基於色彩飽和度與運動模式的視頻火災煙霧檢測方法
2023-12-07 19:00:06
專利名稱：基於色彩飽和度與運動模式的視頻火災煙霧檢測方法
技術領域：
本發明屬於火災監測監控技術領域，具體是利用火災煙霧色彩飽和度、運動 模式實現早期火災的視頻火災煙霧自動檢測。
背景技術：
城市高層建築物、公共場所等場合， 一旦出現火災，容易出現重大事故。為 了避免這類情況發生，可在這些場合安裝傳統感煙、感溫的火災^l笨測系統，能夠 發現、樸滅火災。但是，傳統的感煙、感溫火災探測技術存在一些難以解決的問 題^:測器必須安裝在起火點附近，否則將無法有效地探測到災害的發生；另夕卜， 若長期接觸粉塵等惡劣環境容易造成傳感器中毒失效。這種探測系統如果被應用 在高大空間內(如飛機庫和大倉庫等)、室外或有強氣流的場所(如海上鑽井平 臺等)，也很難或根本無法進行有效的火災探測。因此這些場所的防火始終是困 擾消防人員的難題。
基於視頻圖像的火突探測是近幾年才興起的新型火災監測監控技術，可望能 夠解決上述難題。視頻火災探測根據識別對象的不同可以分為視頻火焰探測和視 頻煙霧探測。在很多火災中，煙霧往往比火焰先出現，因此煙霧檢測能更早地發 現火災，為火災的及時樸滅和人員疏散贏得了寶貴的時間。Toreyin等人
(Pattern Recognition Letters, 2006， 27: 49-58 )提出了一種基於小波變換 的煙霧識別方法，根據背景圖像在煙霧遮擋下邊緣變模糊的特點，利用2層小波 變換高頻子帶研究煙霧的模糊遮擋特徵，小波變換能夠較好地提取圖像中的點奇 異特徵，但不能很好地提取線奇異特徵，存在一定的局限性。Fujiwara等人
( International Symposium on Communications and Information Technologies, October 26-29， 2004, Sapporo Convention Center , Sapporo, Japan)提出了一種利用分形編碼進行煙霧的檢測，但只進行靜態圖像煙霧的檢 測。2007年在美國奧蘭多舉行的阻燃和糹笨測研究與應用大會(Suppression and Detection Research and Application Conference, SUPDET 2007， Orlando, Florida, March5-8, 2007 )上，熊子佑等提出了 一種利用高斯混合模型提耳又煙 霧運動區域，然後通過分析輪廓的不規則性來識別煙霧的方法，但是由於煙霧邊 緣並不明顯以及噪聲的影響，這種方法在複雜監控條件下的應用效果不好。中國 專利公告號CN1325903C介紹的一種基於像素級的煙霧檢驗方法，可以通過檢測 監控圖像的像素亮度值所在區間來識別煙霧，基於像素亮度的識別方法雖然識別 速度較快，但由於很多環境物體和煙霧具有相近的色彩統計特徵，因此誤報相當嚴重。國內外現有關於可視煙霧探測技術研究已經提出的特徵提取方法或產品大 多採用基於像素級的研究方法，尚不能準確反應出煙霧的運動特徵，仍然存在漏 報、誤報問題，這些系統在複雜環境下的穩定性、適應性也比較差。
發明內容
本發明的目的在於針對現有技術存在的不足，提供一種基於色彩飽和度與運 動模式的視頻火災煙霧檢測方法，可以用於室外、高大空間等場所，且可以實現 防盜和防火的集成，通過綜合利用色彩飽和度檢測和運動分析等技術，降低環境 幹擾，使得該系統的火災煙霧檢測準確率大大提高。
本發明的技術方案如下
一種基於色彩飽和度與運動模式的視頻火災煙霧檢測方法，其特徵在於對 由固定好的監控攝像機得到的視頻圖像，首先通過差分法提取前景運動塊，然後 檢測前景運動塊的色彩飽和度，估計運動塊的方向，計算運動塊的運動累積量和 主運動方向，最後通過計算每個區域的色彩飽和度檢測百分比、平均運動累積量 和主運動方向比率組成特徵向量，採用貝葉斯分類器進行判斷是否為火災煙霧。
