CN107688793A - 一种变电站室外火灾自动监测预警方法 - Google Patents

Abstract

本发明公开了一种变电站室外火灾自动监测预警方法，属于图像识别技术领域，包括S1、对输入的视频帧图像进行数字处理，将图像信号转换为数字信号；S2、对视频图像的数字信号进行特征提取，得到可疑火焰区域的自相关函数、狄度均值序列的方差、圆形性序列的均值和自相关函数、质心的移动距离五个特征；S3、将提取的五个特征送入贝叶斯分类器中进行分类识别，识别出火灾火焰；S4、对火焰烟雾进行进行识别，得到烟雾识别结果；S5、结合火焰识别结果和烟雾识别结果，识别出最终的火焰位置并进行报警。本发明通过将火焰和烟雾分开进行识别，然后结合识别出火灾位置，提高了火灾预警的准确性。

Description

一种变电站室外火灾自动监测预警方法

技术领域

本发明涉及变电站保护技术领域，特别涉及一种变电站室外火灾自动监测预警方法。

背景技术

近年来，变电站因设备故障引起的火灾事故频繁发生，如果在火灾发生初期没有及时发现并采取有效的处理措施，火灾不但会直接烧毁大量的电器设备，而且停电修复之间也较长，严重影响了电网的运行安全。

目前，在变电站室外火灾预警系统中一般采用基于视频图像识别火灾自动监测预警，其原理是：对视频码流中前一帧与后一帧的图像(像素)进行比对分析，区分出“前景”和“背景”，经过背景过滤和前景降噪后提取“前景”作为检测目标。对检测目标中的烟雾进行判别，当温度升高至火苗出现前往往会伴随烟雾产生，因此根据“火焰”与“烟雾”的特征提取算法对来自变电站室外的现场监控视频码流进行特征比对，从而实现对监控画面中的“火焰”与“烟雾”信号的自动捕获，触发报警。

但是，目前的基于视频图像识别的火灾自动监测过程存在的缺陷在于：一是，视频中的烟和火焰的运动速度是由环境中气流的运动速度和拍摄景物的距离决定的，因此，烟和火焰在视频中的运动状态不稳定，容易产生误报。二是，视频中烟雾的特征受外界环境影响较大，火灾判别的准确率低。

发明内容

本发明的目的在于提供一种变电站室外火灾自动监测预警方法，以提高火灾判别的准确率。

为实现以上目的，本发明采用的技术方案为：提供一种变电站室外火灾自动监测预警方法，包括：

S1、对输入的视频帧图像进行数字处理，将图像信号转换为数字信号；

S2、对视频图像的数字信号进行特征提取，得到可疑火焰区域的自相关函数、狄度均值序列的方差、圆形性序列的均值和自相关函数、质心的移动距离五个特征；

S3、将提取的五个特征送入贝叶斯分类器中进行分类识别，识别出火灾火焰；

S4、对火焰烟雾进行进行识别，得到烟雾识别结果；

S5、结合火焰识别结果和烟雾识别结果，识别出最终的火焰位置并进行报警。

其中，步骤S1具体包括：

获取视频帧图像，并将连续帧图像像素数值以RGB空间进行表示，得到初次火焰区域筛选结果；

对初步火焰区域筛选结果中的火焰轮廓进行识别，捕捉得到符合轮廓的火焰，得到二次筛选结果；

以10Hz为筛选条件对二次筛选结果中的火焰外焰进行频率筛选，得到三次筛选结果；

以能量分布是否均匀对三次筛选结果进行筛选，将能量分布不均匀的结果确定为火焰区域。

其中，在步骤S3之后，还包括：

对火焰的动态特征进行分析，得到火焰识别结果，其中火焰的动态特征包括火焰的面积变化、边缘变化、形体变化、闪动规律、分层变化以及整体移动。

其中，所述的对火焰烟雾进行识别，得到烟雾识别结果，具体包括：

对所述视频帧图像中的慢运动物体进行检测，得到物体检测结果；

对所述视频帧图像中的烟雾颜色区域进行检测，得到烟雾颜色区域检测结果；

对所述物体检测结果中的烟雾上升区域进行检测，得到烟雾上升区域检测结果；

对所述物体检测结果中的阴影进行检测并去除，得到阴影检测结果；

对所述物体检测结果、烟雾颜色区域检测结果、烟雾上升区域检测结果以及阴影检测结果进行过滤、加权和决策处理，得到烟雾识别结果。

与现有技术相比，本发明存在以下技术效果：由于烟雾的特征在动态和静态方面均与火焰有着明显的区别，本发明中将火焰和烟雾进行分开识别，通过对烟雾的多个特征提取，降低了误判率。同时由于早期的火灾火焰是不稳定的，不同时刻火焰的形状、面积和辐射强度等都在变化，本发明通过火灾(火焰和烟雾)的动念特征分析(包括：面积变化、边缘变化、形体变化、闪动规律、分层变化、整体移动)，增强并实现火灾(火焰和烟雾)的智能预判能力。

