基於視頻的火災檢測的系統和方法

2023-10-08 05:32:24

專利名稱：基於視頻的火災檢測的系統和方法
技術領域：
本發明總體上涉及計算機視覺和模式識別，並且特別涉及用於檢測火災存在的視
頻分析。
背景技術：
檢測火災的存在的能力在許多方面(包括關於人類安全和財產的安全)都很重要。特別地，由於火災的快速擴張速率，所以儘可能早地檢測出火災的存在很重要。用於檢測火災的傳統裝置包括顆粒採樣(即煙霧檢測器)和溫度傳感器。雖然精確，但是這些方法包括若干缺點。例如，傳統的顆粒或煙霧檢測器需要煙霧物理上到達傳感器。在一些應用中，火災的位置或通風(ventilated air)系統的存在阻止煙霧到達檢測器達延長的時間長度，從而使火災時間延長。典型的溫度傳感器需要傳感器物理上被定位於靠近火災，這意味著溫度傳感器直到火災已經擴展到溫度傳感器的位置才能感測到火災。此外，這些系統都不能提供關於火災的大小、位置或強度的數據。 火災的視頻檢測提供了對這些問題中的一些問題的解決方案。儘管視頻通常被認為是可見光譜圖像，但是最近開發的對紅外光譜和紫外光譜敏感的視頻檢測器進一步增強了視頻火災檢測的可能性。現有技術中許多視頻內容分析算法是已知的。然而，這些算法常常由於視頻內容算法曲解視頻數據而導致諸如虛警(false positive)之類的問題。因此，開發一種改進的分析視頻數據以確定火災的存在的方法是有益的。

發明內容
此處公開了一種用於基於視頻輸入來檢測火災的存在的方法。該視頻輸入包括若干單獨的幀，其中每個幀被分成多個塊。對該多個塊的每一個執行視頻分析，計算若干視頻特徵或度量(metrics)。判定邏輯基於根據一個或多個幀所計算的視頻特徵和度量來確定火災的存在。 在另一個方面中，基於視頻的火災檢測系統基於由視頻檢測器捕獲的視頻輸入來確定火災的存在。所捕獲的視頻輸入被提供給視頻識別系統，該視頻識別系統包括但不限於幀緩衝器、塊分割器(divider)、逐塊視頻度量提取器和判定邏輯。幀緩衝器存儲由視頻檢測器提供的視頻輸入(通常以連續的幀提供)。塊分割器將該多個幀中的每個幀分成多個塊。逐塊視頻度量提取器計算與該多個塊中的每個塊相關聯的至少一個視頻度量。基於關於該多個塊中的每個塊而計算的視頻度量的結果，判定邏輯確定在該多個塊的任何一個中是否存在煙霧或火災。


圖1是視頻檢測器和視頻處理系統的功能框圖。 圖2A和2B圖示了由視頻檢測器提供的連續幀以及將幀再分成處理塊。 圖3是視頻處理系統在基於由視頻檢測器提供的數據檢測火災的存在中所採用
4的視頻分析算法的流程圖。
具體實施例方式
本發明基於由一個或多個視頻檢測器提供的視頻輸入來提供火災檢測。視頻檢測器可以包括攝影機或其它視頻數據捕獲設備。術語視頻輸入一般被用來指代表示兩個或三個空間維度的視頻數據以及定義時間維度的連續幀。火災檢測可以基於視頻輸入的一維、二維、三維或四維處理。一維處理通常由處理單獨像素在連續幀中的值的時間序列組成。二維處理通常由處理幀的全部或一部分組成。三維處理由在一時刻處理所有三個空間維度或處理二維幀的序列組成。四維處理由處理所有三個空間維度的時間序列組成。通常，因為火災的自遮擋(self-occluding)特性以及可能地檢測器數目和它們各自的視野的限制，不太可能整個三維信息都可用。然而，此處所教導的技術可以被應用於整個或部分三空間維度數據。 例如，在使用二維處理算法的實施例中，視頻輸入被分成多個連續的幀，每個幀表示一時刻(instant in time)。每個幀可以被分成多個塊。視頻分析算法被獨立地應用於該多個塊中的每個塊，並且視頻分析的結果指示特定塊是否包含火災的存在。