一种基于HVS视觉模型的高速火焰探测方法及装置与流程

本发明涉及火灾安全监测，尤其是涉及一种基于hvs视觉模型的高速火焰探测方法及装置。

背景技术：

1、随着城市化进程加快和新型建筑结构（如高大空间、综合体、交通枢纽）的大量涌现，传统接触式火灾探测器（如感烟、感温探测器）因火灾特征信号（烟雾、温度）在远距离传输中严重衰减，难以满足早期可靠报警的需求。基于视频图像的火灾探测技术因响应速度快、信息丰富、非接触监测等优势，已成为该领域的研究热点和发展方向。

2、然而，现有视频火焰探测技术仍存在以下显著缺陷，严重制约了其大规模实际应用：

3、第一，特征描述与hvs感知机制脱节。多数算法从纯数学或信号处理角度出发，采用均方误差、固定阈值分割等客观指标进行特征提取与判别。这些方法未能有效模拟人眼视觉系统对颜色饱和度、亮度对比度、边缘纹理粗糙度以及不规则高频抖动的敏感特性，导致探测结果与人的主观判断一致性差。例如，某些算法仅依赖rgb通道的简单阈值分割（如r>150且r>g>b），极易受到高亮白色灯光、红色旗帜、橙色管道漆面或夕阳余晖的干扰，产生大量误报。

4、第二，计算复杂性与实时性矛盾突出。为实现高精度探测，部分先进算法引入了三维卷积神经网络（3d-cnn）或光流法来捕捉火焰的时空动态特征。这类方法虽然精度较高，但巨大的参数量和计算量使得在嵌入式设备或常规安防服务器上难以达到实时处理要求（≥25fps）。而简单的帧差法或全像素背景消减法虽速度快，但往往只能提取运动目标的轮廓或出现内部空洞，无法为后续识别提供稳定、完整的区域信息。

5、第三，单特征决策导致泛化能力弱。许多方法倾向于依赖某一种“强特征”（如仅用颜色或仅用频闪）进行最终判定。这种单点决策机制在特定场景下可能有效，但一旦环境变化（如光照突变、探测器轻微抖动），系统性能便会急剧下降，表现为误报率（false alarmrate）和漏报率（missed detection rate）的显著升高。

6、第四，对早期小尺度火焰敏感性低。 火灾发生初期，火焰在图像中往往只占极少数像素（通常小于总像素数的3%）。传统基于滑动窗口或固定锚框的目标检测方法，其感受野和特征金字塔设计主要针对中大型目标，难以有效捕捉此类微小目标的特征，导致其被网络下采样层或背景模型所忽略，延误了最佳灭火时机。

技术实现思路

1、本发明的目的是提供一种基于hvs视觉模型的高速火焰探测方法及装置，以解决背景技术中提到的问题。

2、为实现上述目的，本发明提供了一种基于hvs视觉模型的高速火焰探测方法，包括：

3、s1、色彩空间转换与预处理步骤：将采集的原始视频图像从设备相关色彩空间转换至hsv感知色彩空间，并对亮度分量施加中值滤波；

4、s2、颜色显著性初筛步骤：在hsv空间中，基于具有光照自适应权重的多分量高斯混合颜色模型，结合局部对比度调制因子和动态饱和度-亮度约束区间，逐像素计算颜色显著性判定函数，生成二值化显著颜色图；

5、s3、运动目标确认步骤：采用棋盘格采样策略将图像像素划分为主动像素和非主动像素，采样密度依据场景运动状态自适应调整；仅对主动像素建立高斯混合背景模型进行前景检测，非主动像素通过邻域加权投票机制判定状态；将显著颜色图与运动前景图进行逻辑交叠，生成运动-颜色联合候选区域；

6、s4、形态学与形状分析步骤：对候选区域执行形态学开闭运算和连通区域标记，计算各区域的圆形度和边界粗糙度，剔除不满足形状判定准则的区域；

7、s5、时域闪烁特征提取步骤：在候选区域内提取亮度变化时间序列，基于人眼恰可分辨差阈值计算帧间变化强度，在滑动时间窗口内构建平均激活率、变化稳定性指数和累积波动能量三个时域统计量，据此计算闪烁置信度；

8、s6、多特征融合判决步骤：构建四维特征置信度向量，依据场景状态参数通过softmax函数动态分配各特征权重，采用非线性熵权融合函数计算全局置信度，基于双门限三态决策机制输出最终探测结果。

