森林防火監(jiān)控方法及森林防火監(jiān)控系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種森林防火監(jiān)控方法及森林防火監(jiān)控系統(tǒng)。本發(fā)明中，獲取采集的當(dāng)前森林視頻圖像，并將獲取的當(dāng)前森林視頻圖像應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像；將當(dāng)前森林視頻圖像與該當(dāng)前森林視頻圖像對應(yīng)的背景圖像進(jìn)行差分，生成當(dāng)前背景差分圖像；將生成的當(dāng)前背景差分圖像應(yīng)用于預(yù)先設(shè)置的煙火對象檢測算法，獲取煙火對象信息。應(yīng)用本發(fā)明，可以降低防火監(jiān)控的虛警率、提升火災(zāi)監(jiān)控精度。
【專利說明】森林防火監(jiān)控方法及森林防火監(jiān)控系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及防火監(jiān)控技術(shù)，尤其涉及一種森林防火監(jiān)控方法及森林防火監(jiān)控系統(tǒng)。
【背景技術(shù)】
[0002]隨著人們對生態(tài)環(huán)境的日益重視和關(guān)注，森林面積以及林木蓄積量逐年增加，再加上氣候條件的多變性，使得森林火災(zāi)的發(fā)生越來越頻繁。由于森林火災(zāi)的發(fā)生具有突發(fā)性、隨機(jī)性，并能在短時間內(nèi)造成巨大的經(jīng)濟(jì)損失，導(dǎo)致森林防火任務(wù)變得越來越艱巨。
[0003]目前，森林防火工作仍存在野外火源管理難度較大，森林火災(zāi)隱患增多，造成的經(jīng)濟(jì)影響較大等問題。因而，如何提升森林防火智能監(jiān)控水平，以便于及時掌握各森林片區(qū)的火情相關(guān)信息，從而及早發(fā)現(xiàn)火情隱患，將森林火災(zāi)導(dǎo)致的損失減少至最低，是目前亟需解決的技術(shù)問題。
[0004]現(xiàn)有技術(shù)中，采用森林防火智能監(jiān)控技術(shù)，能夠避免原始人工觀察火情的局限，可以實現(xiàn)森林林區(qū)數(shù)字化、科學(xué)化的管理，大大減少林業(yè)部門的費(fèi)用支出和管理成本，提高林區(qū)企業(yè)的社會效應(yīng)和經(jīng)濟(jì)效應(yīng)，因而，在森林防火中應(yīng)用越來越廣泛。其中，基于視頻的森林防火監(jiān)控系統(tǒng)是目前火災(zāi)檢測領(lǐng)域的研究熱點，它能有效克服以傳感器為基礎(chǔ)的傳統(tǒng)火災(zāi)檢測技術(shù)的諸多不足，可以方便地應(yīng)用于廣場、森林等室外復(fù)雜環(huán)境。但現(xiàn)有基于視頻的森林防火監(jiān)控系統(tǒng)，通過監(jiān)控員對攝像頭拍攝得到的視頻圖像進(jìn)行人工識別已確定是否發(fā)生火情。由于森林中與火焰顏色相近的景物較多，例如，在秋季時逐漸變紅，范圍越來越大的紅葉區(qū)域。因而，人工識別容易受到與火焰顏色相近的景物干擾，從而出現(xiàn)誤判，使得防火監(jiān)控的虛警率較高，導(dǎo)致林業(yè)部門出動不必要的火警處理力量，增加了防火監(jiān)控成本，影響了基于視頻的森林防火監(jiān)控系統(tǒng)的魯棒性，使得森林火災(zāi)監(jiān)控精度較低。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的實施例提供一種森林防火監(jiān)控方法，降低防火監(jiān)控的虛警率、提升火災(zāi)監(jiān)控精度。
[0006]本發(fā)明的實施例還提供一種森林防火監(jiān)控系統(tǒng)，降低防火監(jiān)控的虛警率、提升火災(zāi)監(jiān)控精度。
[0007]為達(dá)到上述目的，本發(fā)明實施例提供的一種森林防火監(jiān)控方法，該方法包括:
[0008]獲取采集的當(dāng)前森林視頻圖像，并將獲取的當(dāng)前森林視頻圖像應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像；
[0009]將當(dāng)前森林視頻圖像與該當(dāng)前森林視頻圖像對應(yīng)的背景圖像進(jìn)行差分，生成當(dāng)前背景差分圖像；
[0010]將生成的當(dāng)前背景差分圖像應(yīng)用于預(yù)先設(shè)置的煙火對象檢測算法，獲取煙火對象信息。
[0011]其中，所述將獲取的當(dāng)前森林視頻圖像應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像包括:
[0012]對于當(dāng)前森林視頻圖像中的每一個像素點，將像素點應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，得到該像素點在混合高斯背景模型中的取值概率，計算每一單高斯模型中概率權(quán)重與協(xié)方差的比值，將混合高斯背景模型中的每個單高斯模型按照比值進(jìn)行排序，并且當(dāng)確定新獲取的圖像幀的像素與混合高斯模型中的任一單高斯模型分布匹配時，用該像素點替換混合高斯背景模型中對應(yīng)的像素點作為當(dāng)前混合高斯背景模型；
[0013]提取當(dāng)前混合高斯背景模型中的像素點，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像。
[0014]其中，利用下述公式確定所述像素點在混合高斯背景模型中的取值概率:
[0015]
【權(quán)利要求】