視頻分析包括對該多個塊的每個塊執行空間變換，並且空間變換的結果提供關於該塊的紋理(texture)的信息，該塊的紋理可以與例如所學得的模型相比較，以確定所檢測到的紋理是否指示火災的存在。 圖1是火災檢測系統10的功能框圖，該火災檢測系統10包括至少一個視頻檢測器12、視頻識別系統14和警報系統16。由視頻檢測器12捕獲的視頻圖像被提供給視頻識別系統14，該視頻識別系統14包括執行在視頻識別系統14中所示出的功能步驟所必需的硬體和軟體。由視頻檢測器12給視頻識別系統14提供視頻可以通過許多方式中的任何一種，例如通過硬布線連接、通過專用無線網絡、通過共用無線網絡等等。視頻識別系統14中包含的硬體包括但不限於視頻處理器以及存儲器。包括在視頻識別系統14中的軟體包括視頻內容分析軟體，將關於圖3中示出的算法來更詳細地描述該視頻內容分析軟體。
視頻識別系統14包括但不限於幀緩衝器18、塊分割器20、逐塊視頻度量提取器22和判定邏輯24。視頻檢測器12捕獲若干連續的視頻圖像或幀。來自視頻檢測器12的視頻輸入被提供給幀緩衝器18，該幀緩衝器暫時存儲若干單獨的幀。幀緩衝器18可以保留一個幀、每個連續的幀、連續幀的子採樣，或可以僅存儲用於周期性分析的某個數量的連續幀。幀緩衝器18可以通過許多方式中的任何一種來實施，該許多方式包括分開的硬體或作為計算機存儲器的指定部分。幀緩衝器18存儲的幀被提供給塊分割器20，該塊分割器20將每個幀分成多個塊。每個塊包含若干像素。例如，在一個實施例中，塊分割器20將每個幀分成多個八個像素乘八個像素的方形塊。在其他實施例中，改變塊的形狀和包括在每個塊中的像素的數目以適合特定的應用。 將該多個塊中的每個塊提供給逐塊視頻度量提取器22，其將視頻分析算法(在圖3中示出)應用於每個塊以生成若干視頻特徵或度量。由逐塊視頻度量提取器22計算的視頻度量被提供給判定邏輯24，該判定邏輯24基於所提供的視頻度量來確定該多個塊中的每個塊是否指示火災的存在。如果判定邏輯24指示火災的存在，那麼判定邏輯24與警報系統16通信以指示火災的存在。判定邏輯24還可以為警報系統16提供關於所檢測的火災的位置數據、大小數據和強度數據。這允許警報系統16更具體地響應於所檢測的火災，例如通過將滅火工作僅引導至所指示的位置。 圖2A和圖2B分別圖示了將視頻幀30a和30b分別分成塊32a和32b。圖2A和圖2B還圖示了使用逐塊處理相比其他方法的益處。圖2A示出了在時間T1的視頻檢測器輸入(即第一幀30a)和塊32a在視頻幀30a中的位置。類似地，圖2B示出了在時間T2的視頻檢測器輸入(即第二幀30b)和塊32b在視頻幀30b中的位置。圖2A和圖2B圖示了使視頻幀的逐塊處理特別好地適於檢測火災存在的獨特火災特徵。與其他類型的視頻識別應用(例如面部識別)不同，沒有必要處理整個幀來識別火災的存在。例如，對人臉的一小部分執行視頻分析不能提供足夠的信息來識別特定的人或甚至不能識別出存在人。因此，面部識別需要對整個幀進行處理(典型地構造圖像的高斯金字塔)，這大大地增加了計算複雜性。如圖2A和圖2B所示，通過提供逐塊處理在本發明中避免了這一等級的計算複雜性。