所述的基於色彩飽和度與運動模式的視頻火災煙霧檢測方法，其特徵在於 (1)、通過差分法提取前景運動塊
將每幀視頻圖像分割成大小相等的矩形塊，假設視頻圖像的寬度與高度分別 為《和戊，每個塊的寬度與高度大小分別為％和私，則每一幀圖像行方向和列 方向的塊數目分別為
其中，L」表示取整運算，取整這意味著，系統不處理圖像的邊界； 為了增強系統對環境光照等變化的快速適應，只釆用相鄰兩幀視頻圖像的同 一位置的塊差分進行運動檢測，塊差分準則為絕對誤差和^&(7， jV—式(2),
formula see original document page 6
下表n代表幀數，U，力是像素點的坐標，如果矩形塊的絕對誤差和<&(7， 力大於給定閾值K,則認為該矩形塊為運動塊，否則為靜止塊，不進行後續處理； (2 )、；險測前景運動塊的色彩飽和度
將色彩飽和度的檢測轉化為火災煙霧色彩R、G、B各通道強度值的比較分析； 對於灰色到黑色變化的煙霧，其色彩分量R、 G、 B值彼此非常接近，三分量中最 大和最小值的差小於某一指定的閾值T,，同時，色彩的亮度值I應該在給定闊值 T2和T3之間變化，在一些情況下，煙霧的色彩有時呈現淡藍色；因此，色彩分量 B略微大於其他兩個分量值，由此制定了一套塊色彩飽和度檢測規則，檢測過程 如下第一步計算每個像素的色彩分量R、 G、 B值中的最大值C_、最小值C 和平均值/;
第二步計算各檢測規則是否通過
規則1:計算最大值C.和最小值C之差的絕對值，如果該值小於 閾值71，則認為規則1檢測通過，否則規則1檢測失敗； 規則2:如果平均值/大於閾值K且小於閾值T3,則認為規則2檢 測通過，否則^L則2;險測失敗；
規則3:如果最大值C是藍色分量5，且最大值C,和最小值C、 之差的絕對值小於閾值74,則認為規則3檢測通過，否則規則3檢 測失敗；
第三步如果規則1和規則2均通過，或者規則2和規則3均通過，則認為
該像素為候選煙霧像素，否則為非煙霧像素； 根據上述色彩檢測方法，逐個矩形塊進行像素分析，得到每幀視頻圖像的二 值圖像；
採用分塊方式計算每個塊通過火災煙霧色彩檢測的象素百分比A,將此值作 為該塊的色彩飽和度檢測特徵量；如果色彩飽和度檢測百分比特徵量A小於指 定閾值7;，則該塊視為非煙霧運動塊；
(3)、估計運動塊的方向，計算運動塊的運動累積量和主運動方向
對於通過火災煙霧色彩飽和度檢測的矩形塊，在整個360度圓周上，將運動 方向以每隔45度離散成均等的8個方向，並為每個方向進行編碼，0代表靜止 塊，1、 2、 3、 4、 5、 6、 7、 8分別代表運動方向與i軸正向夾角為0、 45、 90、 135、 180、 225、 270、 315度的運動塊;
對於每一個矩形塊，保存剛剛過去時間內的塊運動方向編碼，即採用滑動時 間窗口統計K幀內各運動塊的運動方向時間序列，即統計K幀這段時間內各個 塊的運動方向編碼，這樣處理就保留了運動時空特徵；
在此時間序列的基礎上，統計每個塊運動方向的直方圖界(^)， 6是0—9 的方向編碼值，計算反映塊運動持續時間長短的運動累積量特徵值A，即
如果某塊的運動累積量A小於指定闊值K,則認為該塊為靜止塊；對於大 於閾值K的塊，將頻次最大的方向視為塊的主運動方向0"，則
argmax{//r(6>)}ifi^2 7; 0 else
(4)、通過計算每個區域的色彩飽和度檢測百分比、平均累積量和主運動方向比率組成特徵向量
根據每個塊的運動方向編碼0—9,將視頻分為編碼為0的靜止區域和編碼為 l一9的運動區域，依據目標8-鄰域連通性，將運動塊分割成彼此互不連通的區域， 並計算每個區域運動塊的數目；如果某個區域的運動塊數目小於某一閾值，則將 該區域所有的運動塊編碼修正為0，即變為靜止塊，從而消除噪聲的幹擾；
