【技术实现步骤摘要】
采用图像块特征识别与回归分类的火灾烟雾检测方法
本专利技术涉及一种属于视频图像处理领域的检测方法,更确切地说,本专利技术涉及一种采用图像块特征识别与回归分类的火灾烟雾检测方法。
技术介绍
火灾是严重危害人类生命财产安全的重大灾害之一。火灾的及时预警对于减少各项损失具有重大的意义。一般而言,在火灾发生的初期,烟雾是最先出现的,因此对于火灾烟雾的检测可以有效避免火灾带来的严重后果,使火灾得到早期预警与控制。传统的火灾烟雾探测通常采用光感传感器、烟雾传感器、温度传感器等,但是这些传感器具有的缺陷在于仅能进行特定烟雾的检测,准确率比较差,且系统设计复杂。目前随着电子摄像的普及,视频监控应用的领域越来越多,例如在中国大部分地区都已实现了“天网工程”,形成了视频监控网络;在很多公共场合以及建筑物中也有大量的视频监控设备。目前的视频烟雾检测算法大多使用的是土耳其比尔肯大学的公开数据集,该数据集中视频的分辨率较低,在目前实际的应用场合已经不适合,许多基于此数据集的视频检测算法也有在高清视频中无法正确识别的问题。正确识别高清视频中的烟雾的难题亟待解决。
技术实现思路
本专利技术所要解决的技术问题是克服了现有技术存在的分辨率较低、在高清视频中无法正确识别的问题,提供了一种采用图像块特征识别与回归分类的火灾烟雾检测方法。为解决上述技术问题,本专利技术是采用如下技术方案实现的:所述的采用图像块特征识别与回归分类的火灾烟雾检测方法的步骤如下:1)对烟雾图像数据集进行特征提取与特征融合,并将数据集放入SVM,得到烟雾特征判据模型;2)处理待检测视频,得到待检测图像块;3)将待检测图像块与 ...
【技术保护点】
1.一种采用图像块特征识别与回归分类的火灾烟雾检测方法,其特征在于,所述的采用图像块特征识别与回归分类的火灾烟雾检测方法的步骤如下:1)对烟雾图像数据集进行特征提取与特征融合,并将数据集放入SVM,得到烟雾特征判据模型;2)处理待检测视频,得到待检测图像块;3)将待检测图像块与烟雾特征判别模型输入到SVM中做回归并分类,标记判别为烟雾的图像块。
【技术特征摘要】
1.一种采用图像块特征识别与回归分类的火灾烟雾检测方法,其特征在于,所述的采用图像块特征识别与回归分类的火灾烟雾检测方法的步骤如下:1)对烟雾图像数据集进行特征提取与特征融合,并将数据集放入SVM,得到烟雾特征判据模型;2)处理待检测视频,得到待检测图像块;3)将待检测图像块与烟雾特征判别模型输入到SVM中做回归并分类,标记判别为烟雾的图像块。2.按照权利要求1所述的采用图像块特征识别与回归分类的火灾烟雾检测方法,其特征在于,所述的对烟雾图像数据集进行特征提取与特征融合,并将数据集放入SVM,得到烟雾特征判据模型是指:1)制作烟雾图像数据集烟雾图像数据集由各种渠道获得,一般需要人工手动整理,收集好的烟雾图像数据集分为训练集与测试集,训练集与测试集中均包含正样本集与负样本集,正样本集为烟雾图像块,负样本集为无烟雾的像素块,测试集与训练集中的图像不存在重复,正、负样本集均为100*100像素大小;2)将烟雾图像数据集中的所有图像做灰度化处理:目前的彩色图像大部分是RGB颜色模式,RGB颜色模式分为三个通道,分别为R即红色、G即绿色与B即蓝色通道,灰度化处理可将彩色图像转化为黑白模式图像,具体转换公式如下:Gray(i,j)=0.299×R(i,j)+0.578×G(i,j)+0.114×B(i,j)式中:R为RGB颜色模式中R通道,G为RGB颜色模式中G通道,B为RGB颜色模式中B通道;3)提取每张图像的CS-LBP即中心对称局部二进制模式特征:4)提取每张图像的LPQ即局部二值量化特征;5)将处理后得到的每张图像的CS-LBP特征作为图像的空域特征,LPQ特征作为图像的频域特征;对每张图像提取的CS-LBP特征与LPQ特征串行连接,作为每张图像的融合特征并记录;6)对融合特征利用支持向量机SVM进行学习训练得到烟雾特征判据模型。3.按照权利要求2所述的采用图像块特征识别与回归分类的火灾烟雾检测方法,其特征在于,所述的提取每张图像的CS-LBP即中心对称局部二进制模式特征是指:在灰度图像中,记像素gc(i,j)的8邻域像素点顺时针分别为gp(i,j)(p=0,1,…,7),8邻域像素点的CS-LBP特征如下:CS-LBP=s(g0,g4)20+s(g1,g5)21+s(g2,g6)22+s(g3,g7)23式中:t为事先设定的阈值,一般设为0。4.按照权利要求2所述的采用图像块特征识别与回归分类的火灾烟雾检测方法,其特征在于,所述的提取每张图像的LPQ即局部二值量化特征是指:对于M*M的图像块,离散的短时傅里叶变换表示为:式中:u表示频率,局部傅里叶系数通过u1=[a,0]T,u2=[0,a]T,u3=[a,a]T,u4=[a,-a]T计算,每个像素的位置通过向量表示为:F(x)=[F(u1,x),F(u2,x),F(u3,x),F(u4,x)]傅里叶系数相位使用每部分的实数与虚数的符号表示:式子中pj是向量G(x)=[Re{F(x)},Im{F(x)}]的第j部分,最后对其进行二进制编码:经过上述操作得到每张图像的LPQ即局部二值量化特征。5.按照权利要求2所述的采用图像块特征识别与回归分类的火灾烟雾检测方法,其特征在于,所述的对融合特征利用支持向量机SVM进行学习训练得到烟雾特征判据模型是指:(1)将图像样本进行标记,设存在烟雾的图像样本标签为1,设不存在烟雾的图像样本标签为-1;(2)使用径向基函数作为SVM的核函数,通过对训练集交叉验证的方式调整SVM中参数c和g的取值以此来获得最高的精确度,从而得到最佳的训练...
【专利技术属性】
技术研发人员:杨晓萍,刘哲,王世鹏,王佳帅,王萍,
申请(专利权)人:吉林大学,
类型:发明
国别省市:吉林,22
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。