火災的獨特特性是僅基於較大的火災的小的採樣來識別火災的能力。例如，對整個視頻幀30a或30b執行的視頻內容算法將識別出火災的存在。然而，因為火災的本質，僅對塊32b和32b執行的視頻內容算法也指示火災的存在。這允許將視頻幀30a和30b分成多個單獨的塊(諸如塊30)，且對單獨的塊執行視頻內容分析。該處理的益處是可以以高精確度水平來檢測位於視頻幀的一小部分中的火災的存在。這還允許確定火災的位置和大小，而不是僅僅通過典型的非視頻火災警報來提供火災的二元檢測。該方法還降低了處理視頻輸入所需的計算複雜性。在圖2A和圖2B所示的實施例中，幀被分成方形塊，但在其他實施例中，塊可以被分成多種幾何形狀，並且塊的大小可以從僅有一些像素(例如4X4)變化到大量的像素。 圖3是如圖l所示的視頻識別系統14使用的視頻處理算法40的流程圖，用於識別火災的存在。視頻處理算法40可以提取若干視頻度量或特徵，這些視頻度量或特徵包括但不限於與該多個塊的每個塊相關聯的顏色、紋理、閃爍效應、部分或全部遮蔽(obscuration)、模糊以及形狀。 在步驟42，將多個幀N讀取到幀緩衝器18中。在步驟44，該多個幀N中的每個幀被分成多個單獨的塊。在步驟46，對每個單獨的塊執行視頻內容分析。在圖3中示出的實施例中，視頻內容分析包括判定邏輯24(如圖l所示)為了檢測火災的存在或者單獨使用或者組合使用的視頻度量或特徵的計算。所圖示的視頻度量包括顏色比較度量(由算法48執行)、靜態紋理和動態紋理度量(算法50執行)和閃爍效應度量(由算法52執行)。
顏色比較算法48提供顏色比較度量。在步驟54，將塊中的每個像素與所學得的顏色圖相比較，並且利用閾值來確定像素是否指示了火災像素(例如，它是否具有火災的特有橙色或紅色)。顏色圖可以捕獲任何期望的顏色特性，例如它可以包括用於某些易燃物質(例如醇)的藍色。 特別地，顏色比較算法通常在檢測火災的存在上是有用的。顏色比較算法或者在RGB(紅色、綠色、藍色)顏色空間或者在HSV(色度、飽和度、亮度)顏色空間中工作，其中每個像素都可以由RGB三元組或HSV三元組表示。通過基於RGB或HSV三元組值分類圖像中的每個像素，來生成表示火災圖像和非火災圖像的分布。例如，可以使用非參數方法來建立分布，該非參數方法使用直方圖倉格(bin)來建立分布。來自火災圖像(已知包含火災存在的圖像)的像素被(基於RGB或HSV三元組值)分類，並且投影到對應的離散倉格中，以建立表示火災的存在的分布。來自非火災圖像的像素被類似地分類並且投影到離散倉格以 建立表示非火災圖像的分布。在當前視頻幀中的像素被(基於RGB和HSV值)分類並且與 表示火災或煙霧圖像和非火災圖像的分布相比較以確定當前像素是應該被分類成火災像 素還是非火災像素。 在另一個實施例中，使用包括擬合(fit)預先假定的混合高斯分布的參數化方法 來生成分布。來自火災圖像和非火災圖像二者的像素被分類(基於RGB或HSV三元組) 並且被定位在三維空間中以形成像素群集(cluster)。從像素群集學得混合高斯(MOG)分 布。為了確定未知的像素是應該被分類成火災像素還是非火災像素，將與未知像素相關 聯的對應值與表示火災和非火災圖像的MOG分布相比較。通過下面的參考文獻Healey. G. 、 Slater. D. 、 Lin. T. 、 Drda. B. 、 Goedeke. A. D. ， 1993 "A System for Real-Time Fire Detection" IEEE. Conf. ComputerVision and Pattern Recognition, p. 605-606來進一步 詳細地描述顏色比較算法的使用。 在步驟56，塊中被識別為火災像素的像素的數目，或者被識別為火災像素的像素 的百分比被作為顏色比較度量提供給在步驟68的融合(fusion)塊。 在框50中示出的算法提供紋理分析度量。 一般來說，紋理分析是在單獨的塊上 執行的二維空間變換或在一系列塊上執行的三維變換，其提供關於塊的空間或時_空頻率 信息。由該變換提供的頻率信息描述了與特定塊相關聯的紋理。 