附图说明

下面结合附图，对本发明的具体实施方式进行详细描述：

图1是本发明中一种变电站室外火灾自动监测预警方法的流程示意图；

图2是本发明中的火焰识别效果示意图；

图3是本发明中的火焰外焰筛选结果示意图；

图4是本发明中衣服的能量分布示意图；

图5是本发明中火焰的能量分布示意图。

具体实施方式

为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。

如图1所示，本实施例公开了一种变电站室外火灾自动监测预警方法，包括如下步骤S1至S5：

S1、对输入的视频帧图像进行数字处理，将图像信号转换为数字信号；

具体地，对图像信号进行去除干扰、噪声及差异等处理，得到适合计算机进行特征提取的数字信号。

S2、对视频图像的数字信号进行特征提取，得到可疑火焰区域的自相关函数、狄度均值序列的方差、圆形性序列的均值和自相关函数、质心的移动距离五个特征；

S3、将提取的五个特征送入贝叶斯分类器中进行分类识别，识别出火灾火焰；

S4、对火焰烟雾进行进行识别，得到烟雾识别结果；

S5、结合火焰识别结果和烟雾识别结果，识别出最终的火焰位置并进行报警。

需要说明的是，由于烟雾的特征无论是静态的还是动态的，其和火焰有着明显的不同。因此本实施例将烟雾与火焰识别分开处理，提高了烟雾和火焰识别的准确性。通过监控画面中的“火焰”与“烟雾”信号的自动捕获，进行触发报警，也提高了火灾预警的准确性。

进一步地，步骤S1具体包括：

获取视频帧图像，并将连续帧图像像素数值以RGB空间进行表示，得到初次火焰区域筛选结果；

需要说明的是，本实施例中利用RGB图像中只要满足R>＝G且G>B的颜色都可以看作是火焰的原理，对帧图像中的火焰进行初步检测，排除掉最不可能是火焰的物体。

对初步火焰区域筛选结果中的火焰轮廓进行识别，捕捉得到符合轮廓的火焰，得到二次筛选结果；

需要说明的是，火焰的外形也是用来识别的重要特征，火焰从燃烧点一层层的向外扩散，越到外层的地方其形状的可边度越大，而且是连续的。图2中的2-(a)展示了一个燃烧点的火焰模型，它由三层火焰轮廓组成，对于图2-(b)中的火焰经过该模型捕捉得到图2-(c)的结果。

本实施例中采用的火焰识别方法包括但不限于基于质心距脉动特征的火焰轮廓识别算法等。

以10Hz为筛选条件对二次筛选结果中的火焰外焰进行频率筛选，得到三次筛选结果；

需要说明的是，火焰是动态跳跃的，或者说是移动变化的。火焰的外焰部分的运动存在一定频率，如图3所示中标出的火焰外焰部分来看，这些像素点在经历着有火焰和无火焰两种状态的切换，这个切换的频率经过测算是10Hz。因此，通过捕捉这个10Hz的特征可以进一步确认是否有火焰的存在。

以能量分布是否均匀对三次筛选结果进行筛选，将能量分布不均匀的结果确定为火焰区域。

需要说明的是，火焰的运动是有能量变化的，燃烧的物理变化和化学变化造成了火焰能量的不均衡分布，这点可以作为区分火焰与其他颜色相似运动物体的特征。比如红色衣服上被黑色边框划出的区域能量变化如图4，可见衣服的能量分布是均匀的(显示为均一灰色，没有亮暗变化)。与之对比，火焰的能量变化就显得非常不均匀如图5，看以看到明显的亮暗变化。

本实施例中通过采用帧图像像素值、RGB空间、火焰轮廓、火焰外焰频率以及能量分布情况等筛选条件对帧图像中的火焰进行筛选，极大地提高了火焰识别的准确性。

进一步地，本实施例公开的变电站室外火灾自动监测预警方法，在步骤S3之后，还包括如下步骤S3`：

S3`、对火焰的动态特征进行分析，得到火焰识别结果，其中火焰的动态特征包括火焰的面积变化、边缘变化、形体变化、闪动规律、分层变化以及整体移动。

需要说明的是，火灾火焰是不稳定的，不同时刻火焰的形状、面积和辐射强度等都在变化，本实施例中对火焰的面积变化、边缘变化、形体变化、闪动规律、分层变化以及整体移动等动态特征进行分析，可以实现火灾的良好预判。