計算每個區域主運動方向編碼的直方圖H(e,. ),提取區域主運動統計量等 特徵；對於同一個區域凡,計算每個區域向上主運動所佔的比率，反映煙霧區域 的塊主運動方向朝向向上，即方向編碼為2、 3和4,具體的計算公式如下
屍W — e附則
=1
在區域凡中，n代表幀數，區域運動塊的平均累積量特徵為
' ',風
其中7V "為區域、的運動塊數目 區域運動塊的平均色彩;險測百分比為
"4
結合色彩檢測百分比、運動累積量和區域主運動統計量等特徵，採用貝葉斯 分類器進行最終的火災煙霧檢測。
視頻圖像通常存在大量的噪聲。為了消除噪聲的幹擾，本發明將視頻圖像分 割成大小相等的矩形塊。針對這些矩形塊，可以單獨進行運動和色彩檢測。
對於大多數可燃物，當煙霧的溫度比較低時，其顏色趨於淡藍色到白色之間。 當煙霧的溫度比較高或快接近著火時，煙霧色彩介於灰色到黑色之間。可以看出， 在大多數情況下，煙霧的色彩飽和度通常比較低。所謂色彩的飽和度
(Saturation),也稱為色彩的純度。色彩純度越高，表現色彩越鮮明，純度較低， 表現較為黯淡。傳統的著名色彩表示系統，大都基於色彩的三個屬性一_色相 (Hue)、飽和度(Saturation)及明亮度(Value)，如HSV色彩空間。計算機顯示設 備和數字圖像大都採用基於紅、綠、藍的三基色色彩空間(RGB)。根據觀察到的 這個特點，對所獲取的煙霧圖像進行色彩飽和度檢測。為了加快檢測速度，在 RGB色彩空間指定火災煙霧的色彩分布範圍，並將色彩飽和度的檢測轉化為火災煙霧色彩R、 G、 B各通道強度值的比較分析。
本發明色彩飽和度檢測反映煙霧的色彩粗略分布，剔除大量具有鮮明色彩的 前景幹擾對象。分塊方式的色彩檢測進一步增強系統的抗幹擾性。累積量表現了 煙霧在陰燃點附近持續運動的特性，對於非往復運動對象具有非常好的抗幹擾性 能。主運動比率反映了煙霧運動模式。綜合運用色彩檢測飽和度百分比、平均累 積量和主運動比率，可以大大地降低系統誤報率，實現了對煙霧快速準確的檢測， 這是以往技術中所沒有的。
圖1為本發明的視頻火災煙霧實時檢測系統結構圖。
圖2為本發明的搜索模版。
圖3為本發明的離散方向編碼。
具體實施方式
實施例1:
圖1給出了本發明基於色彩飽和度與運動模式的視頻火災煙霧檢測方法的 系統構成示意圖將火突煙霧監測攝像機D採集到的被監控場景C的視頻圖像， 通過數據釆集卡傳到視頻煙霧檢測計算機A，根據本發明所描述的檢測方法編寫 相應的圖像分析軟體，對視頻圖像進行在線實時自動分析，如果判斷存在火災煙 霧，則通過計算機發出指令，控制報警器發出報警信號，或者控制報警及聯動裝 置B迅速滅火，同時啟動視頻伺服器E進行錄像，保存現場動態圖像數據。
本發明基於色彩飽和度與運動模式的視頻火災煙霧檢測方法的處理步驟為 1、計算機通過採集卡獲取視頻圖像，2、通過差分得到前景運動塊，3、計算每 個運動塊的色彩飽和度檢測百分比，4、計算每個運動塊的累積量和主運動方向， 5、計算每個區域的彩飽和度檢測百分比、平均累積量和主運動方向比率，6、根 據所提取的特徵進行判決，如果是火災煙霧，給出報警信號，重新返回到第1 步。
本發明基於色彩飽和度與運動模式的視頻火災煙霧檢測方法的具體操作步 驟如下
1. 火災煙霧檢測系統硬體平臺的布置
安裝普通CCD攝像機視頻監控系統或利用現有的普通視頻監控系統，按照圖 1的方式建立視頻火災煙霧實時檢測系統硬體平臺。通過多路採集卡將監控現場 C中的視頻圖像實時地釆集到煙霧檢測計算機A中。同時，煙霧檢測計算機A可 以連接必要的火災報警裝置，也可以與聯動滅火裝置B進行連接，以便實現聯動 滅火。
2. 系統初始化
在不同的光照和CCD攝像機情況下，拍攝的視頻圖像質量不同，這樣極大地影響了系統探測的準確性，因此需要根據實際應用估計出參考數據。在系統剛剛 啟動時，系統默認為被監控現場沒有火災的發生。在此情況下，系統立即啟動自 動學習的機制，估計被監控場景中的各種特徵參數。用戶可以根據被監控場景的 特徵參數和現場的實際情況，通過設定報警靈敏度等方式調整火災煙霧檢測所需 的各種控制和閾值等參數。