一般來說，火災傾向於具 有獨特的紋理，並且對包含火災的一個或多個塊執行的空間或時-空分析提供了可識別的 時_頻信息組，典型地具有可識別的高頻分量，而與採樣的大小無關。 通過將每個幀分成多個塊，二維空間分析能夠檢測僅佔據每個幀的一小部分的火 災。即，對整個幀執行的空間分析可能沒有檢測到幀中的小火災的存在，但是幀的逐塊處理 將產生對甚至小火災的檢測。 隨時間跟蹤與特定塊相關聯的紋理數據提供被稱為動態紋理數據的數據(即，塊 的隨時間改變的紋理)。包含火災的塊由指示存在湍流(turbulence)的動態紋理來表徵。 因此，與單個幀中的單個塊相關聯的紋理(即靜態紋理)和在一個時間段上與塊相關聯的 動態紋理二者都可以被用來識別在特定塊中的火災的存在。 靜態紋理(空間二維紋理)和動態紋理(隨時間的空間二維紋理)直接推廣到空 間三維紋理和隨時間的空間三維紋理，假定多個視頻檢測器14在每個時刻提供三維數據 (在幀緩衝器18中的三維幀)。 在步驟58，對每個單獨的塊執行空間變換，其中該塊可以表示二維或三維數據。取 決於所使用的變換的具體類型(例如離散餘弦變換(DCT)、離散小波變換(DWT)、奇異值分 解(SVD))，空間變換導致提供了若干係數。在步驟60，保留提供關於特定塊的紋理的信息 的K個係數以用於進一步分析，而且除去不提供關於紋理的信息的係數。例如，由空間DCT 變換提供的一階係數通常不提供關於特定塊的紋理的有用信息，因此被丟棄。在步驟60選 擇的係數K提供關於(可能在單個幀中的)單個塊的紋理信息。在一個實施例中，在步驟 62獨立地分析這些係數以確定與特定塊相關聯的靜態紋理是否指示火災。在另一個實施例 中，在步驟62的分析包括將來自當前幀的靜態紋理(所選擇的係數)與表示已知包含火災 的塊的靜態紋理係數相比較。比較的結果(即靜態紋理度量)提供特定塊是否包含火災的 指示。
7
在另一個實施例中，除了計算靜態紋理度量之外，在步驟64單獨地計算與塊相關 聯的動態紋理(即隨時間分析的塊的紋理)。在步驟64，計算與特定塊相關聯的動態紋理。 這包括將與第一幀中的特定塊相關聯的係數K與關於在連續幀中的相同塊而計算的係數 相組合。例如，如圖2A和2B所示，對與時間Tl處的幀30a相關聯的塊32a執行的空間變 換提供第一組係數。對與時間T2處的幀30b (即下一幀)相關聯的塊32b執行的空間變換 提供第二組係數。在步驟64，將第一組係數與第二組係數連同來自先前幀的係數一起相組 合。在一個實施例中，組合的方法是執行變換係數的進一步變換，從而產生原始視頻序列的 三維變換的係數。在另一個實施例中，這些係數被表示為矢量序列，這提供了分析第一組系 數和第二組係數的一種方法。在其他實施例中，可以組合與多個幀N中的每個幀相關聯的 所選擇數目的係數(幀的數目NX所選擇的係數K)。 在步驟66，將與塊相關聯的係數K以及與多個幀N中的塊相關聯的主要係數K的 組合與所學得的模型相比較以確定該塊的動態紋理是否指示火災的存在。所學得的模型充 當允許視頻識別系統14確實火災是否有可能存在於特定塊中的閾值。在一個實施例中，通 過存儲已知包含有火災的塊的空間變換和不包含火災的塊的空間變換來對所學得的模型 進行編程。通過這種方式，視頻識別系統可以在表示存儲在幀緩衝器18中的該多個幀中的 塊的空間係數和表示存在火災的空間係數之間進行比較。在步驟72，將靜態紋理和動態紋 理分析的結果提供給融合塊。儘管圖3示出的實施例使用了所學得的模型，但在不偏離本 發明精神和範圍的情況下，可以使用本領域普通技術人員知道的多種分類技術中的任何分 類技術。 在框52中示出的算法提供了閃爍效應度量。因為火災特有的湍動(turbulent motion)，在包含火災的塊中的各個像素將顯示被稱為閃爍的特性。