紅外和可見光視頻圖像融合識別火災的方法
【技術領域】
[0001] 本發(fā)明屬于生產(chǎn)安全監(jiān)測技術領域，涉及一種紅外和可見光視頻圖像融合識別火 災的方法。
【背景技術】
[0002] 目前預防火災發(fā)生有多種技術和手段，應用比較廣泛的有煙霧報警器、紫外火焰 探測器等。煙霧報警器適合室內(nèi)煙霧的監(jiān)測和預警，但不適合視頻監(jiān)控和戶外使用。紫外 火焰探測器探測波長200~300nm以下的引起的高溫火災，用于檢測熱油快速燃燒引起的 火焰，對瞬時強光發(fā)出時監(jiān)測火焰非常有效，適合爆炸性火災的監(jiān)測和預警，但是紫外火焰 探測器器監(jiān)測場景角度窄，在強太陽光下誤報率較高。因此兩種火災探測儀器自都有局限 性。采用紅外技術進行火災探測近幾年探索較多，但市場應用尚不成熟，識別方法局限在實 驗室內(nèi)或者近距離火焰的探測識別。
[0003] 目前尚未有紅外圖像融合可見光圖像進行火災識別的算法，多數(shù)利用紅外圖像識 別火焰后，在可見光圖像上顯示出著火點的位置，提供給使用者清晰的現(xiàn)場視頻。專利和非 專利文獻公布其紅外圖像識別火災是在實驗室中實現(xiàn)的，從識別圖片看，火焰在圖片中占 至少30%的面積，這樣的算法對于室外、復雜背景或者遠距離的小火點等識別率很低。
[0004] 火災監(jiān)測如果只是用可見光圖像進行識別，算法設計復雜、識別耗時長，且判斷結 果容易受外界光線和背景的影響，如局部出現(xiàn)強烈陽光可能就會引起誤報，而且小火焰在 強烈陽光下也不易被識別，容易出現(xiàn)漏報。若只采用紅外圖像進行識別，同樣存在因為信息 單一引起的誤報，如燈光容易被誤判成火焰點。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種紅外和可見光視頻圖像融合識別火災的方法，避免火災 的漏報和誤報。
[0006] 本發(fā)明的技術方案是：紅外和可見光視頻圖像融合識別火災的方法，紅外攝像機 檢測火情時發(fā)出紅外線，通過光學成像體系形成紅外圖像。利用計算機建立紅外圖像預處 理模塊、判斷可疑紅外圖像模塊、確定紅外圖像中存在火焰模塊和融合可見光綜合判斷模 塊進行識別。紅外圖像預處理模塊根據(jù)紅外圖像的特征及目標的特點進行灰度化處理、區(qū) 域聯(lián)通、二值化和膨脹運算。判斷可疑紅外圖像模塊利用紅外圖像進行火焰的識別，分別對 灰度圖和二值化圖像做差值運算，確定場景有變化的可疑圖像。確定紅外圖像中存在火焰 模塊對前后幀可疑圖像做相似度計算，計算兩幀圖像中火焰可疑區(qū)的相似度，確認火焰是 否存在。融合可見光綜合判斷模塊結合火焰在RGB顏色空間的模型，在紅外圖像火焰出現(xiàn) 后，判斷相應可見光圖像上的RGB值是否滿足火焰的顏色模型，如果可見光圖像上的RGB值 滿足火焰的顏色模型，終判火情發(fā)生。
[0007] 差值運算包括兩組圖像差值。一組是前后兩幀紅外圖像灰度圖做差值，一組是紅 外圖像二值化后的兩幀圖像做差值，差值運算的過程為： (1)第i和第i+k幀灰度圖做差值：
式中： ?；為差值圖像二值化閾值；?；的范圍為0~255,根據(jù)實際需要確定一個合理值」 G (i，X，y)為第i幀紅外圖像的灰度圖； G (i+k，X，y)為第i+k幀紅外圖像的灰度圖； G (i, i+k, X，y)為結果圖像，其像素值為1的區(qū)域表示G (i, X，y)和G (i+k, X，y)兩中貞 圖像有較大差異，該區(qū)域有較強亮光或紅外輻射出現(xiàn)。
