一种基于温度信息的多特征融合的火焰检测方法与流程

1.本发明涉及火灾监控技术领域，尤其涉及一种基于温度信息的多特征融合的火焰检测方法。


背景技术：

2.目前，火焰本体检测主要的方法包括2大类：1.基于光能检测(包括红外型和紫外型)；2.基于视频分析。
3.基于视频分析的火焰主体检测方法主要是利用火焰图像特征进行检测，包括检测rgb色彩空间中火焰的r分量的值是否大于g分量和b分量的值，并且r分量的值是否大于特定阈值，因为烟雾主要呈现深灰色或者浅灰色，因此在hsv空间中，火焰的饱和度要大于特定阈值。申请号：cn201210273296.5的中国专利公开了一种基于边缘检测算子的火灾图像探测系统，对图像进行增强、滤波、灰度拉伸提高图像的对比度后，利用边缘检测算法对单帧图像进行边缘检测，根据检测后的数据计算火焰特征参数；申请号为cn201110191805.5的中国专利公开了一种利用递归背景估计算法提取运动区域，然后根据混合高斯颜色模型提取火焰颜色特征，根据视频序列降采样提取时域特征，根据小波变换提取频域特征，最后判断是否符合火焰特征；专利号为cn101930540a的中国专利提出一种基于视频的多特征融合来检测火焰，通过提取前景的边缘，然后判断边缘形状是否存在尖角来获取火焰的尖角特征，通过前景像素的亮度变化次数来获取火焰的闪烁特征，然后结合颜色特征、帧序列的图像相关性以及利用小波分解的方法进行图像高频能量检测来判断视频中是否存在火焰，通过周长与面积的比值得到的烟雾的不规则特征、通过前景面积的不断增大来获得烟雾的扩散性特征，然后结合颜色特征、边缘能量减少特征、色彩饱和度特征判断视频图像中是否存在火焰。
4.上述火焰本体检测主要的方法存在以下缺点：
5.(1)成本高：基于光能的火焰探测器成本太高，并且对设备的安装和维护要求较高，一般只适用于高端的石油、天然气和特殊工业场所。
6.(2)基于视频的方法易漏报：现有技术中根据火焰的颜色和形态特征，比如根据圆形度、尖角特征判断是否为火焰，根据扩散性、向上运动等特征判断是否为火焰的方法容易引起漏报，因为火焰根据其燃烧源不同产生的火焰颜色也是不同的，同时火焰的大小形状也是非常不固定的，变化大多数并不连续，很容易受到风吹和光照的影响，有时很难满足以上特征。
7.(3)基于视频的方法易误报：现有技术中单独利用颜色特征结合少量的外形特征或者运动特征来判断是否存在火焰的方法，反应速度慢、环境适应性差(特别是容易受到环境光的影响)，容易产生过敏误报。


