基于多特征融合的视频烟雾检测方法技术

技术编号:11755056 阅读:191 留言:0更新日期:2015-07-22 03:18
本发明专利技术公开了一种基于多特征融合的视频烟雾检测方法,首先对训练视频序列提取运动目标,根据颜色特征判断是否为疑似烟雾区域,对疑似烟雾区域提取形状不规则特征、面积增长特征和K个背景模糊特征,组合成特征向量,然后对特征向量进行正负样本划分,得到训练样本;将训练样本的特征向量作为输出、样本类型作为输出,对分类器进行训练;对于待检测图像,采用相同方法提取得到特征向量,输入分类器进行判定是否为烟雾。本发明专利技术对疑似烟雾区域提取多个特征,对烟雾进行综合判定,提高烟雾的检测率。

【技术实现步骤摘要】

本专利技术属于计算机视觉
,更为具体地讲,涉及一种基于多特征融合的视 频烟雾检测方法。
技术介绍
火灾是一种非常常见的灾害。随着社会的不断发展,社会财富的不断增加,火灾的 发生不仅造成巨大的经济损失、破坏和谐的生态环境,而且严重威胁到人们的财产和生命 安全,对社会的稳定繁荣发展造成影响。越早地准确发现火灾就越可能将各方面的损失降 低到最小。烟雾作为火灾前期的一种重要产物,准确的检测出烟雾即可对火灾进行预警。 传统的烟雾检测器绝大多数还是采用感烟、感温、感光、感可燃气体以及集合其中 几种的复合型检测器。这些检测器是依靠检测燃烧过程中的副产物(烟雾粒子、物质燃烧 放热、可燃气体等)来检测烟雾的,因此只能在离火焰和烟雾源比较近的地方才能快速有 效的发挥探测作用,对于大的空间或者户外场所,其检测的可靠性较低。 基于视频图像的烟雾检测属于计算机视觉中目标检测的范畴。其中对于烟雾特 征的提取是主要研宄的重点,目前已有多个研宄团队在烟雾的特征提取上进行了研宄。 Toreyin等人和帅师等人引入了小波变换来分析烟雾的纹理特征,主要分析随时间变化时 烟雾图像中小波能量的变化趋势,以此来区分烟雾和非烟雾区域。Gubbi等人采用了比较 热门的支持向量机(SVM)分类器,另外还利用多层小波分析了烟雾的纹理特征。Chen等人 主要分析了烟雾图像的颜色信息,给出了烟雾颜色在RGB三通道中的统计分布规则,利用 此规则加上烟雾其他的动态特征完成对烟雾的检测。袁等人认为烟雾的运动在燃烧的热能 的驱动下呈现向上的趋势,所以利用了主运动方向特征来统计烟雾运动方向,同时为了加 快速度,引入了积分图的方法来计算烟雾块之间的距离。吴等人提出了利用卡尔曼滤波来 检测运动目标区域,并结合基于高斯混合模型的烟雾颜色建模,由前二者来提取疑似烟雾 区域,再对烟雾的动态特征(小波能量变化趋势和颜色融合特性)分析,实现烟雾的智能检 测。 总的来说,目前对视频烟雾检测进行研宄的人员越来越多,也取得了一些不错结 果。但是在对于综合环境复杂的现实情况下,现有的算法还是有些不足,主要是误检较高。
技术实现思路
本专利技术的目的在于克服现有技术的不足,提供一种基于多特征融合的视频烟雾检 测方法,对疑似烟雾区域提取多个特征,对烟雾进行综合判定,提高烟雾的检测率。 为实现上述专利技术目的,本专利技术,包括以下步 骤: Sl:选取若干个含有火灾烟雾与其他运动目标的视频序列,提取得到各个运动目 标的特征向量作为训练样本,训练样本的获取方法包括以下步骤: SI. 1 :对每个训练视频序列进行运动目标检测; si. 2:对步骤SI. 1得到的运动目标区域,遍历区域内的每个像素,根据预设的颜 色特征判别公式判断该像素是否为烟雾像素,将不是烟雾像素的像素点去除,得到疑似烟 雾区域; SI. 3 :对疑似烟雾区域进行动态特征提取,包括形状不规则特征、面积增长特征和 在主运动方向上的背景模糊特征,每种特征的提取方法为: (1)形状不规则特征S的计算公式如下: S=P/Q 其中,P表示疑似烟雾区域边缘轮廓长度,Q表示疑似烟雾区域的面积; (2)面积增长特征AA的计算公式如下:【主权项】1. 