閃爍可以被定義為一 幀一幀(from frame to frame)的像素的顏色或強度的變化。因此，在步驟68，將來自 第一幀的像素的顏色或強度與來自先前幀的像素(在相同的像素位置取得)的顏色或強 度進行比較。在步驟70確定包含閃爍特性的像素的數目或包含閃爍特性的像素的百分 比。在步驟72，將所得到的閃爍度量與其他視頻度量融合。在下面的參考文獻中Fifth IEEE Workshop on Applications ofComputer Vision,第224-229頁，2000年12月中 的W. Phillips、 III、 M. Shah禾口 N. daVitoria Lobo的"Flame Recognition in Video"以 及Proceedings of the 2004 International Conference on ImageProcessing (ICIP 2004) ， Sing即ore，2004年10月24-27， pp. 1707-1710中的T. _H. Chen、 P. _H Wu、 Y. _C. Chiou， "Anearly-detection method based on image processing",提供了關於計算閃爍 效應以確定火災存在的其他信息。 在不偏離本發明的精神和範圍的情況下，指示火災的其他視頻度量(例如如在本 領域中公知的形狀度量、部分或全部遮蔽度量或模糊(blurring)度量)也可以被計算。通 過將當前幀或視頻圖像與參考圖像相比較來計算這些度量的每一個，其中參考圖像可能是 先前幀或多個先前幀的計算的結果。例如，形狀度量包括首先將當前圖像與參考圖像進行 比較，以及檢測有差別的區域。分析指示參考圖像和當前圖像之間的差別的所檢測到的區 域以確定所檢測到的區域是否指示煙霧或火災。用於進行該確定的方法包括但不限於所檢 測到的區域的密度、長寬比和總面積。所定義的區域的形狀也可以與教導指示火災或煙霧 的形狀的模型(即特有煙羽)相比較，以確定該區域是否指示煙霧。
8
部分或全部遮蔽度量也基於當前圖像和參考圖像之間的比較。計算這些度量的普 通方法需要生成參考圖像和當前圖像的變換係數。例如，諸如離散餘弦變換(DCT)或離散 小波變換(DWT)之類的變換算法可以被用來生成參考圖像和當前圖像的變換係數。將關 於當前圖像計算的係數與關於參考圖像所計算的係數相比較(使用任何數目的統計方法， 例如歪曲率(skew)、峰度、參考差值(reference difference)或二次擬合)，以提供遮蔽度 量。該遮蔽度量指示當前的圖像是否全部或部分被遮蔽，這又可以指示煙霧或火焰的存在。 同樣，基於對於參考圖像和當前圖像的所計算的係數的相似分析可以被用來計算離焦或模 糊狀況，這也指示煙霧或火焰的存在。 在步驟72，與顏色、紋理分析和閃爍效應(以及上面列出的任何附加的視頻度量) 相關聯的度量的結果被組合或融合到單個度量中。度量融合描述了這樣的過程，通過該過 程組合來自不同的源(例如上述的任何度量)的度量(輸入)，使得所產生的度量在某些方 面比如果單獨分析各個度量要好或表現得要好。例如，度量融合算法可以使用任何一個下 面的算法，包括但不限於卡爾曼濾波器、貝葉斯網絡或Dempster-Shafer模型。關於數據融 合的其他信息在下面的參考文獻Hall、 D. L.的Handbook of Multisensor Data Fusion, CRC Press, 2001中提供。 通過組合若干特徵，由視頻識別系統生成的錯誤警報的數量大大地減少了。