Создано 20.05.2015 18:25

Видеосенсоры дыма и огня: выявление на ранней стадии

Видеосенсоры дыма и огня: выявление на ранней стадииПрограммные сенсоры дыма и огня в настоящее время широко используются на различных типах объектов. Они имеют отличия от аппаратных датчиков: они могут идентифицировать дым либо огонь по картинке, что предоставляет возможность выявить возгорание на ранней стадии, осуществлять контроль больших площадей, применять их для выявления огня в помещении и на обширных территориях (к примеру, в парках либо лесных массивах).

Видеодетектирование дыма

Первый представленный алгоритм производит детектирование движущегося дыма, осуществляя для этого вычисления характерных параметров. Для начала алгоритму требуется выделить фон – все неподвижные пиксели видеосцены. Поступающий с телекамеры видеокадр разделяется на блоки. После чего для каждого блока данный алгоритм производит вычисление трех характерных показателей: α, β, γ.

Параметр α ответственен за «текстурированность» изображения official website. Это отношение пространственной энергии в блоке нынешнего изображения к пространственной энергии надлежащего блока фоновой картинки. Создатели под пространственной энергией подразумевают количество сведений, которые заложены в блок, она имеет зависимость от яркости, числа цветов в блоке, интенсивности и прочих характерных показателей. При возникновении в видеокадре дыма пространственная энергия блоков снижается, поскольку происходит потеря интенсивности, изменению подвергаются и цвета. Чем меньше величина α, тем более тусклым становится блок в текущем видеокадре, что свойственно при возникновении задымленности. Алгоритм отмечает снижение энергии по сравнению с фоновой картинкой и подразумевает, что в видеокадре есть дым.

Величина β – пространственно-временной показатель, отмечает перемены пространственной энергии с течением времени. В случае если энергия сменилась в блоке скачком – сильно и быстро, то, вероятно, в видеокадре имеется объект переднего плана (человек, машина и прочее), если же перемены происходят плавно и медленно, имеется высокая вероятность того, что в видеокадре возник дым.

Величина γ – цвето-временной показатель, отмечает цветовые перемены в блоке с течением времени. Определение производится максимальной разницей цветовых величин в блоке (к примеру, для граничного случая, когда в блоке наличествуют пиксели черных и белых цветов, разница будет равна 255). Алгоритм осуществляет оценку скорости изменения данной разницы во времени: если эта скорость высокая, то, вероятно, в видеокадре возник объект переднего плана, если же перемены происходят медленно, вероятно, в видеокадре возник дым.

После обрабатывания каждого блока алгоритм получает три числовых значения. Чтобы сделать вывод, имеется ли в блоке задымленность или все же нет, системе требуется провести сравнение данных чисел с пороговыми величинами. Чтобы установить порог, алгоритм обучают заведомо на выборке: он производит вычисление α, β, γ для ряда видеокадров, на которых наличествует дым, и еще для ряда видеокадров, на которых отсутствует дым. Алгоритм запоминает данные величины и, базируясь на них, устанавливает порог.

Расчет характеристик осуществляется для всех блоков каждого видеокадра, но сравнение с пороговой величиной производится лишь для блоков, в которых имеется движение (осуществляется детектирование лишь движущегося дыма). На базе сравнения программа выдвигает предположение, есть ли в видеокадре дым. После чего производится ряд проверок.

  1. Прежде всего, проводится анализ размещения блоков для ликвидации ложных срабатываний на объекты переднего плана. Программа соединяет блоки, в которых присутствует перемещение в связанные зоны, после чего производится осмотр каждой из них. В область перемещения попадают блоки, в которых произведено детектирование дыма и блоки, в которых отсутствует дым (алгоритм уже выполнил их проверку). Затем осуществляется вычисление процента содержания в каждой связной области блоков, в которых имеется дым. Если данный процент содержания блоков с дымом больше порогового предела, вся область считается задымленной, если меньше – алгоритм определяет область как объект переднего плана. Следовательно, выполняется переход от блоков к связным классифицированным областям в видеокадре.
  2. Далее проводится анализ последовательности видеокадров. Программа подсчитывает процент видеокадров с содержанием дыма на последовательности, и если он больше порогового предела, получает подтверждение теория о присутствии задымленности. С получением новых видеокадров производится обновление последовательности: исключается первый ее видеокадр, остальные подвергаются сдвигу, и новый видеокадр становится на место последнего. Подобное обновление приведет к тому, что при возникновении в видеокадре дыма, вся последовательность через некоторый период времени будет состоять исключительно из задымленных видеокадров, и программа получит стопроцентное подтверждение.