3.通過差分法提取前景運動塊
從視頻採集卡獲取的視頻圖像通常存在大量的噪聲，為了消除噪聲的幹擾， 將視頻圖像劃分成大小相等的矩形塊。針對這些矩形塊，可以分別進行運動檢測 和色彩飽和度檢測。假設視頻圖像的大小分別為K和仄，每個塊的大小為K和 乾，則每一幀圖像行方向和列方向的矩形塊總數目分別為
formula see original document page 10其中，L」表示取整運算。
取整運算這意味著，系統不處理圖像的邊界，這樣處理簡化了計算，但不實 質影響視頻火災煙霧的檢測效果。
為了增強系統對環境光照等變化的快速適應，採用能夠快速適應環境變化的 幀差分方法進行運動4全測。對每一個像素計算差分絕對值，並將塊中的差分絕對 值進行求和，即塊差分準則為絕對誤差和&J(7，》(式2)。如果塊的絕對誤差和 "大於給定閾值Trf，則認為該塊為運動塊，否則為靜止塊，不進行後續處理。
formula see original document page 104.色彩飽和度檢測
對於大多數可燃物，當煙霧的溫度比較低時，其顏色趨於淡藍色到白色之間。 當煙霧的溫度比較高或快接近著火時，煙霧色彩介於灰色到黑色之間。可以看出， 在大多數情況下，煙霧的色彩飽和度通常比較低。所謂色彩的飽和度
(Saturation),也稱為色彩的純度。色彩純度越高，表現色彩越鮮明，純度較低， 表現較為黯淡。傳統的著名色彩表示系統，大都基於色彩的三個屬性一一色相 (Hue)、飽和度(Saturation)及明亮度(Value)，如HSV色彩空間。計算機顯示設 備和數字圖像大都採用基於紅、綠、藍的三基色色彩空間(RGB)，可以將色彩從 RGB空間變換到HSV色彩空間。
根據觀察到的這個特點，對所獲取的煙霧圖像進行色彩飽和度檢測。為了加 快檢測速度，在RGB色彩空間指定火災煙霧的色彩分布範圍，並將色彩飽和度的 檢測轉化為火突煙霧色彩R、 G、 B各通道強度值的比較分析。對於灰色到黑色變 化的煙霧，其色彩分量R、 G、 B值彼此非常接近。換句話說，三分量中最大和最小值的差小於某一指定的閾值t。同時，色彩的亮度值I應該在給定闊值L和 L之間變化。在一些情況下，煙霧的色彩有時呈現淡藍色。因此，色彩分量B略 微大於其他兩個分量值。由此制定了一套各個像素色彩飽和度檢測規則，這樣處 理降低了計算複雜度，色彩檢測過程如下
(1) 計算各像素的色彩分量R、 G、 B值中的最大值C,、最小值C和平均
值/;
(2) 計算各;f全測規則是否通過
規則l:計算最大值C和最小值C."之差的絕對值，如果該值小於閣值T], 則認為規則l檢測通過，否則規則l檢測失敗；
規則2:如果平均值/大於閾值72且小於閾值73,則認為規則2檢測通過， 否則規則2 4全測失敗；
規則3:如果最大值C.是藍色分量A且最大值C.和最小值C,之差的絕 對值小於閾值二則認為規則3檢測通過，否則規則3檢測失敗；
(3 )如果規則1和規則2均通過，或者規則2和規則3均通過，則認為該 像素為候選煙霧像素，否則為非煙霧像素。
在上面的規則中，規則1代表煙霧色彩的灰度特性，規則2限定煙霧色彩的 亮度變化範圍，規則3允許色彩中含有輕微的藍色調。根據此色彩檢測規則，系 統逐個象素進行分析，得到色彩飽和度檢測二值圖像。同時，為了降低噪聲的幹 擾，採用上述的分塊方式計算每個塊通過火災煙霧色彩檢測的象素百分比A,將
此值作為該塊的色彩飽和度檢測特徵量。如果色彩飽和度檢測百分比特徵量
小於指定閾值r。，則該塊視為非煙霧運動塊。
5.估計運動塊的方向，計算運動塊的運動累積量和主運動方向 對於通過火突煙霧色彩飽和度^r測的矩形塊，在整個360度圓周上，將運動
方向以每隔45度離散成均等的8個方向，並為每個方向進行編碼，0代表靜止