在步 驟74，將所融合的度量提供給判定邏輯24 (如圖1所示)，該判定邏輯24確定特定塊是否 包含火災。在步驟74，判定邏輯24可以利用許多技術，包括將融合的度量與最大可允許的 融合度量值相比較、融合度量的線性組合、關於融合度量值的模糊邏輯、神經網絡或貝葉斯 網。例如在James 0. Berger， Springer, 2ed. 1993的StatisticalDecision Theory and Bayesian Analysis中，附加地描述了判定邏輯。 在步驟76完成後處理，其中組合被標識為包含火災的塊，並且執行附加的過濾以 進一步減少錯誤警報。該步驟允許通過視頻識別系統14(如圖l所示)來確定火災的位置 和大小。不受控的火災的典型特徵是在火災的外部邊緣上存在湍流，以及火災內部相對恆 定的特徵。通過將被標識為包含火災的塊連接在一起，視頻識別系統14能夠在火災的識別 中包括火災內部中的那些先前沒有被上述算法標識為包含火災的位置。通過這種方式，火 災的位置和大小可以更精確地被確定並且傳送到警報系統16。附加的時間和/或空間過濾 可以在步驟76中執行以進一步減少錯誤警報。例如，在某些條件下，火災可能主要被垂直 地定向。在這種情況下，可以捨棄(reject)具有小尺寸和主要水平的長寬比的檢測。在某 些情況下，可能期望在通告檢測之前需要在一個時間段上連續進行檢測。可以捨棄持續少 於規定時間長度的檢測。 因此，描述了使用逐塊處理來檢測火災的存在的視頻輔助的火災檢測系統。將由 若干連續幀組成的視頻輸入提供給視頻處理器，該視頻處理器將每個單獨的幀分成多個 塊。對該多個塊的每個塊執行視頻內容分析，視頻內容分析的結果指示該多個塊中的每個 塊是否包含火災。 儘管上述圖3描述了多個步驟的執行，但是這些步驟的數字排序不意味著必須執 行這些步驟的實際順序。 儘管已參考優選實施例描述了本發明，但是本領域技術人員將會認識到在不偏離 本發明的精神和範圍的情況下可以在形式和細節上進行改變。貫穿說明書和權利要求書，術語"一"的使用不應該被解釋為意味著"僅一個"，而是應該被廣泛地解釋為意味著"一個 或多個"。此外，術語"或者"的使用應該被解釋為是包括的，除非另有聲明。
權利要求
一種執行視頻分析以檢測火災的存在的方法，該方法包括獲取包括單獨的幀的視頻數據(42)；將所述單獨的幀的每一個分成多個塊(44)；計算與所述多個塊的每一個相關聯的視頻度量(46)；以及至少部分基於所計算的與所述多個塊的每一個相關聯的視頻度量來確定是否存在火災(74)。
2. 根據權利要求1所述的方法，其中計算與所述多個塊的每一個相關聯的視頻度量包括對特定幀中的所述多個塊的每一個應用空間變換(58)以生成靜態紋理數據。
3. 根據權利要求2所述的方法，其中確定在所述多個塊的每一個中是否存在火災包括將關於所述多個塊的每一個生成的靜態紋理數據與表示火災的靜態紋理模型進行比較(62)。
4. 根據權利要求2所述的方法，還包括隨時間在若干幀上組合來自所述多個塊中的一個塊的紋理數據(64)，以生成動態紋理 數據。
5. 根據權利要求4所述的方法，確定在所述多個塊的每一個中是否存在火災包括將關於所述多個塊的每一個生成的動態紋理數據與表示火災的動態紋理模型進行比較(66)。
6. 根據權利要求1所述的方法，還包括 將確定為包括火災的存在的塊連接在一起(76);以及基於所連接的包含火災的塊來確定沒有被標識為包含火災的塊是否應該被標識為火 災塊。
7. 根據權利要求1所述的方法，其中計算與所述多個塊的每一個相關聯的視頻度量包括計算與所述多個塊的每一個相關聯的第一視頻度量和第二視頻度量。
8. 根據權利要求7所述的方法，還包括將所述第一視頻度量和所述第二視頻度量組合成組合視頻度量(72)。
