煙霧主運動方向提取算法范文

本站小編為你精心準(zhǔn)備了煙霧主運動方向提取算法參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《計算機工程與應(yīng)用雜志》2014年第十四期

1煙霧特征分析

煙霧是火災(zāi)的前兆和伴隨產(chǎn)物，燃燒是一個持續(xù)的過程，因此造成了不完全燃燒過程中產(chǎn)生的大量煙霧也具有持續(xù)性，同時火災(zāi)煙霧與周圍環(huán)境存在著濃度差和溫度差，在視覺上也造成了一定的邊緣效應(yīng)和形體效應(yīng)，但是以上這些變化在單幀圖像中是無法體現(xiàn)的，必須對序列幀進行研究才能準(zhǔn)確體現(xiàn)出這些煙霧的動態(tài)特征[12]。據(jù)美國測試與材料學(xué)會和國際消防協(xié)會的定義：煙氣包括液相顆粒和懸浮的固相顆粒、材料熱解過程產(chǎn)生的氣相物質(zhì)。因此，火災(zāi)煙氣流動屬于兩相流流動，煙氣濃度、煙氣顆粒的大小等都會在圖像上產(chǎn)生相應(yīng)的信息[13]。由于煙霧的運動是一種小尺度、快速變化的隨機運動，因此煙霧的顏色不可能出現(xiàn)明顯的突變，在初期升騰的煙霧中，煙霧總體表現(xiàn)出一種低頻向上的運動趨勢特性，這就是煙霧運動特性所具有的特殊性，該特殊性會使相鄰兩幀圖像中煙霧所對應(yīng)的圖像上大部分像素點都產(chǎn)生變化，而背景中的其他物體由運動所引起的變化的像素點數(shù)目則較小，同時煙霧內(nèi)部區(qū)域時刻處于無規(guī)則運動狀態(tài)，具有局部亮度突變的特征。相關(guān)資料表明，煙霧的運動做為一種隨機運動，幀間相似度比較小且運動頻率較低，當(dāng)圖像采集的采樣速率為15幀/s時，相鄰兩幀相似度低于30%，火災(zāi)煙氣顆粒內(nèi)部特征則表現(xiàn)為一種小尺度、快速變化的隨機運動，且呈現(xiàn)低頻向上的運動趨勢。

2基于Meanshift目標(biāo)匹配

由于煙霧的圖像幀間相似度低，根據(jù)這些特性，采用基于背景差分法進行煙霧運動塊特征的提取，利用Meanshift對煙霧運動塊進行特征匹配，從而可以估算出主運動方向。為了估計煙霧塊的運動矢量方向，如圖1所示，通過把前一幀的圖像塊分別匹配到當(dāng)前幀對應(yīng)位置周圍的9個數(shù)據(jù)塊。然后利用Bhattachyarya系數(shù)進行相似程度度量，在對應(yīng)的9個數(shù)據(jù)塊中，找到一個Bhattachyarya系數(shù)最大的值。Bhattachyarya系數(shù)值越大，表示兩個數(shù)據(jù)塊相似程度最高。如果所有數(shù)據(jù)塊Bhattachyarya系數(shù)都小于一定的閾值，表示匹配不成功，如果當(dāng)前幀的位置和下一幀位置相同，表示數(shù)據(jù)塊沒有移動。在相鄰幀中通過Bhattachyarya系數(shù)匹配確定“疑似塊”對應(yīng)位置，從而可以確定該數(shù)據(jù)塊煙霧的運動方向。設(shè)當(dāng)前幀的疑似數(shù)據(jù)塊中心坐標(biāo)為{y(0)y(1)y(8)}其對應(yīng)的運動方向為{129}如果匹配到9，表示數(shù)據(jù)塊沒有發(fā)生運動。設(shè)視頻序列圖像被分成m´n個數(shù)據(jù)塊，則上式θ(ij)可以用來表示煙霧塊匹配成功的數(shù)字編碼，每個編碼表示一個運動方向，(ij)表示圖像m´n個數(shù)據(jù)塊中，第i和第j位置的數(shù)據(jù)塊。φ(x)是從運動方向里面查詢相對應(yīng)數(shù)值的函數(shù)。

3基于時間窗的“疑似塊”運動方向的直方圖統(tǒng)計

雖然通過對所有數(shù)據(jù)塊煙霧的運動方向進行統(tǒng)計，就可以確定煙霧的總體運動方向，但是由于各種噪聲的影響，很難準(zhǔn)確地提取出疑似塊方向。由于不準(zhǔn)確的運動方向判斷可能會影響后續(xù)的煙霧檢測，所以必須采用時間窗對每個數(shù)據(jù)塊的運動進行統(tǒng)計，以盡量減少噪聲的干擾[14]。通過時間窗WT可計算出每個塊在時間窗內(nèi)的運動方向的直方圖HT(θ(ij))l=129如圖2所示，其中WT是進行統(tǒng)計所取圖像幀數(shù)量。通過計算每個數(shù)據(jù)塊的運動方向直方圖，采用在時間窗口里面出現(xiàn)運動方向次數(shù)最多的方向作為該數(shù)據(jù)塊當(dāng)前的主運動方向，采用下式計算。

