產生地點的位置計算并存儲，同時發出預警信息。
如圖2所示，一種基于計算機視覺技術的煙霧監測方法，包括以下步驟：
步驟一、視頻圖像預處理：即通過平滑函數進行噪聲濾除，然后對平滑后的圖像進行增強，提高圖像的對比度；
步驟二、根據煙霧的顏色特征和運動特性進行煙霧檢測：依次包括1)基于顏色的前景提取，2)基于運動的圖像背景去除，3)將前兩者提取的前景進行交集運算三個階段；將通過顏色信息提取的煙霧目標圖像和通過運動特性提取的煙霧目標圖像進行交集運算，運算的結果即為最終提取的煙霧目標；
步驟三、煙源的定位計算：對第二步檢測到的煙霧進行煙源的跟蹤、定位。
所述的步驟一具體為：
1.1、采用高斯平滑濾波器對獲得的數字視頻數據進行平滑濾波；
d(u,v)是距傅立葉變換原地的距離，σ表示高斯曲率擴展的程度，可以取3,5,10。
1.2、采用基于偏微分方程的直方圖均衡化方法對平滑的結果進行圖像增強；
輸入圖像i(i,j,t)的演化方程：
i0(i,j)是輸入圖像，aω是定義域ω的面積，a(·)表示面積函數，方程具有唯一的穩態解:
dmax是圖像灰度最大值，h(i)是圖像i的累積直方圖。
所述的步驟二具體為：
2.1、采用如下的煙霧顏色特征模型進行煙霧顏色特征提取，經研究發現，對于大部分燃燒材料來說，當溫度比較低時，煙霧的顏色從青白色到白色過渡；隨著溫度的升高，煙霧顏色逐漸加深，從灰白色過渡到灰黑色，直到燃燒。如圖經過這些典型煙霧圖像的顏色數據分析，可發現煙霧的顏色大多是分布在一條較為緊湊的窄帶中，因此燃燒產生的煙霧顏色特征模型是：
其中n為所選取的連續幀的數量，通常20<n<35，ii,jii，j為rgb顏色模型中像素點(i，j)的各個顏色分量，meani,j為各個通道的灰度均值，center是煙霧的像素灰度中心，通常取160，參數ε＝400，δ1＝135，δ2＝195。
泄露的化學物質產生的煙霧顏色特征模型是：
其中n為所選取的連續幀的數量，通常15<n<30，xk為rgb顏色模型中像素點(i，j)處的某一個或兩個顏色分量，其中k∈(r,g,b)，
2.2、如圖3所示，采用動態背景減除法進行運動目標的檢測，算法描述：
dk(i，j)＝|fk(i，j)-bk-1(i，j)|
其中，(i，j)為離散圖像像素點的位置坐標，fk(i，j)為輸入圖像，bk-1(i，j)為背景模型，dk(i，j)檢測的運動區域，mk(i，j)為運動區域二值化，t＝15為二值化閾值。通過運動檢測后得到二值圖像，然后再對其進行形態學處理和連通性分析，若某一連通區域的面積大于提前設定的閾值，則表示檢測到運動目標，并且認為這個連通區域就是要提取出來的目標圖像，同時要實時更新背景模型。
基于運動的圖像背景去除采用的是一種高效的背景重建和前景提取方法，該算法依次包括：a.背景樣本集合的建立，b.背景像素點的判別，c.背景樣本集合的更新：
2.2.1、首先，背景樣本集合的建立：算法采用像素點鄰域具有相似的時空分布特點，隨機選擇像素鄰域值來填充模型樣本集合，建立一個基于所有像素點的樣本集合sample(k,i,j)m×n，其中m、n為水平和垂直方向像素點的個數，其中0≤i≤m-1，0≤j≤n-1，1≤k≤k，其中通常,k代表樣本的個數，通常k＝2n，n＝3，4，5，…，如公式
sample(k,i,j)＝{υ1(i,j),υ2(i,j),...,υk(i,j),...,υk(i,j)}
其中υ下標k是指樣本集中第k個樣本。
2.2.2、其次，背景像素點的判別：新一幀中的像素點ii，j跟樣本集中的元素比較大小，只要像素ii，j與它的樣本集合里的元素歐式距離小于r的個數大于#mindistance，則認為該點是背景點，其中k＝25，#mindistance＝2，r＝20，判別公式為