塊，1、 2、 3、 4、 5、 6、 7、 8分別代表運動方向與義軸正向夾角為0、 45、 90、
135、 180、 225、 270、 315度的運動塊;
對於每一個矩形塊，保存剛剛過去時間內的塊運動方向編碼，即採用滑動時
間窗口 K生成塊的運動方向時間序列，保留了運動時空特徵，在此時間序列的
基礎上，統計每個塊運動方向的直方圖私(W,計算反映塊運動持續時間長短的
運動累積量特徵值A，即formula see original document page 11
如果某塊的運動累積量A小於指定閾值K,則認為該塊為靜止塊；對於大 於閾值K的塊，將頻次最大的方向視為塊的主運動方向貝'Jformula see original document page 12
6.通過計算每個區域的色彩飽和度檢測百分比、平均累積量和主運動方向 比率組成特徵向量
根據每個塊的運動方向編碼0一9，將^L頻分為編碼為0的靜止區域和編碼為 l一9的運動區域，依據目標8-鄰域連通性，將運動塊分割成彼此互不連通的區域， 並計算每個區域運動塊的數目；如果某個區域的運動塊數目小於某一閾值，則將 該區域所有的運動塊編碼修正為0，即變為靜止塊，從而消除噪聲的幹擾；
計算每個區域主運動方向編碼的直方圖H( ,j,提取區域主運動統計量等 特徵；對於同一個區域凡，計算每個區域向上主運動所佔的比率，反映煙霧區域 的塊主運動方向朝向向上，即方向編碼為2、 3和4,具體的計算公式如下
formula see original document page 12
在區域中，區域運動塊的平均累積量特徵為
其中為區域w 的運動塊數目 區域運動塊的平均色彩檢測百分比為
formula see original document page 12
結合色彩;險測百分比、運動累積量和區域主運動統計量等特徵，採用貝葉斯 分類器進行最終的火災煙霧檢測。
權利要求
1、一種基於色彩飽和度與運動模式的視頻火災煙霧檢測方法，其特徵在於對由固定好的監控攝像機得到的視頻圖像，首先通過差分法提取前景運動塊，然後檢測前景運動塊的色彩飽和度，估計運動塊的方向，計算運動塊的運動累積量和主運動方向，最後通過計算每個區域的色彩飽和度檢測百分比、平均運動累積量和主運動方向比率組成特徵向量，採用貝葉斯分類器進行判斷是否為火災煙霧。
2、 根據權利要求1所述的基於色彩飽和度與運動模式的視頻火災煙霧檢測方 法，其特徵在於(1)、通過差分法提取前景運動塊將每幀視頻圖像分割成大小相等的矩形塊，假設視頻圖像的寬度與高度分別 為K.和乾，每個塊的寬度與高度大小分別為％和乾，則每一幀圖像行方向和列 方向的塊數目分別為其中，L」表示取整運算，取整這意味著，系統不處理圖像的邊界； 為了增強系統對環境光照等變化的快速適應，只採用相鄰兩幀視頻圖像的同 一位置的塊差分進行運動檢測，塊差分準則為絕對誤差和&(7， 7 —式(2),formula see original document page 2(2) /7 /"t'《幀數，G， "^氛北威W^標，如果矩形塊的絕對誤差和&2(7，》大於給定閾值7;,則認為該矩形塊為運動塊，否則為靜止塊，不進行後續處理； (2 )、檢測前景運動塊的色彩飽和度 將色彩飽和度的檢測轉化為火災煙霧色彩R、 G、 B各通道強度值的比較分析； 對於灰色到黑色變化的煙霧，其色彩分量R、 G、 B值彼此非常接近，三分量中最 大和最小值的差小於某一指定的閾值T"同時，色彩的亮度值I應該在給定閾值 T2和L之間變化，在一些情況下，煙霧的色彩有時呈現淡藍色；因此，色彩分量 B略微大於其他兩個分量值，由此制定了 一套塊色彩飽和度檢測規則，檢測過程 如下第一步計算每個像素的色彩分量R、 G、 B值中的最大值C.