本发明专利技术公开一种基于多光谱特征的视频火焰检测方法，属于计算机视觉领域。本方法建立火焰颜色模型提取候选火焰区域，通过相机标定恢复出候选区域像素对应的不同单光谱的辐射照度，提取火焰多光谱辐射照度特征，建立火焰光谱时空特征模型，构建一种基于径向基函数核的二分类的支持向量机，训练提取的火焰特征，得到火焰分类模型，从而进行火焰检测。本发明专利技术通过将视频图像数据从色域转换到辐射域，对火焰多光谱辐射能特征进行建模，实现基于真实物理特征的火焰检测方法。
【技术实现步骤摘要】
本专利技术设及物理意义上的视频火焰检测方法，属于计算机视觉领域，具体设及一 种基于多光谱特征的视频火焰检测方法。
技术介绍
火灾是破坏力很强的自然灾害之一，时刻影响着人们的日常生活，火灾检测技术 受到人们的日益关注。由于火灾一旦发生，蔓延迅速，火灾报警越早越好，所W，研究快速准 确的火焰检测技术，一直都是国内外相关学者的工作重点之一。最早的火焰检测方法是人工监视方法，运种方法通常用来监控森林火灾，通过在 瞭望塔上安排监控人员，可W进行准确的火灾报警。但是由于人力资源昂贵且效率低，所W 应用较少。另一种火灾检测技术是火焰传感器技术，通过火焰传感器检测火焰产生的粒子、 环境溫度或相对湿度等发出火灾报警，然而运种技术具有很大缺陷，如感应范围较小，通常 局限于室内环境，传输延迟长，且不能提供有关燃烧过程的有效信息，例如火灾位置、火势 大小、扩散速度、传播方向等。 随着视频监控技术和图像处理技术的飞速发展，基于视频的火焰检测技术成为目 前主流的火焰检测技术，弥补了传统方法的种种缺点，成本低、监控范围广，且能提供燃烧 现场的实时信息，然而，由于火焰现象混乱复杂、外观变化巨大，具有实时的多变性和无规 则性，现有的视频火焰检测方法都是从色域建模火焰特征，不具有实际的物理意义，而且在 特定环境下错误检测时常发生。 对于计算机视觉领域，尤其是当今火灾早报警等需求的日益增长，实时准确的视 频火焰检测技术将有着广阔的前景，而其中建模有辨识力的、具有实际物理意义的火焰特 征将扮演非常重要的角色。
技术实现思路
本专利技术的目的是解决视频火焰检测领域没有实现具有实际物理意义的火焰检测 的问题，提出，可W实现图像从色域到福射域的 转换，并进行物理意义上的视频火焰检测。为完成本专利技术的目的，本专利技术采用的技术方案是：一种基于多光谱特征的视频火 焰检测方法，包括W下步骤：步骤（1)、利用YCb化颜色空间的基于规则的火焰颜色模型提取候选的火焰区域；步骤（2)、通过事先标定相机从单颜色通道到单光谱的福射照度的映射，计算得到 图像像素亮度值对应不同单光谱的福射照度； 步骤（3)、通过步骤似得到火焰像素对应不同单光谱的福射照度，提取火焰多光 谱福射照度特征，对火焰光谱的时空特征进行建模；步骤（4)、构建基于径向基函数核的二分类的支持向量机，通过对步骤（3)提取的 火焰光谱时空特征进行训练，得到火焰分类模型，实现基于火焰物理特征的火焰检测。其中，所述步骤（1)用于提取候选火焰区域的火焰颜色模型是一个建立在YCb化 颜色空间上的基于规则的火焰颜色模型，由于火焰是发光体，而YCb化空间将亮度与色度 分离，所WYCb化比RGB颜色空间更适合表示火焰颜色，通过将已有的RGB空间定义的火 焰颜色模型，如公式（1) (2)所示，转换到YCb化空间，如公式（3) (4)所示，并建模火焰在 YCb化空间呈现的独有的规律，如公式巧）（6)所示，得到一个有效的火焰颜色模型，如公式 (3-6)所示：[001引R>G>B (1) R^Rmean 似[001引 Y(x，y) > Cb(x，y) 做[001引 Cr(X，y) > Cb(X，y) (4)其中，R、G、B分别是图像像素在RGB颜色空间的S个颜色分量，Y(x，y)、Cb(x，y)、 化(X，y)分别是图像像素p(x，y)在YCb化颜色空间的S个颜色分量，（X，y)是像素p(x， y)在图像中的位置，Rme。。、Yme。。、Cbme。。和Crme。。分别是图像所有像素的R、Y、Cb和Cr颜色分 量的均值，X是一个阔值，通过在大量数据集上进行R0C分析，综合考虑模型对有火数据集 和无火数据集的分割结果，取T=40,保证正样本识别率高于90%，且负样本的错误率低 于 40%。 