一种,其特征在于,包括w下步骤: 51 ;选取若干个含有火灾烟雾与其他运动目标的视频序列,提取得到各个运动目标的 特征向量作为训练样本,训练样本的获取方法包括W下步骤: S1. 1 ;对每个训练视频序列进行运动目标检测; S1. 2 ;对步骤S1. 1得到的运动目标区域,遍历区域内的每个像素,根据预设的颜色特 征判别方法判断该像素是否为烟雾像素,将不是烟雾像素的像素点去除,得到疑似烟雾区 域; S1. 3 ;对疑似烟雾区域进行动态特征提取,包括形状不规则特征、面积增长特征和在主 运动方向上的背景模糊特征,每种特征的提取方法为: (1) 形状不规则特征S的计算公式如下: S=P/Q 其中,P表示疑似烟雾区域边缘轮廓长度,Q表示疑似烟雾区域的面积; (2) 面积增长特征AA的计算公式如下:其中,At表示当前第t帖视频图像中疑似烟雾区域的面积,A,_,表示在第t-k帖视频图 像中对应的疑似烟雾区域的面积,k的取值范围为k> 1 ; (3) 在主运动方向上的背景模糊特征: 对疑似烟雾区域的运动目标进行主运动方向分析,得到疑似烟雾区域的主运动方向, 并得到疑似烟雾区域在主运动方向上的外接矩形;然后对当前第t帖图像F(t)和对应的背 景图像B(t)分别进行高通滤波,得到高通滤波后的当前帖图像和背景图像,计算外接矩形 区域内每个像素点的相对衰减系数C(m,n,t),计算公式为:其中,Bh(m,n,t)表示滤波后背景图像Bh(t)中像素点(m,n)的灰度值,Fh(m,n,t)表示 滤波后当前帖图像Fh(t)中像素点(m,n)的灰度值; 将外接矩形沿主运动方向平均分为K段,K的取值范围为K> 2,分别计算各段区域内 的平均衰减系数,将K个平均衰减系数作为K个背景模糊特征; S1. 4 ;将步骤S1. 3中得到的形状不规则特征、面积增长特征和K个背景模糊特征,组合 成为特征向量; S1. 5 ;判断疑似烟雾区域是否确实为火灾烟雾区域,如果是,则将该疑似烟雾区域的特 征向量作为正样本,否则该疑似烟雾区域的特征向量作为负样本; 52 ;将步骤S1得到的各个训练样本的特征向量输入至预设的分类器,W对应的样本类 型作为输出,对分类器进行训练; 53 ;对待检测视频,首先进行运动目标检测,然后根据颜色特征判断运动目标是否为疑 似烟雾区域,如果不是,不作任何处理,如果是,对疑似烟雾区域提取得到形状不规则特征、 面积增长特征和K个背景模糊特征,组合成特征向量,最后将特征向量输入至步骤S2训练 得到的分类器,得到是否为烟雾的判定结果。2. 根据权利要求1所述的视频烟雾检测方法,其特征在于,所述的颜色特征判别的方 法为: 对每个像素采用W下烟雾颜色特征判别公式进行判别: P-P<Tmax min ?'?1 了2<I< 了3 其中,P>"y、Pmi。分别表示某个像素R、G、B值中的最大值和最小值,T1则为预设最大值与 最小值的差值阔值,T,、T3分别表示预设的烟雾像素色彩亮度I的最小阔值和最大阔值; 当W上两个判据公式均满足时,像素为烟雾像素,否则为非烟雾像素。3. 根据权利要求1所述的视频烟雾检测方法,其特征在于,所述疑似烟雾区域在提取 动态特征之前,先采用形态学去噪方法进行预处理。4. 根据权利要求1所述的视频检测方法,其特征在于,所述主运动方向分析的具体方 法为: 采用光流法得到当前帖视频图像中每个像素点的运动矢量,将360度平面分为丫个区 间,遍历疑似烟雾区域内的像素点,判断像素点的运动矢量的方向位于哪个区间,将其速度 大小累加至该区间的速度大小;将各区间的速度大小进行归一化,然后将归一化后速度大 小最大的区间作为运动目标的主运动方向区间,W该方向区间的中间值作为主运动方向。5. 根据权利要求1所述的视频烟雾检测方法,其特征在于,所述分类器采用BP神经网 络。【专利摘要】本专利技术公开了一种,首先对训练视频序列提取运动目标,根据颜色特征判断是否本文档来自技高网
...