、最小值C和平均值/; 第二步計算各檢測規則是否通過規則1:計算最大值C,和最小值C"之差的絕對值，如果該值小於 閾值7],則認為規則l檢測通過，否則規則l檢測失敗；規則2:如果平均值/大於閾值^且小於閾值73，則認為規則2檢 測通過，否則規則2檢測失敗；規則3:如果最大值C是藍色分量A且最大值C和最小值C. 之差的絕對值小於闊值7J,則認為規則3檢測通過，否則規則3檢 測失敗；第三步如果規則1和規則2均通過，或者規則2和規則3均通過，則認為該像素為候選煙霧像素，否則為非煙霧像素。 根據上述色彩檢測方法，逐個矩形塊進行像素分析，得到每幀視頻圖像的二 值圖像；採用分塊方式計算每個塊通過火災煙霧色彩;險測的象素百分比A，將此值作 為該塊的色彩飽和度檢測特徵量；如果色彩飽和度檢測百分比特徵量A小於指 定閾值7;,則該塊視為非煙霧運動塊；(3)、估計運動塊的方向，計算運動塊的運動累積量和主運動方向對於通過火災煙霧色彩飽和度檢測的矩形塊，在整個360度圓周上，將運動 方向以每隔45度離散成均等的8個方向，並為每個方向進行編碼，0代表靜止 塊，1、 2、 3、 4、 5、 6、 7、 8分別代表運動方向與x軸正向夾角為0、 45、 90、 135、 180、 225、 270、 315度的運動塊;對於每一個矩形塊，保存剛剛過去時間內的塊運動方向編碼，即採用滑動時 間窗口統計《幀內各運動塊的運動方向時間序列，即統計K幀這段時間內各個 塊的運動方向編碼，這樣處理就保留了運動時空特徵；在此時間序列的基礎上，統計每個塊運動方向的直方圖0),計算反映塊 運動持續時間長短的運動累積量特徵值A，即如果某塊的運動累積量A小於指定閾值Z,則認為該塊為靜止塊；對於大於閾值r,的塊，將頻次最大的方向視為塊的主運動方向則formula see original document page 3(4)、通過計算每個區域的色彩飽和度檢測百分比、平均累積量和主運動方 向比率組成特;(正向量根據每個塊的運動方向編碼0—9，將視頻分為編碼為0的靜止區域和編碼為 1_9的運動區域，依據目標8-鄰域連通性，將運動塊分割成彼此互不連通的區域， 並計算每個區域運動塊的數目；如果某個區域的運動塊數目小於某一閾值，則將 該區域所有的運動塊編碼修正為0，即變為靜止塊，從而消除噪聲的幹擾；計算每個區域主運動方向編碼的直方圖H( 6>, )，提取區域主運動統計量等 特徵；對於同一個區域兄,計算每個區域向上主運動所佔的比率，反映煙霧區域 的塊主運動方向朝向向上，即方向編碼為2、 3和4,具體的計算公式如下 formula see original document page 4在區域A中，區域運動塊的平均累積量特徵為氣"其中A^"為區域w 的運動塊數目 區域運動塊的平均色彩;險測百分比為7VK "風結合色彩檢測百分比、運動累積量和區域主運動統計量等特徵，採用貝葉斯 分類器進行最終的火災煙霧檢測。
全文摘要
本發明公開了一種基於色彩飽和度與運動模式的視頻火災煙霧檢測方法，對由監控攝像機得到的視頻圖像，首先通過差分法提取前景運動塊，然後檢測前景運動塊的色彩飽和度，估計運動塊的方向，計算運動塊的累積量和主運動方向，最後通過計算每個區域的色彩飽和度檢測百分比、平均累積量和主運動方向比率組成特徵向量，採用貝葉斯分類器進行判斷是否為火災煙霧。本發明色彩飽和度檢測反映煙霧的色彩粗略分布，剔除大量具有鮮明色彩的前景幹擾對象。分塊方式的色彩檢測進一步增強系統的抗幹擾性。累積量表現了煙霧在陰燃點附近持續運動的特性，對於非往復運動對象具有非常好的抗幹擾性能。綜合運用色彩檢測飽和度百分比、平均累積量和主運動比率，可以大大地降低系統誤報率。
文檔編號G08B17/10GK101441771SQ20081023398
公開日2009年5月27日 申請日期2008年12月19日 優先權日2008年12月19日
發明者於春雨, 劉士興, 張永明, 袁非牛 申請人:中國科學技術大學