1.一種森林防火監(jiān)控方法，該方法包括: 獲取采集的當(dāng)前森林視頻圖像，并將獲取的當(dāng)前森林視頻圖像應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像； 將當(dāng)前森林視頻圖像與該當(dāng)前森林視頻圖像對應(yīng)的背景圖像進(jìn)行差分，生成當(dāng)前背景差分圖像； 將生成的當(dāng)前背景差分圖像應(yīng)用于預(yù)先設(shè)置的煙火對象檢測算法，獲取煙火對象信肩、O
2.根據(jù)權(quán)利要求1所述的方法，其中，所述將獲取的當(dāng)前森林視頻圖像應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像包括: 對于當(dāng)前森林視頻圖像中的每一個像素點，將像素點應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，得到該像素點在混合高斯背景模型中的取值概率，計算每一單高斯模型中概率權(quán)重與協(xié)方差的比值，將混合高斯背景模型中的每個單高斯模型按照比值進(jìn)行排序，并且當(dāng)確定新獲取的圖像幀的像素與混合高斯模型中的任一單高斯模型分布匹配時，用該像素點替換混合高斯背景模型中對應(yīng)的像素點作為當(dāng)前混合高斯背景模型； 提取當(dāng)前混合高斯背景模型中的像素點，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像。
3.根據(jù)權(quán)利要求2所述的方法，其中，利用下述公式確定所述像素點在混合高斯背景模型中的取值概率:
4.根據(jù)權(quán)利要求3所述的方法，其中，利用下述公式確定所述時刻t時的當(dāng)前森林視頻圖像中的像素點在第i個單高斯模型中的取值概率:
5.根據(jù)權(quán)利要求4所述的方法，其中，利用下述公式確定所述新獲取的圖像幀的像素與混合高斯模型中的任一單高斯模型分布匹配:
6.根據(jù)權(quán)利要求1所述的方法，其中，利用下述公式確定所述當(dāng)前背景差分圖像:
D (X，y, t) = | I (X，y, t) -B (x, y, t) 式中，D(x，y，t)為當(dāng)前背景差分圖像； (χ, y)為像素點在圖像中的像素位置信息。
7.根據(jù)權(quán)利要求1至6任一項所述的方法，其中，所述方法進(jìn)一步包括: 獲取當(dāng)前背景差分圖像中像素點的像素值，如果獲取的像素值超過預(yù)先設(shè)置的二值化閾值，將該像素點的像素值更新為二值化的煙火對象的像素值；否則，將該像素點的像素值更新為二值化的背景點的像素值。
8.根據(jù)權(quán)利要求7所述的方法，其中，所述將生成的當(dāng)前背景差分圖像應(yīng)用于預(yù)先設(shè)置的煙火對象檢測算法，獲取煙火對象信息具體包括: BI，將當(dāng)前背景差分圖像與當(dāng)前幀森林視頻圖像進(jìn)行與運(yùn)算，得到待處理圖像； B2，獲取待處理圖像中各像素點的RGB值，計算每一像素點的紅顏色值與藍(lán)顏色值的顏色差絕對值； B3，當(dāng)確定每一像素點的顏色差絕對值大于預(yù)先設(shè)置的檢測閾值時，標(biāo)記該每一像素點為煙火對象的像素點； B4，根據(jù)標(biāo)記為煙火對象的像素點在待處理圖像中覆蓋的區(qū)域，獲取煙火對象信息。
9.一種森林防火監(jiān)控系統(tǒng)，其特征在于，該系統(tǒng)包括:攝像頭、混合高斯背景模型運(yùn)算器、差分處理器以及煙火對象檢測器； 攝像頭，用于采集當(dāng)前森林視頻圖像； 混合高斯背景模型運(yùn)算器，用于獲取采集的當(dāng)前森林視頻圖像，并將獲取的當(dāng)前森林視頻圖像應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，生成當(dāng)前森林視頻圖像對應(yīng)的背景圖像；差分處理器，用于將當(dāng)前森林視頻圖像與該當(dāng)前森林視頻圖像對應(yīng)的背景圖像進(jìn)行差分，生成當(dāng)前背景差分圖像； 煙火對象檢測器，用于將生成的當(dāng)前背景差分圖像應(yīng)用于預(yù)先設(shè)置的煙火對象檢測算法，獲取煙火對象信息。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述混合高斯背景模型運(yùn)算器包括:取值概率計算模塊、判斷模塊、像素點計數(shù)模塊以及背景圖像生成模塊； 取值概率計算模塊，用于將當(dāng)前森林視頻圖像中的像素點應(yīng)用于預(yù)先設(shè)置的混合高斯背景模型，得到該像素點在混合高斯背景模型中的取值概率； 判斷模塊，用于計算每一單高斯模型中概率權(quán)重與協(xié)方差的比值，將混合高斯背景模型中的每個單高斯模型按照比值進(jìn)行排序，并且當(dāng)確定新獲取的圖像幀的像素與混合高斯模型中的任一單高斯模型分布匹配時，用該像素點替換混合高斯背景模型中對應(yīng)的像素點作為當(dāng)前混合高斯背景模型； 像素點計數(shù)模塊，用于判斷輸入判斷模塊的像素點是否為當(dāng)前森林視頻圖像中的最后一個像素點，如果否，依序讀取當(dāng)前森林視頻圖像中的下一個像素點，輸出至取值概率計算模塊；如果是，通知背景圖像生成模塊；背景圖像生成模塊，用于根據(jù)來自像素點計數(shù)模塊的通知，提取當(dāng)前混合高斯背景模型中的像素點，生成當(dāng)前森林視頻`圖像對應(yīng)的背景圖像。
【文檔編號】G06K9/60GK103632158SQ201310587310
【公開日】2014年3月12日 申請日期:2013年11月20日 優(yōu)先權(quán)日:2013年11月20日
【發(fā)明者】王鵬飛, 劉峰, 張挺, 石志強(qiáng), 肖軍波 申請人:北京環(huán)境特性研究所