4主運動方向的判別

初期煙霧基本上是一個緩變信號，在較短的時間內(nèi)，不會產(chǎn)生明顯的整體移動，因此從時間軸上看，在煙霧區(qū)域存在的運動概率大于其他區(qū)域。為了對煙霧運動能夠準(zhǔn)確的度量，本文構(gòu)建了一個大小為WT的滑時間窗口對滑動窗口內(nèi)的塊運動數(shù)據(jù)進行累積，因此第(ij)數(shù)據(jù)塊的累積量可以表示如下：如果在整個時間窗內(nèi)數(shù)據(jù)塊一直都是運動的，那么該數(shù)據(jù)塊的累積量達到最大值，當(dāng)數(shù)據(jù)塊完全處于靜止?fàn)顟B(tài)時，該塊的累積量為最小值。由于存在各種噪聲，大部分?jǐn)?shù)據(jù)塊的累積量不為0。為了抑制噪聲和剛性物體的干擾，假定數(shù)據(jù)塊的累積量小于某一閾值時把該塊當(dāng)作非煙霧塊處理。提取公式表示如下。煙霧在灼熱空氣的驅(qū)動下表現(xiàn)為某一方向運動的趨勢，整體上會存在一個主要運動方向，對應(yīng)初期升騰的煙霧來說，煙霧的主運動方向是向上的，為了消除某些非煙霧物體的干擾，必須需要計算出每一個區(qū)域的主運動方向。通過對圖3分析，可以知道2、3、4是向上及斜上方運動方向，是煙霧主運動的特征方向。由于煙霧的向上、兩側(cè)運動的特點，即使受到劇烈空氣流動等干擾的影響，2，3，4所代表的運動方向所占的比例也會較高。對煙霧疑似區(qū)域所有小塊各運動方向的個數(shù)進行統(tǒng)計，并根據(jù)以下公式可以計算每個疑似煙霧區(qū)域的主運動所占的比率。

5實驗結(jié)果分析

本文采用濃黑色煙、灰白色煙霧以及人運動等進行實驗，驗證通過主方向特征提取煙霧的能力以及排除干擾的能力，并通過不同的序列幀對煙霧的運動累積效應(yīng)進行驗證。圖4是對灰白色的煙霧進行主運動方向提取所能顯示的結(jié)果，由于早期火災(zāi)的煙霧基本上是一個緩變信號，因此如果數(shù)據(jù)塊在整個時間窗內(nèi)都保持運動，那么該數(shù)據(jù)塊的累積量將達到最大值。從圖4可以分析得知，經(jīng)過5幀圖像累積以后，煙霧的運動累積效果大大增加，燈光的閃動所產(chǎn)生的對于運動方向的干擾信息則變化不明顯。經(jīng)過公式（9）對主運動方向的提取，可以看出初期升騰煙霧是滿足主運動方向的特征要求的，因此在圖像中被保留下來，而干擾則被基本剔除。為了進一步驗證算法對主運動方向驗證的適用性，本文對背景信息比較復(fù)雜、有強光干擾條件下的倉庫圖像進行了信息提取和處理，針對濃黑色煙霧進行了驗證主運動方向提取能力的實驗，從圖5可以分析得知，經(jīng)過7幀圖像累積以后，煙霧的運動累積效果大大增加，煙霧在圖像中被保留下來，而干擾則被基本剔除。從圖6中可以看到本文在有人體運動干擾下的煙霧方向提取圖的結(jié)果，由于人的運動和光線的干擾對主運動的累積量貢獻不大，隨著幀數(shù)的增加，累積量基本呈現(xiàn)逐步下降的趨勢，而且也不滿足主運動方向判定要求，因此本文的方法不會對該情況產(chǎn)生誤報現(xiàn)象。為了進一步驗證算法的有效性，將本文算法和BBGDS[7]與HEXBS[9]以及全搜索算法進行比較，實驗中用每個“疑似塊”的平均搜索點數(shù)作為衡量算法搜索速度的指標(biāo)，用視頻序列重建圖像亮度的平均峰值信噪PSNR作為搜索精度的指標(biāo)。實驗使用VisualC++6.0編程實現(xiàn)，“疑似塊”大小采用6×6像素，時間窗口為15個像素點，匹配準(zhǔn)側(cè)為SAD，實驗數(shù)據(jù)如圖4~6，圖像大小為704×576。從表1可以看，本文提出的快速提取算法能夠明顯降低尋找主運動方向的平均搜索點數(shù)，因此本文具有收斂速度快和搜索點數(shù)量少的特點。從表2列出了各種算法的重建圖像亮度PSNR平均值，從實驗結(jié)果來看，全搜索算法的PSNR最好，搜索精度最高。本文算法搜索精度要高于HEXBS和BBGDS算法，和全搜索算法非常接近。因此本文算法具有高的搜索精度。

6結(jié)論

本文把前一幀的圖像塊分別匹配到當(dāng)前幀對應(yīng)位置周圍的9個數(shù)據(jù)塊，利用Bhattachyarya系數(shù)進行相似程度度量，在對應(yīng)9個數(shù)據(jù)塊中找到一個Bhattachyarya系數(shù)最大的值，利用Bhattachyarya系數(shù)值來估計煙霧塊的運動矢量的方向。通過對所有數(shù)據(jù)塊煙霧的運動方向進行統(tǒng)計，就可以確定整個煙霧的主要運動方向。由于在實際狀態(tài)下各種噪聲的影響，準(zhǔn)確地提取出塊運動方向具有相當(dāng)難度，而不準(zhǔn)確的運動方向可能會影響后續(xù)的煙霧檢測，所以本文采用了適當(dāng)?shù)臅r間窗對每個數(shù)據(jù)塊的運動進行統(tǒng)計，以盡量減少噪聲的干擾，對比實驗表明，本文減少搜索點數(shù)量和提高搜索精度，解決了初期升騰階段煙霧內(nèi)部呈現(xiàn)局部小運動特征難以提取的問題。

作者：劉青張曉暉黃軍勤單位：西安理工大學(xué)工程訓(xùn)練中心