9、优选的，步骤s2具体包括：

10、多分量高斯混合颜色模型为：

11、；

12、其中分量权重为像素位置和局部亮度的自适应函数：

13、；

14、为像素的局部亮度归一化值，为光照影响因子；饱和度分量和亮度分量的判定阈值动态约束为：

15、；

16、饱和度下界随亮度增加呈单调递减趋势；颜色显著性判定函数为：

17、；

18、其中为局部对比度调制因子，为像素与其八邻域的局部亮度对比度；满足全部条件时输出1，否则输出0，生成显著颜色图。

19、优选的，步骤s3中棋盘格采样掩膜定义为：

20、；

21、采样密度依据前一帧运动区域占比自适应调整：

22、；

23、其中为基础采样率；仅对采样掩膜取值为1的主动像素建立高斯混合背景模型，其概率密度函数为：

24、；

25、若当前观测值与第个高斯分布匹配，则按学习率更新该分布的均值和方差；若无一分布匹配，则以当前观测值初始化新高斯分布替代权重最小者。

26、优选的，步骤s3中非主动像素的运动状态由八邻域主动像素加权投票决定：

27、；

28、其中领域权重，即高斯混合模型方差越小的主动像素其判定结果权重越高，为投票阈值；运动-颜色联合候选区域生成方式为：

29、；

30、只有同时满足颜色显著条件和运动前景条件的像素予以保留。

31、优选的，步骤s4中采用3×3方形结构元素执行形态学运算，腐蚀运算定义为，膨胀运算定义为对经形态学滤波后的连通区域计算圆形度和边界粗糙度，其中为区域面积，为区域周长，为区域凸包周长；判定准则为：若或，则将对应区域从候选集合中剔除，取0.65至0.75，取1.10至1.20。

32、优选的，步骤s5中，候选区域在时刻的帧间亮度变化强度为：

33、；

34、其中恰可分辨差 jnd 采用分段非线性形式：

35、；

36、；在滑动时间窗口（取25至32）内定义三个时域统计量：

37、平均激活率；

38、变化稳定性指数；

39、累积波动能量。

40、优选的，步骤s5中闪砾置信度的计算函数为：

41、；

42、其中：

43、；

44、；

45、和为火焰样本经验参考值，对平均激活率施加正弦窗约束，使闪砾置信度仅在变化率处于合理区间时输出有效值。

46、优选的，步骤s6中，四维置信度向量，场景状态向量，其中为全局亮度归一化值，为动态区域占全图比例，为信噪比估计值；各特征权重由softmax函数动态计算：

47、；

48、其中和为离线学习的权重映射参数；非线性熵权融合全局置信度为：

49、；

50、其中为非线性调制指数，为置信度向量的信息熵：

51、；

52、和为熵惩罚强度系数；所述双门限三态决策机制为：若取0.70至0.80)，判定为火灾并触发报警；若取0.50至0.60)，判定为可疑状态，引入累积置信度跟踪，若连续帧满足(取5至8)则升级为报警，否则重置；若，判定为无火灾。

53、一种基于hvs视觉模型的高速火焰探测装置，包括：

54、前端图像采集模块，用于实时采集监控区域的视频图像信号；

55、数据缓存单元，用于存储当前处理帧及连续多帧历史图像数据；

56、核心异构计算单元，包含现场可编程门阵列fpga子系统和数字信号处理器dsp或arm处理器子系统；所述fpga子系统用于执行像素级并行处理，包括色彩空间转换、图像滤波及形态学运算；所述dsp或arm处理器子系统用于执行高斯混合模型参数维护、连通区域标记、时域闪烁特征统计及多特征融合判决；所述fpga子系统完成全图像素级预处理后将候选区域坐标传输至所述dsp或arm处理器子系统，所述dsp或arm处理器子系统仅针对候选区域执行背景建模更新和闪烁特征计算；

57、程序与参数存储单元，用于存储启动程序、火焰统计模型参数及动态阈值配置；

58、报警输出接口，用于在判定火灾时输出报警信号。

59、因此，本发明采用上述一种基于hvs视觉模型的高速火焰探测方法及装置，具备以下有益效果：

60、（1）构建“颜色统计模型→运动时空滤波→形状纹理分析→闪烁特征验证”的多级串联式验证结构，各级针对不同性质干扰源依次过滤：颜色筛选基于统计模型而非固定阈值，自适应区分火焰与类火干扰物；运动检测滤除静态类火物体；形状分析利用圆形度和边界粗糙度剔除规则形状干扰；闪烁分析从时域区分火焰的高频不规则抖动与稳定光源或周期性闪烁。四重验证逐步收窄判定条件，单一特征偶发高值无法独立触发报警，确保复杂场景下的低误报率。

61、（2）采用“fpga硬件加速+arm软件算法”的异构计算架构。fpga利用硬件并行特性完成像素级预处理，arm仅针对fpga筛选出的候选区域进行计算；关键像素采样策略将运动检测计算量降至传统全像素高斯混合模型的四分之一以下；闪烁分析利用环形缓冲区增量更新机制，使三个时域统计量每帧更新均为常数时间操作，完全避免滑窗遍历的重计算。上述优化使系统单帧端到端处理时间远小于帧周期，仅凭嵌入式芯片即可完成实时全分析。

62、（3）颜色判定阈值随图像全局亮度自适应偏移，饱和度下界随像素亮度递增而单调递减；采样密度依据场景运动剧烈程度自动调节；特征融合权重由场景状态向量经softmax动态映射，低照度下自动增大闪烁和运动贡献。全系统无需针对不同环境预设多套参数，在各种光照和场景复杂度下均保持一致的探测性能。

63、（4）利用实际运行中的误报和正确报警样本对颜色统计模型进行在线更新，学习率随反馈样本积累呈衰减趋势——“前期快速适应、后期稳定收敛”，使系统在长期运行中对场景特有干扰源逐步获得更强的辨别能力，误报率随部署时间延长而持续降低。

64、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。