其中，所述步骤（2)进一步分为3个步骤： 步骤（A1):相机响应函数反映图像接收福射照度与图像亮度之间的关系，利用多 次曝光算法标定出相机响应函数，从而由图像像素亮度值计算得到其接收到的福射照度； [002引步骤（A。：由步骤（A1)得到的福射照度实际是全光谱下的福射照度，为了得到不 同单光谱下像素接收的福射照度，在相机镜头前添加不同中屯、波长的窄带滤光片，标定滤 光片的通光系数，得到全光谱福射照度到单光谱福射照度的衰减；[002引步骤（A^ :由步骤（A1)和（A。的标定结果，已知彩色图像像素的亮度值，通过相 机响应函数计算得到其对应的全光谱福射照度，再由不同中屯、波长的窄带滤光片的通光系 数得到其对应的不同单光谱下的福射照度。 其中，所述步骤（3)根据步骤（2)计算得到火焰像素对应的红、绿、蓝，即波长分别 为650nm、532nm、450nm的=个单光谱的福射照度，提取火焰不同于其他物体的多光谱福射 照度特征，并对光谱时空特征进行建模，得到具有物理意义的火焰光谱时空特征模型。其中，所述步骤（4)构建基于径向基函数核的二分类的支持向量机，W步骤（3)提 取的火焰光谱时空特征作为输入，通过在训练集上进行五折交叉验证，寻找最优参数，然后 用最优参数在训练集上训练分类器，得到火焰分类模型，实现基于真实物理特征的火焰检 测方法。 与现有技术相比，本专利技术的有益效果是： (1)本专利技术使用一种YCb化空间的基于规则的火焰颜色模型进行火焰区域预分 害d，可W减少算法后续处理的数据量，增强方法的实时性。 (2)本专利技术通过对相机的标定，可W将图像数据从色域转换到福射域，进而提取火 焰福射域的特征，与现有使用色域特征进行火焰检测的方法相比，本方法具有实际的物理 意义。 (3)本专利技术针对现有的仅基于火焰低级特征的火焰检测方法检测率低的问题，本 方法利用小波分析、时空特征建模等方法建立火焰特征模型，检测效率高。 (4)本专利技术与现有的使用特征阔值进行火焰判定的方法相比，本方法采用基于径 向基函数核的二分类的支持向量机对火焰特征数据进行训练分类，可W得到更准确的检测 结果。【附图说明】 图1为本专利技术的基于多光谱特征的火焰检测方法的示意图；图2为本专利技术的基于多光谱特征的火焰检测方法的流程图； 图3为本专利技术的基于多光谱特征的火焰检测方法的技术路线图；图4为本专利技术的图像数据从色域到多光谱福射域转换过程的示意图。【具体实施方式】 下面结合附图和实施例对本专利技术作进一步的描述。 如图1所示，本专利技术提出了，该方法利 用火焰颜色模型进行候选火焰区域提取，由事先相机标定的结果将图像数据从色域转换到 福射域，进而将候选区域从全光谱彩色图像转换成不同单光谱的福射照度图，提取火焰的 多光谱福射照度特征，并建立火焰光谱时空特征模型，作为一种基于径向基函数核的二分 类的支持向量机的输入，对火焰特征数据进行训练得到火焰分类模型，实现基于多光谱特 征的视频火焰检测方法，本方法的流程图如图2所示。 根据本专利技术的目的和上述方法过程，确定的技术路线如图3所示，下面分别详细 加W介绍。 火焰通常呈现红黄色，明显不同于其他物体，通过建立火焰颜色模型对视频帖进 行预分割，剔除非火焰颜色的像素，可W大大提高算法效率。由于火焰是发光体，YCb化颜 色空间将亮度与色度分离，所W YCb化比RGB颜色空间更适合表示火焰颜色，通过将已有的 RGB空间定义的火焰颜色模型转换到YCb化空本文档来自技高网...
【技术保护点】
一种基于多光谱特征的视频火焰检测方法，其特征在于：该方法包括如下步骤：步骤(1)、利用YCbCr颜色空间的基于规则的火焰颜色模型提取候选的火焰区域；步骤(2)、通过事先标定相机从单颜色通道到单光谱的辐射照度的映射，计算得到图像像素亮度值对应不同单光谱的辐射照度；步骤(3)、通过步骤(2)得到火焰像素对应不同单光谱的辐射照度，提取火焰多光谱辐射照度特征，对火焰光谱的时空特征进行建模；步骤(4)、构建基于径向基函数核的二分类的支持向量机，通过对步骤(3)提取的火焰光谱时空特征进行训练，得到火焰分类模型，实现基于火焰物理特征的火焰检测。
【技术特征摘要】
【专利技术属性】
技术研发人员：周忠，吴威，刘岩，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11
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。