[0008] ⑵第i和第i+k幀二值化圖像做差值，即異或運算： Pr (i, i+k, x, y) =P (i, x, y) Λ P (i+k, x, y) 式中： P(i，x，y)為第i幀紅外圖像的二值圖； P (i+k, x, y)為第i+k幀紅外圖像的二值圖； P(i, i+k, X，y)為差值結果圖像，其像素值為1的區(qū)域表示P(i, X，y)和:兩帖 圖像有較大差異；此圖像的二值化使用直方圖分割方法； ⑶對以上（1)和（2)的結果圖像G(i, i+k, X，y)和P(i, i+k, X，y)做與運算，得到結果 圖像 R (i, i+k, X，y)， R (i, i+k, x, y) = Gr (i, i+k, x, y) Π Pr (i, i+k, x, y) R (i，i+k，x，y)中像素值為1的區(qū)域表示i和i+k幀紅外圖像明顯差異，然后統(tǒng)計差異 區(qū)域的大小，進行以下計算： Sun(iji+k)= Σ R (i, i+k, x, y) Sumu,1+k)表示R (i，i+k，x，y)中像素值是1的像素個數(shù)；如果第i和i+k幀圖像的場 景差別較大，那么Sun^1+k)的值較大，當大于門限值Sumdt，可以懷疑場景內(nèi)有火焰出現(xiàn)， 即： Sum(i,i+k)彡SumT，貝丨J第i中貞紅外圖像G (i，x，y)為可疑圖像；而K-iU + k'-K-y)中值為1 的像素點區(qū)域即為可疑火焰區(qū)域； 若Sum(1,1+k) <5窗1則6 (i，x，y)為正常圖像，此時將基準圖像調(diào)整為G (i+k，x，y)，重 新進行判斷。
[0009] 前后幀可疑圖像相似度計算為： 如果第i幀紅外圖像G(U妁可疑，那么繼續(xù)用以上（1) (2) (3)的步驟判斷后續(xù)幀 G(H_ 是否也可疑。如果不可疑，放棄以前的結果，將基準圖像調(diào)整為后續(xù)圖像，從步 驟（1)重新開始判斷。如果可疑，對第i幀R (i，i+k，x，y)和幀R (l，i+k，x，y)做開運算， 去除圖像內(nèi)零散、面積較小的可疑區(qū)域，連通圖像面積較大的可能火焰區(qū)域，兩幅圖像的可 疑區(qū)域做相似度計算，根據(jù)相似度判別是否火焰出現(xiàn)； (1)相似度計算為：
式中： ε 為 R (i，i+k，X，y)和幀 R (1，I+k，X，y); 相似度判斷 如果： ε > E。表示前后幀圖像i和1可疑火焰區(qū)域高度匹配，認為可疑火焰為固定紅外光 源； 如果：ε Ei< ε <Ε。表示i幀和k幀可疑火焰區(qū)域匹配度較高，認為火焰出現(xiàn)； 如果： ε < Ei表示i幀和1幀可疑或吸煙區(qū)域匹配度低，認為移動光源出現(xiàn)； 其中： 分別為判斷相似度的上下門限。
[0010] 融合可見光綜合判斷的方法為由第三模塊得到的有火焰的紅外圖像幀找到此幀 圖像對應的可見光圖像幀F(xiàn)(i，X，y)，判斷F(i，X，y)中對應紅外圖像火焰區(qū)域的像素 R、G、 B值是否滿足火焰空間顏色模型，如果滿足則認為模塊三確定的可疑圖像的確發(fā)生了火情， 否則沒有出現(xiàn)火情?；鹧婵臻g顏色模型為：RG和彡G>B，其中：R為紅色，G為綠色，B為藍 色。
[0011] 本發(fā)明紅外和可見光視頻圖像融合識別火災的方法通過紅外圖像預處理模塊、判 斷可疑紅外圖像模塊、確定紅外圖像中存在火焰模塊和融合可見光綜合判斷模塊相結合， 紅外圖像和可見光圖像融合識別火災的方利用紅外圖像去除大部分場景影響，初步判斷出 火焰是否存在，然后融合可見光圖像最終綜合判斷火災是否發(fā)生，實現(xiàn)了紅外圖像和可見 光圖像的融合識別，避免了使用某一種圖像所導致的漏報和誤報。采用紅外攝像機和普通 監(jiān)控攝像機相結合的方式實時監(jiān)測火災，能監(jiān)控室內(nèi)和近距離火災，也適用于戶外、較遠距 離等情況，不受光線、天氣變化、環(huán)境亮度變化等因素影響影響，運行行速度快，可在火災發(fā) 生早期及時準確的預警。本發(fā)明利用紅外成像的特點，選用合適的紅外鏡片組合，拍攝的紅 外圖像上只有很少的背景信息，更多的保留了有效信息，先采用紅外圖像初步判斷出起火 視頻圖像后，再根據(jù)火焰顏色模型，利用可見光圖像進一步確認火災發(fā)生的圖像，提高了識 別的準確性。