进一步地，本实施例中对烟雾的识别原理为：

像素的对比度变化去判断烟雾的有无，得到烟雾的初步识别结果；

根据烟雾的动态特征对烟雾的初步识别结果进行筛选，识别出烟雾，其中烟雾的动态特征包括：烟雾的动态扩散、烟雾的边界变化切换频率为3Hz、烟雾的轮廓是清晰画面与被烟雾模糊画面的交界以及烟雾的运动是连续而且是非刚性的等。

进一步地，上述的对火焰烟雾进行识别，得到烟雾识别结果，具体包括如下步骤：

对所述视频帧图像中的慢运动物体进行检测，得到物体检测结果；

对所述视频帧图像中的烟雾颜色区域进行检测，得到烟雾颜色区域检测结果；

对所述物体检测结果中的烟雾上升区域进行检测，得到烟雾上升区域检测结果；

对所述物体检测结果中的阴影进行检测并去除，得到阴影检测结果；

对所述物体检测结果、烟雾颜色区域检测结果、烟雾上升区域检测结果以及阴影检测结果进行过滤、加权和决策处理，得到烟雾识别结果。

需要说明的是，慢运动物体检测、烟雾颜色区域检测、烟雾上升区域检测以及阴影检测等过程都是在摄像头的可视范围内单独监测烟火的存在情况。最后采用自适应子算法进行过滤、加权和决策，得到最终的烟雾识别结果。

其中，慢运动物体检测、烟雾颜色区域检测、烟雾上升区域检测以及阴影检测的初始权值由实际火灾视频得到，在初始建立时误差值被定义为各检测过程组成值与人工判别的决定值之间过量差值。

进一步地，本实施例中的火灾预警系统为人机交互和自学习相结合的智能系统，在预警系统发出预警时，还需向人工判别发出请求以证实是否发出火灾警报，这种方式令本系统的实际使用人员参与了学习的过程。

需要说明的是，本实施例中的算法能够常驻服务器程序，对各路上传的视频码流进行火焰识别和智能分析，也能够植入各类智能网络摄像机中，进行前端识别，减小视频传输的带宽压力。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种变电站室外火灾自动监测预警方法，其特征在于，包括：

S1、对输入的视频帧图像进行数字处理，将图像信号转换为数字信号；

S2、对视频图像的数字信号进行特征提取，得到可疑火焰区域的自相关函数、狄度均值序列的方差、圆形性序列的均值和自相关函数、质心的移动距离五个特征；

S3、将提取的五个特征送入贝叶斯分类器中进行分类识别，识别出火灾火焰；

S4、对火焰烟雾进行进行识别，得到烟雾识别结果；

S5、结合火焰识别结果和烟雾识别结果，识别出最终的火焰位置并进行报警。

2.如权利要求1所述的变电站室外火灾自动监测预警方法，其特征在于，所述的步骤S1具体包括：

获取视频帧图像，并将连续帧图像像素数值以RGB空间进行表示，得到初次火焰区域筛选结果；

对初步火焰区域筛选结果中的火焰轮廓进行识别，捕捉得到符合轮廓的火焰，得到二次筛选结果；

以10Hz为筛选条件对二次筛选结果中的火焰外焰进行频率筛选，得到三次筛选结果；

以能量分布是否均匀对三次筛选结果进行筛选，将能量分布不均匀的结果确定为火焰区域。

3.如权利要求2所述的变电站室外火灾自动监测预警方法，其特征在于，在所述的步骤S3之后，还包括：

对火焰的动态特征进行分析，得到火焰识别结果，其中火焰的动态特征包括火焰的面积变化、边缘变化、形体变化、闪动规律、分层变化以及整体移动。

4.如权利要求3所述的变电站室外火灾自动监测预警方法，其特征在于，所述的步骤S4，具体包括：

对所述视频帧图像中的慢运动物体进行检测，得到物体检测结果；

对所述视频帧图像中的烟雾颜色区域进行检测，得到烟雾颜色区域检测结果；

对所述物体检测结果中的烟雾上升区域进行检测，得到烟雾上升区域检测结果；

对所述物体检测结果中的阴影进行检测并去除，得到阴影检测结果；

对所述物体检测结果、烟雾颜色区域检测结果、烟雾上升区域检测结果以及阴影检测结果进行过滤、加权和决策处理，得到烟雾识别结果。