技术实现要素：

8.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于温度信息的多特
征融合的火焰检测方法，通过加入单点激光红外测温传感器为多特征融合的火焰检测增加温度信息，从而实现低成本高精度的火焰检测，减少误报率和漏报率；采用低成本的非接触红外温度传感器替代昂贵的红外/紫外热能摄像头，减小了系统的成本和复杂度。
9.本发明提供一种基于温度信息的多特征融合的火焰检测方法，所述方法包括以下步骤：
10.步骤1：通过火焰监控摄像头采集视频流后发送到服务端；
11.步骤2：服务端接收视频流后，将视频流保存，并分割出火焰感兴趣区域；
12.步骤3：对火焰感兴趣区域中的疑似火焰进行特征提取，并计算疑似火焰区域的温度检测点坐标；
13.步骤4：将温度检测点坐标发送到火焰监控摄像头的控制器中，控制云台移动，使红外测温传感器对准疑似火焰区域，进行多次温度采样，并将温度信息传回服务端；
14.步骤5：服务端将提取的疑似火焰特征和温度作为输入，通过训练后的svm分类器进行最终分类。
15.进一步的，所述步骤1具体如下：
16.步骤1.1：启动服务端的监控程序，所述监控程序安装在pc端或nvr中；
17.步骤1.2：火焰监控摄像头通过无线或有线网络连接服务端，当连接成功后，火焰监控摄像头开始采集视频流后发送到服务端。
18.进一步的，所述步骤2具体如下：
19.步骤2.1：服务端接收到视频流后，将视频流保存于nvr中，并将视频解码后发送到pc端，分析当前帧的火焰疑似区域；
20.步骤2.2：如果没有发现火焰疑似区域，则继续处理下一帧，如果发现火焰疑似区域，则在火焰疑似区域中，选择背景差分作为疑似火焰的运动检测；
21.步骤2.3：将ohta颜色空间的分量进行otsu阀值分割，与饱和度相结合后与运动检测结果进行与运算，分割出火焰感兴趣区域。
22.进一步的，所述特征包括火焰的圆形度、矩形度、重心高度系数以及纹理特征。
23.进一步的，所述火焰监控摄像头包括控制器、监控摄像头以及红外测温传感器。
24.进一步的，所述火焰监控摄像头设置于云台上，并通过控制器控制云台带动火焰监控摄像进行旋转。
25.如上所述，本发明的一种基于温度信息的多特征融合的火焰检测方法，具有以下有益效果：通过加入单点激光红外测温传感器为多特征融合的火焰检测增加温度信息，从而实现低成本高精度的火焰检测，减少误报率和漏报率；采用低成本的非接触红外温度传感器替代昂贵的红外/紫外热能摄像头，减小了系统的成本和复杂度。
附图说明
26.图1显示为本发明实施方式中公开的方法流程图；
27.图2显示为本发明实施方式中公开的火焰检测流程图；
28.图3显示为本发明实施方式中公开的硬件系统结构图；
29.图4显示为本发明实施方式中公开的火焰监控摄像头结构示意图；
30.图中标记：1-监控摄像头，2-红外测温传感器，3-云台，4-控制器。
具体实施方式
31.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
32.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
33.本发明提供一种基于温度信息的多特征融合的火焰检测方法，如图3所示，所述方法对应的硬件系统包括多个带非接触式红外测温传感器的火焰监控摄像头、nvr(网络硬盘录像机)以及pc机，所述火焰监控摄像头、nvr以及pc机通过交换机组进行信号传输，如图4所示，所述火焰监控摄像头包括嵌入式的控制器、监控摄像头、红外测温传感器，所述火焰监控摄像头设置于云台上，并通过控制器控制云台带动火焰监控摄像进行旋转；所述交换机组包括两个交换机，所述交换机之间通过有线或者无线网络进行信号传输；
34.如图1所示，所述方法包括以下步骤：
35.步骤1：通过火焰监控摄像头采集视频流后发送到服务端；
36.具体步骤如下：
37.步骤1.1：启动服务端的监控程序；
38.步骤1.2：火焰监控摄像头通过无线或有线网络连接服务端，当连接成功后，火焰监控摄像头开始采集视频流后发送到服务端；
39.其中，监控程序可以安装在pc端或nvr中。
40.步骤2：服务端接收到视频流后，将视频流保存并分割出火焰感兴趣区域；
41.如图2所示，具体步骤如下：
42.步骤2.1：服务端接收到视频流后，一方面将视频流保存于nvr中，另一方面将视频解码后发送到pc端，分析当前帧的火焰疑似区域；
43.步骤2.2：如果没有发现火焰疑似区域，则继续处理下一帧；如果发现火焰疑似区域，则在火焰疑似区域中，选择背景差分作为疑似火焰的运动检测；
44.步骤2.3：将ohta颜色空间的分量进行otsu阀值分割，与饱和度相结合后与运动检测结果进行与运算，分割出火焰感兴趣区域。
45.步骤3：对火焰感兴趣区域中的疑似火焰做特征提取，且计算疑似火焰区域的温度检测点坐标；
46.其中，提取的特征包括火焰的圆形度、矩形度、重心高度系数以及纹理特征；
47.步骤4：将温度检测点的坐标返回火焰监控摄像头的控制器中，控制云台移动，使红外测温传感器对准疑似火焰区域，进行多次温度采样，并将温度信息传回服务端；
48.步骤5：服务端将提取的火焰特征和温度作为输入，通过训练后的svm分类器进行最终分类，如果分类结果为发生火灾，则触发相应报警设备进行报警。
49.本发明在火焰运动模型的基础上利用改进的ohta颜色模型，从视频图像中提取火
焰感兴趣区域，通过此部分，有效过滤掉视频中大量无用信息，尤其是直接排除与火焰颜色差别较大的运动物体以及与火焰类似颜色的静态物体，提升识别效率；但还不足以排除与火焰颜色及运动特征相似的动态干扰，因此对提取的疑似火焰感兴趣区域，综合静态特征包括圆形度、矩形度、重心高度系数、纹理，以及温度特征，通过训练好的svm分类器进行最终分类识别；考虑到系统成本，本发明采取非接触红外测温传感器来采集温度信息，由于红外测温传感器是点测量，因此，需要火焰监控摄像头将疑似火焰区域的相对地址信息通知内部控制器(单片机)，通过控制器操控云台将红外测试点对准疑似火焰区域进行测温。
50.综上所述，本发明通过加入单点激光红外测温传感器为多特征融合的火焰检测增加温度信息，从而实现低成本高精度的火焰检测，减少误报率和漏报率；采用低成本的非接触红外温度传感器替代昂贵的红外/紫外热能摄像头，减小了系统的成本和复杂度。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
51.上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。