【附圖說明】
[0012] 圖1為本法本發(fā)明紅外和可見光視頻圖像融合識別火災的流程示意圖； 圖2為第一組兩幀紅外圖像G(l, X，y)和G(2, X，y); 圖3為第一組二值化后紅外圖像R(l，x，y)和R(2，x，y); 圖4為第一組二值化圖像差值運算的Pr (1，2, X，y)結果圖像； 圖5為第一組紅外圖像直接差值運算的Gr (1，2, X，y)結果圖像； 圖6為第二組兩幀紅外圖像G (100, x，y)和G (102, x，y); 圖7為第二組二值化后紅外圖像R(100，x，y)和R(102，x，y); 圖8為第二組二值化圖像差值運算的Pr (100, 102, X，y)結果圖像； 圖9為第二組紅外圖像直接差值運算的Gr (100, 102, X，y)結果圖像。
[0013] 其中： 1 一紅外圖像預處理模塊、2-判斷可疑紅外圖像模塊、3-確定紅外圖像中存在火焰模 塊、4一融合可見光綜合判斷模塊。
【具體實施方式】
[0014] 下面結合實施例和附圖對本發(fā)明進行詳細說明。本發(fā)明保護范圍不限于實施例， 本領域技術人員在權利要求限定的范圍內(nèi)做出任何改動也屬于本發(fā)明保護的范圍。
[0015] 本發(fā)明紅外和可見光視頻圖像融合識別火災的方法，通過與計算機相連接的紅外 圖像預處理模塊1、判斷可疑紅外圖像模塊2、確定紅外圖像中存在火焰模塊3和融合可見 光綜合判斷模塊4進行識別。如圖1所示，①利用紅外攝像機檢測火情時發(fā)出紅外線，光學 成像形成紅外圖像。②紅外圖像預處理模塊根據(jù)紅外圖像的特征及目標的特點進行灰度化 處理、二值化、區(qū)域聯(lián)通。③判斷可疑紅外圖像模塊利用紅外圖像進行火焰的識別，分別對 灰度圖和二值化圖像做差值運算，確定場景有變化的可疑圖像。④確定紅外圖像中存在火 焰模塊對前后幀可疑圖像做相似度計算，計算兩幀圖像中火焰可疑區(qū)的相似度，確認火焰 是否存在。⑤融合可見光綜合判斷模塊結合火焰在RGB顏色空間的模型，在紅外圖像確定 火焰出現(xiàn)后，判斷相應可見光圖像上的RGB值是否滿足火焰的顏色模型，如果可見光圖像 上的RGB值滿足火焰的顏色模型，終判火情發(fā)生。
[0016] 差值運算包括兩組圖像差值，一組是前后兩幀紅外圖像灰度圖做差值，一組是紅 外圖像二值化后的兩幀圖像做差值，差值運算的過程為： ⑴第i和筍i+k巾麼PS彳協(xié)荖佶·
像素值為1的區(qū)域表示兩S圖像有較大差異，該區(qū)域有較強亮光或紅外輻射出現(xiàn)。
[0017] ⑵第i和第i+k幀二值化圖像做差值，即異或運算： Pr (i, i+k, X, y) =P (i, x, y) Λ P (i+k, x, y) 像素值為1的區(qū)域表示兩幀圖像有較大差異。
[0018] ⑶對兩組差值圖像做與運算，得到結果圖像R (i，i+k，X，y) R (i, i+k, x, y) = Gr (i, i+k, x, y) Π Pr (i, i+k, x, y) R (i，i+k，x，y)中像素值為1的區(qū)域表示i和i+k幀圖像有明顯差異，進行以下計算： Sun(iji+k)= Σ R (i, i+k, x, y) Sun(1,1+k)表示R(i，i+k，x，y