9. 根據權利要求8所述的方法，其中確定在所述多個塊的每一個中是否存在火災包括將判定邏輯應用於組合視頻度量以確定所述多個塊中的每一個是否包含火災(74)。
10. 根據權利要求7所述的方法，其中計算第一和第二視頻度量包括 計算從下述各項選擇的第一視頻度量顏色度量、紋理度量、動態紋理度量、閃爍效應度量、遮蔽度量、模糊度量以及形狀度量；以及計算從下述各項選擇的第二視頻度量顏色度量、紋理度量、動態紋理度量、閃爍效應度量、遮蔽度量、模糊度量以及形狀度量。
11. 一種基於視頻的火災檢測系統，該系統包括 至少一個視頻檢測器(12)，其用於捕獲視頻輸入；以及視頻識別系統(14)，其被連接以從所述視頻檢測器(12)接收視頻輸入，其中所述視頻識別系統(14)包括:幀緩衝器(18)，用於存儲由所述視頻檢測器(12)提供的多個幀； 塊分割器(20)，用於將所述多個幀的每一個分成多個塊；逐塊視頻度量提取器(22)，用於計算與所述多個塊的每一個相關聯的視頻度量；以及判定邏輯(24)，用於基於所述視頻度量來確定在所述多個塊的每一個中是否存在火災。
12. 根據權利要求ll所述的系統，其中所述逐塊視頻度量提取器(22)計算與特定幀中 的所述多個塊的每一個相關聯的靜態紋理數據。
13. 根據權利要求12所述的系統，其中所述逐塊視頻度量提取器(22)將關於特定幀中 的所述多個塊的每一個計算的靜態紋理數據與所學得的模型靜態紋理數據相比較以計算 靜態紋理度量。
14. 根據權利要求13所述的系統，其中將所述靜態紋理度量提供給所述判定邏輯 (24)，該判定邏輯(24)確定所述多個塊中的每一個是否指示火災的存在。
15. 根據權利要求ll所述的系統，其中所述逐塊視頻度量提取器(22)在若干幀上計算 與所述多個塊的每一個相關聯的動態紋理數據。
16. 根據權利要求15所述的系統，其中所述逐塊視頻度量提取器(22)將在若干幀上關 於所述多個塊的每一個而計算的動態紋理數據與所學得的模型動態紋理數據進行比較以 計算動態紋理度量。
17. 根據權利要求16所述的系統，其中將所述動態紋理度量提供給所述判定邏輯 (24)，所述判定邏輯(24)確定所述多個塊中的每一個是否指示火災的存在。
18. 根據權利要求15所述的系統，其中所述逐塊視頻度量提取器(22)計算與所述多個 塊的每一個相關聯的若干視頻度量，所述視頻度量包括下述各項中的至少一個顏色度量、 靜態紋理度量、動態紋理度量、閃爍效應度量、遮蔽度量、模糊度量以及形狀度量。
19. 根據權利要求ll所述的系統，還包括塊連接器，其連接由所述判定邏輯指示為包含火災的所述多個塊中的每一個，並且確 定被指示為不包含火災的塊是否應該與指示火災的所述多個塊包括在一起。
20. 根據權利要求ll所述的系統，還包括警報系統(16)，其用於接收來自視頻識別系統(14)的關於火災存在的輸入，其中所述視頻識別系統向警報系統提供下述各項中的至少一個火災的存在、火災的位置和火災的大小。
全文摘要
一種用於使用由視頻檢測器提供的視頻輸入的逐塊處理來識別火災的方法。視頻輸入被分成多個幀(42)，並且每個幀被分成多個塊(44)。關於與所述多個塊的每個塊來計算視頻度量(46)，以及基於所計算的視頻度量來標識包含火災的存在的塊(74)。然後火災的檢測被傳送到警報系統。
文檔編號G06K9/46GK101711393SQ200780052128
公開日2010年5月19日 申請日期2007年1月16日 優先權日2007年1月16日
發明者A·M·芬, M·A·萊利克, P·-Y·彭, Z·熊 申請人:Utc消防及保安公司