В среднем такому алгоритму необходимо десять секунд для выявления дыма (при частоте видеосъемки свыше 5 к/сек).

Самое точное детектирование выполняется для метода, который принимает решение о присутствии дыма на базе сравнения 3-ех описанных характеристик, но имеются алгоритмы, которые работают лишь с одним показателем α.

Имеется еще один метод, который основывается на анализе преобладающих в видеокадре цветов. Для дыма свойственны белый и черный цвет, и еще оттенки серого. Алгоритм разделяет видеокадр, в котором зарегистрировано перемещение, на блоки и выделяет превалирующие в них цвета. После чего проводит анализ, изменяются ли цвета блоков и если да, то на какие именно, и еще определяет с какой скоростью. Если изменение цветов происходит на свойственные для дыма и со свойственной скоростью (порядок ее величины заведомо известен), программа выдает извещение о возникновении в видеокадре дыма. Кроме того, в качестве проверки применяется анализ последовательности видеокадров.

Описанные выше алгоритмы занимаются детектированием лишь движущегося дыма.

Видеодетектирование огня

Метод детекции огня основывается на сравнении параметров движущихся областей видеокадра со свойственными для огня показателями.

Поступающие видеокадры подвергаются цветовой кластеризации – производится выделение области конкретного цвета. После чего проводится работа с областями свойственных для огня цветов (красными, оранжевыми, желтыми, белыми), из последующего рассмотрения исключаются зоны отличных цветов (черные, зеленые, синие и прочие). Далее проводится анализ формы и границ остальных областей, проводится анализ колебания данных границ на последовательности видеокадров, сравниваются данные со свойственными формами пламени и характеристиками колебания. На данном этапе исключаются ложные области, которые обладают свойственным для пламени цветом, но имеют несвойственную форму либо несвойственно меняются. И на последнем этапе производится вычисление степени интенсивности огня через площадь его области относительно площади всего видеокадра, данная степень подвергается сравнению с предельной величиной (ее сможет установить администратор системы, чтобы отбросить срабатывания в ситуациях, потенциально не представляющих интереса). После выполненных проверок и сравнений система решает о выводе тревожного извещения.

В такой метод входит комплексная проверка видеокадров, но в то же время наличествуют реализации, в которых проводится лишь цветовой анализ либо лишь анализ формы и изменений границ пламени. Точность данных алгоритмов значительно ниже.

При учете того, что дым и огонь являются не статичными, описанные методы детекции проводят анализ лишь движущихся областей видеокадра, оценивая характерные показатели. Наиболее точные итоги в детекции дыма демонстрирует метод, базирующийся на вычислении 3-ех характерных значений и сравнении их с предельной величиной, и еще производящий пост-проверки на последовательности видеокадров. Высокую точность выявления огня демонстрирует алгоритм комплексного анализа передвигающихся частей видеокадра: их цветов, формы, скорости изменения. А для увеличения точности детекции создатели проводят обучение сенсоров на выборке записей с разными видами пожаров.

 

на основании статьи Александра Коробкова, директора по разработкам, компания Macroscop, опубликованной в журнале «Системы Безопасности» №5, 2014

Если Вам нужно установить видеонаблюдение в Тольятти, то заходите на наш сайт — http://samara-sb.ru/videonablyudenie-v-tolyatti

AD Статьи

все статьи

 

все новости Лента новостей