#{sr(υ(i,j))∩{υ1(i,j),υ2(i,j),...,υk(i,j),...,υk(i,j)}}≥#mindistance
當前幀中第i行第j列里元素υ(i,j)，只要與該元素樣本集合中的元素距離小于r的個數大于#mindistance，則認為υ(i,j)是背景，需要用υ(i,j)替換sample(k,i,j)m×n中的一個樣本，至于替換哪個，采用的是隨機的方法進行更新。
2.2.3、樣本集的更新是采用隨機的策略，即保證每個樣本被更新的概率是相等的即為1/k。那么樣本值p在t時刻不會被更新的概率為(k-1)/k，如果時間是連續的，則在dt時間后，樣本值仍保留的概率為：
表明背景模型樣本集合中樣本被替換的概率與時間t不相關，即隨機更新策略適用背景模型樣本集合的更新。
2.3、循環步驟2.2實現背景模型的動態更新，然后再用背景減除法提取前景。
2.4、采用數學形態學的方法進行膨脹腐蝕，對空洞進行填補，對噪聲進行去除，提取完整的前景目標。
所述步驟三具體為：
3.1、煙源跟蹤：
對前景連通區域的標記：
3.1.1、創建一個包含每個連通區域的位置、灰度均值、面積信息的結構體數組；
3.1.2、創建一個存放連通區域內的目標段對應的信息的鏈表；
3.1.3、對圖像矩陣進行水平、垂直掃描，如果掃描到一個新的沒有被記錄過的前景目標段，則創建一個記錄了目標段位置與是否被標記的標志位信息的結點，并把該結點插入鏈表。
3.1.4、以鏈表的頭結點作為種子生長點，掃描該種子點的上下鄰域，當掃描到有未記錄過的目標段，則創建一個記錄目標段所在的行、開始和結束位置所在列及是否被標記的標志位的結點，并在鏈表的尾部加入該結點。
3.1.5、從鏈表的頭部取出一個目標段，進行判斷標記，然后刪除該頭結點，直到鏈表為空，即一個連通區域標記完畢。每標記一個目標段都要更新結構體數組的信息，當整個連通區域標記完，則結構體數組中就完整的記錄了連通區域的信息。
3.2、煙源定位：
采用連續多幀擬合的方法進行前景目標的標記，并記錄每個前景的位置、面積信息，同時對每一個出現的前景目標建立一個跟蹤鏈表，鏈表的長度為l(20<＝l<＝30)，存儲了連續l幀的煙霧特征的統計信息，計算出煙霧目標質點的位置(m，n)，攝像頭旋轉角度θ將煙霧目標移動到監控攝像屏幕中心點(mcenter,ncenter)，通過兩個攝像機攝像頭的旋轉角度計算煙霧位置
其中(x，y)是煙源的坐標位置，(x1，y1)是攝像機1的坐標位置，θ1是攝像機1定位煙源的旋轉角度，(x2，y2)是攝像機2的坐標位置，θ2是攝像機2定位煙源的旋轉角度。
從上述技術方案可以看出，本發明根據物質燃燒產生煙霧與化學物質泄漏產生霧狀物質的顏色特性和煙霧漂移的運動特性，采用了運算速度快、適應復雜且實時變化環境的單幀動態背景建模算法，實現對大場景的煙霧監測、定位和報警。實驗表明算法能夠準確的區分浮云、飄揚的旗幟、飛機、風箏、車輛、行人與煙霧目標，對大面積的森林和廠區，大空間等化學藥品貯藏倉庫都有很好的檢測報警效果。但實驗的檢測率是背景敏感的，因此施工人員在安裝攝像頭時，應盡量構建相對單一、變化小、光線穩定的背景，從而提高檢測率。
以上實施例在以本發明技術方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護范圍不限于上述的實施例。上述實施例中所用方法如無特別說明均為常規方法。
- 還沒有人留言評論。精彩留言會獲得點贊！