一種檢測視頻險情的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻運動目標(biāo)檢測領(lǐng)域，更具體地說，涉及一種檢測視頻險情的方法及裝置。
【背景技術(shù)】
[0002]隨著我國經(jīng)濟的發(fā)展，大型的高層，超高層建筑越來越多，KTV、夜總會、桑拿浴室、鍋爐房、火電電力廠等場所已經(jīng)成為社會重要的一部分。各種險情都會隨時發(fā)生，并且會直接危害到生命、財產(chǎn)及社會穩(wěn)定。一旦大規(guī)模的災(zāi)情發(fā)生，都會帶來極大災(zāi)難。所以這就要求在大規(guī)模災(zāi)情發(fā)生之前采取有效的措施對險情進行全面的監(jiān)控，防患于未然。而傳統(tǒng)的傳感器式的監(jiān)控系統(tǒng)成本過于高昂，還浪費資源?，F(xiàn)有的檢測方法主要基于顏色，或者梯度方向直方圖加支持向量機。但是基于顏色識別算法識別速度快但精度不高，而基于梯度方向直方圖加支持向量機的算法識別速度慢但精度高。
[0003]因此，如何快速且精準的檢測視頻中存在的險情，是現(xiàn)在需要解決的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種檢測視頻險情的方法及裝置，以實現(xiàn)快速且精準的檢測視頻中存在的險情。
[0005]為實現(xiàn)上述目的，本發(fā)明實施例提供了如下技術(shù)方案:
[0006]一種檢測視頻險情的方法，包括:
[0007]提取視頻的前景圖像；
[0008]對所述前景圖像進行預(yù)處理操作，得到處理圖像；
[0009]檢測所述處理圖像中顏色一致的最大連通區(qū)域；
[0010]根據(jù)預(yù)定顏色信息判斷所述最大連通區(qū)域是否有險情隱患；若是，則根據(jù)檢測因子對所述最大連通區(qū)域進行險情判斷；其中，所述檢測因子為提取所述最大連通區(qū)域的梯度方向直方圖特征所訓(xùn)練的檢測因子；
[0011]若通過判斷，則確定所述視頻存在險情。
[0012]優(yōu)選的，確定所述視頻存在險情之后，還包括:
[0013]在所述視頻圖像上標(biāo)記有險情的區(qū)域，并在屏幕上顯示。
[0014]優(yōu)選的，所述對所述前景圖像進行預(yù)處理操作，得到處理圖像，包括:
[0015]對所述前景圖像進行二值化和中值濾波處理，得到所述處理圖像；和/或，對所述前景圖像進行二值化處理，得到所述處理圖像。
[0016]優(yōu)選的，所述根據(jù)預(yù)定顏色信息判斷所述最大連通區(qū)域是否有險情隱患，包括:
[0017]判斷所述最大連通區(qū)域所對應(yīng)的原圖像顏色與預(yù)設(shè)顏色是否相符；其中，若所述最大連通區(qū)域所對應(yīng)的原圖像顏色與預(yù)設(shè)顏色相符，則判斷所述最大連通區(qū)域有險情隱患；和/或，
[0018]判斷所述最大連通區(qū)域中的像素點變化量是否滿足預(yù)設(shè)閾值；其中，若所述最大連通區(qū)域中的像素點變化量滿足預(yù)設(shè)閾值，則判斷所述最大連通區(qū)域有險情隱患。
[0019]優(yōu)選的，所述根據(jù)檢測因子對所述最大連通區(qū)域進行險情判斷；若通過判斷，則確定所述視頻存在險情，包括:
[0020]根據(jù)蒸汽檢測因子對所述最大連通區(qū)域進行蒸汽險情判斷；若通過判定，則確定所述視頻存在蒸汽泄露險情；和/或，
[0021]根據(jù)火焰檢測因子對所述最大連通區(qū)域進行火焰險情判斷；若通過判定，則確定所述視頻存在火焰險情。