<a href="http://www.xjishu.com/zhuanli/55/CN104794486.html" title="基于多特征融合的视频烟雾检测方法原文来自X技术">基于多特征融合的视频烟雾检测方法</a>

【技术保护点】
一种基于多特征融合的视频烟雾检测方法,其特征在于,包括以下步骤:S1:选取若干个含有火灾烟雾与其他运动目标的视频序列,提取得到各个运动目标的特征向量作为训练样本,训练样本的获取方法包括以下步骤:S1.1:对每个训练视频序列进行运动目标检测;S1.2:对步骤S1.1得到的运动目标区域,遍历区域内的每个像素,根据预设的颜色特征判别方法判断该像素是否为烟雾像素,将不是烟雾像素的像素点去除,得到疑似烟雾区域;S1.3:对疑似烟雾区域进行动态特征提取,包括形状不规则特征、面积增长特征和在主运动方向上的背景模糊特征,每种特征的提取方法为:(1)形状不规则特征S的计算公式如下:S=P/Q其中,P表示疑似烟雾区域边缘轮廓长度,Q表示疑似烟雾区域的面积;(2)面积增长特征ΔA的计算公式如下:ΔA=At-At-kk]]>其中,At表示当前第t帧视频图像中疑似烟雾区域的面积,At‑k表示在第t‑k帧视频图像中对应的疑似烟雾区域的面积,k的取值范围为k≥1;(3)在主运动方向上的背景模糊特征:对疑似烟雾区域的运动目标进行主运动方向分析,得到疑似烟雾区域的主运动方向,并得到疑似烟雾区域在主运动方向上的外接矩形;然后对当前第t帧图像F(t)和对应的背景图像B(t)分别进行高通滤波,得到高通滤波后的当前帧图像和背景图像,计算外接矩形区域内每个像素点的相对衰减系数C(m,n,t),计算公式为:其中,Bh(m,n,t)表示滤波后背景图像Bh(t)中像素点(m,n)的灰度值,Fh(m,n,t)表示滤波后当前帧图像Fh(t)中像素点(m,n)的灰度值;将外接矩形沿主运动方向平均分为K段,K的取值范围为K≥2,分别计算各段区域内的平均衰减系数,将K个平均衰减系数作为K个背景模糊特征;S1.4:将步骤S1.3中得到的形状不规则特征、面积增长特征和K个背景模糊特征,组合成为特征向量;S1.5:判断疑似烟雾区域是否确实为火灾烟雾区域,如果是,则将该疑似烟雾区域的特征向量作为正样本,否则该疑似烟雾区域的特征向量作为负样本;S2:将步骤S1得到的各个训练样本的特征向量输入至预设的分类器,以对应的样本类型作为输出,对分类器进行训练;S3:对待检测视频,首先进行运动目标检测,然后根据颜色特征判断运动目标是否为疑似烟雾区域,如果不是,不作任何处理,如果是,对疑似烟雾区域提取得到形状不规则特征、面积增长特征和K个背景模糊特征,组合成特征向量,最后将特征向量输入至步骤S2训练得到的分类器,得到是否为烟雾的判定结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员:周雪邹见效徐红兵邓林
申请(专利权)人:电子科技大学
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1