[0022]一種檢測視頻險情的裝置，包括:
[0023]提取模塊，用于提取視頻的前景圖像；
[0024]預(yù)處理模塊，用于對所述前景圖像進行預(yù)處理操作，得到處理圖像；
[0025]檢測模塊，用于檢測所述處理圖像中顏色一致的最大連通區(qū)域；
[0026]第一判斷模塊，用于根據(jù)預(yù)定顏色信息判斷所述最大連通區(qū)域是否有險情隱患，若是，則觸發(fā)第二判斷模塊；其中，所述檢測因子為提取所述最大連通區(qū)域的梯度方向直方圖特征所訓(xùn)練的檢測因子；
[0027]所述第二判斷模塊，用于根據(jù)檢測因子對所述最大連通區(qū)域進行險情判斷；
[0028]若通過判斷，則確定所述視頻存在險情。
[0029]優(yōu)選的，還包括:
[0030]標(biāo)記模塊，用于在所述視頻圖像上標(biāo)記有險情的區(qū)域；
[0031 ] 顯示模塊，用于顯示已標(biāo)記的視頻圖像。
[0032]優(yōu)選的，所述預(yù)處理模塊，具體用于:
[0033]對所述前景圖像進行二值化和中值濾波處理，得到所述處理圖像；和/或，對所述前景圖像進行二值化處理，得到所述處理圖像。
[0034]優(yōu)選的，所述第一判斷模塊，具體用于:
[0035]判斷所述最大連通區(qū)域所對應(yīng)的原圖像顏色與預(yù)設(shè)顏色是否相符；其中，若所述最大連通區(qū)域所對應(yīng)的原圖像顏色與預(yù)設(shè)顏色相符，則判斷所述最大連通區(qū)域有險情隱患；和/或，
[0036]判斷所述最大連通區(qū)域中的像素點變化量是否滿足預(yù)設(shè)閾值；其中，若所述最大連通區(qū)域中的像素點變化量滿足預(yù)設(shè)閾值，則判斷所述最大連通區(qū)域有險情隱患。
[0037]優(yōu)選的，所述第二判斷模塊，具體用于:
[0038]根據(jù)蒸汽檢測因子對所述最大連通區(qū)域進行蒸汽險情判斷；若通過判定，則確定所述視頻存在蒸汽泄露險情；和/或，
[0039]根據(jù)火焰檢測因子對所述最大連通區(qū)域進行火焰險情判斷；若通過判定，則確定所述視頻存在火焰險情。
[0040]通過以上方案可知，本發(fā)明實施例提供的一種檢測視頻險情的方法及裝置，包括提取視頻的前景圖像；對所述前景圖像進行預(yù)處理操作，得到處理圖像；檢測所述處理圖像中的最大連通區(qū)域；根據(jù)預(yù)定顏色信息判斷所述最大連通區(qū)域是否有險情隱患；若是，則根據(jù)檢測因子對所述最大連通區(qū)域進行險情判斷；若通過判斷，則確定所述視頻存在險情；這種通過預(yù)定顏色信息及檢測因子雙重檢測視頻險情的方法，實現(xiàn)了快速且精準的對視頻中存在的險情進行檢測。
【附圖說明】
[0041]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0042]圖1為本發(fā)明實施例公開的一種檢測視頻險情的方法流程圖；
[0043]圖2為本發(fā)明實施例公開的一種檢測視頻蒸汽險情的方法流程圖；
[0044]圖3為本發(fā)明實施例公開的一種檢測視頻火焰險情的方法流程圖；
[0045]圖4為本發(fā)明實施例公開的一種檢測視頻險情的裝置示意圖。
【具體實施方式】
[0046]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0047]本發(fā)明實施例公開了一種檢測視頻險情的方法及裝置，以實現(xiàn)快速且精準的檢測視頻中存在的險情。
[0048]參見圖1，本發(fā)明實施例提供的一種檢測視頻險情的方法，包括:
[0049]S101、提取視頻的前景圖像；
[0050]S102、對所述前景圖像進行預(yù)處理操作，得到處理圖像；
[0051]S103、檢測所述處理圖像中顏色一致的最大連通區(qū)域；
[0052]S104、根據(jù)預(yù)定顏色信息判斷所述最大連通區(qū)域是否有險情隱患；
[0053]若否，則執(zhí)行SlOl ;若是，則執(zhí)行S105、根據(jù)檢測因子對所述最大連通區(qū)域進行險情判定；其中，所述檢測因子為提取所述最大連通區(qū)域的梯度方向直方圖特征所訓(xùn)練的檢測因子；
[0054]若沒有通過判定，則執(zhí)行SlOl ;若通過判定，則執(zhí)行S106、確定所述視頻存在險
1同O
[0055]具體的，在S104和S105中，若判斷所述最大連通區(qū)域沒有險情隱患，則返回SlOl進行下一幀的判斷，以實現(xiàn)對視頻的實時監(jiān)控。
[0056]具體的，所述檢測因子的訓(xùn)練過程如下:
[0057](A)準備訓(xùn)練樣本集合；所述訓(xùn)練樣本集包括正樣本集和負樣本集。其中，正樣本是帶檢測目標(biāo)的歸一化圖片，負樣本是本程序所應(yīng)用的場景圖片；
[0058](B)提取所有樣本的Hog(方向梯度直方圖，Histogram of oriented gradient)特征，所有正樣本標(biāo)記為1，所有負樣本標(biāo)記為-1 ;
[0059](C)將正負樣本的Hog特征，正負樣本的標(biāo)簽，都輸入到SVM(支持向量機，SupportVector Machine)中進行訓(xùn)練；采用線性SVM進行訓(xùn)練，得到訓(xùn)練好的文件。
[0060](D)線性SVM進行訓(xùn)練之后得到的文本文件里，參數(shù)對應(yīng)如下計算alphakupportVector+rho，得到了一個分類器，多個分類器保存成文件，便成了檢測因子。
[0061]本發(fā)明實施例提供的一種檢測視頻險情的方法，包括提取視頻的前景圖像；對所述前景圖像進行預(yù)處理操作，得到處理圖像；檢測所述處理圖像中的最大連通區(qū)域；根據(jù)預(yù)定顏色信息判斷所述最大連通區(qū)域是否有險情隱患；若是，則根據(jù)檢測因子對所述最大連通區(qū)域進行險情判斷；若通過判斷，則確定所述視頻存在險情；這種通過預(yù)定顏色信息及檢測因子雙重檢測視頻險情的方法，實現(xiàn)了快速且精準的對視頻中存在的險情進行檢測。
[0062]具體的，本實施例中的檢測視頻險情的方法，可以應(yīng)用到檢測蒸汽是否泄漏，也可以檢測是否發(fā)生火災(zāi)，即檢測視頻中是否存在火焰。具體參見以下實施例:
[0063]參見圖2，本發(fā)明實施例提供的一種檢測視頻蒸汽險情的方法，包括:
[0064]S201、提取視頻的前景圖像；
[0065]具體的，在檢測是否有蒸汽險情的過程中，是通過幀間差分方法提取前景圖像；其中，因為相對于視頻中其他的內(nèi)容來說，蒸汽是運動的，在視頻分析中屬于前景信息，為了實現(xiàn)蒸汽的檢測，需要提取這些前景(蒸汽所在區(qū)域)信息。
[0066]S202、對所述前景圖像進行預(yù)處理操作，得到處理圖像；
[0067]其中，在對前景圖像進行預(yù)處理操作的過程中，具體是通過二值化和中值濾波方法對所述前景圖片進行二值化處理。
[0068]S203、檢測所述處理圖像中顏色一致的最大連通區(qū)域；其中，所述最大連通區(qū)域為顏色一致的最大連通區(qū)域；
[0069]S204、判斷所述最大連通區(qū)域所對應(yīng)的原