一种烟雾检测方法和装置制造方法及图纸

本发明专利技术公开了一种烟雾检测方法和装置，属于数字图像与视频处理领域。该方法包括：对输入的视频图像进行目标区域检测，得到目标区域；计算内部相似性和与周围区域差异性目标区域内部相似性；计算内部相似性和与周围区域差异性目标区域与周围区域差异性；根据内部相似性和与周围区域差异性内部相似性和与周围区域差异性判决内部相似性和与周围区域差异性目标区域是否为烟雾。采用本发明专利技术实施例，通过对目标区域内的子块特征进行分类，还同时考虑目标区域与周围背景区域的差异性得到最终的判定结果，从而能有效地区分烟雾目标与类烟雾目标。

Smoke detecting method and device

The invention discloses a smoke detection method and a device, belonging to the field of digital image and video processing. The method includes: video input for target detection, target area; calculation of internal similarity and surrounding regional differences within target region similarity calculation; internal similarities and differences with the surrounding region around the target area and regional differences; according to the internal similarities and differences within the similarity with the surrounding region and with the surrounding regional difference and similarity judgment inside and surrounding regional differences in target area is smoke. The embodiment of the invention, through the classification of the target area and block feature, also considering the difference between the target area and the surrounding area of the background to obtain the result finally, which can effectively distinguish the smoke target and smoke target.

【技术实现步骤摘要】
一种烟雾检测方法和装置
本专利技术涉及数字图像与视频处理领域，尤其涉及火灾监控的一种基于ULBP以及Adaboost的烟雾检测方法和装置。
技术介绍
纹理特征是烟雾检测中使用的重要特征，局部二值模式(LocalBinaryPattern，简称LBP)作为代表性的纹理特征之一，更是受到了广泛的关注，基于LBP的各种烟雾检测算法更是近年来研究的热点问题。自从Ojala首次把LBP定义为均匀模式的LBP(uniformLocalBinaryPattern，简称ULBP)，旋转不变的LBP(rotation-invariantLocalBinaryPattern，简称RLBP)以及均匀的旋转不变的LBP(rotation-invariant-uniformLocalBinaryPattern，简称RULBP)这三种模式，就有越来越多的研究者开始研究LBP相关的算法。为了提高LBP特征的区分性，很多LBP的改进算法被纷纷提出。比如：为了避免LBP使用过程中造成的全局信息丢失，计算出每个像素点的LBP值的一系列衍生的LBP。再如：通过拉东变换得到纹理图像的主方向，然后在主方向上计算小波变换产生的能量特征。还有一种拉长的局部二值模式(ElongatedLocalBinaryPattern，简称ELBP)，该方法中利用椭圆形区域代替原来的原形区域来作为LBP提取的基本子块。基于LBP与Adaboost的方法虽然证明在烟雾的检测上能取得较好的效果，但因为在一些场景中的类烟雾目标都拥有着和烟雾相近的特性，所以单纯考虑目标区域的特征很难将烟雾与验视频进行准确的区分，即不能有效的区分烟雾与类烟雾目标。
技术实现思路
有鉴于此，本专利技术要解决的技术问题是提供一种烟雾检测方法和装置，以针对以往的烟雾检测方法难以区分烟雾和类烟雾目标的技术问题。本专利技术解决上述技术问题所采用的技术方案如下：根据本专利技术的一个方面，提供的一种烟雾检测方法包括：对输入的视频图像进行目标区域检测，得到目标区域；计算目标区域内部相似性，包括：在目标区域内随机选取子块；提取每个子块的ULBP特征；利用Adaboost分类器对ULBP特征进行分类，得到内部相似性；计算目标区域与周围区域差异性；根据内部相似性和与周围区域差异性判决目标区域是否为烟雾。优选地，利用Adaboost分类器对ULBP特征进行分类按以下公式计算：其中，sim表示内部相似性，K表示子块数量，xk表示第k个子块U-LBP特征，Wk为第k个随机块的权重，H(xk)为Adaboost分类器对输入特征xk得到的分类结果。优选地，计算目标区域与周围区域的周围差异性进一步包括：将目标区域周围划分成若干个子区域；提取周围区域子区域内的ULBP特征及颜色特征；计算周围区域子区域与目标区域子块的相似性。优选地，根据内部相似性和与周围区域差异性判决目标区域是否为烟雾包括：当目标区域内部相似性大于预设的第一阈值时，且目标区域与周围区域差异性大于预设的第二阈值时，则判断该目标区域为烟雾区域。优选地，该方法之后还包括：根据目标区域的颜色特征以及运动特征验证是否是烟雾区域区，进一步包括：提取目标区域内的颜色特征；利用基于块匹配的光流提取目标区域内所有子块的运动速度和方向作为运动特征；检验提取的颜色特征以及运动特征是否满足烟雾的特性。根据本专利技术的另一个方面，提供的一种烟雾检测装置包括：目标区域检测模块，用于对输入的视频图像进行目标区域检测，得到目标区域；内部相似性计算模块，用于计算目标区域内部相似性；其包括：子块选取单元，用于在目标区域内随机选取子块；ULBP特征提取单元，用于提取每个子块的ULBP特征；分类单元，用于利用Adaboost分类器对ULBP特征进行分类，得到内部相似性；周围区域差异性计算模块，用于计算目标区域与周围区域差异性；判决模块，用于根据内部相似性和与周围区域差异性判决目标区域是否为烟雾。优选地，周围区域差异性计算模块进一步包括：子区域单元，将目标区域周围划分成若干个子区域；ULBP及颜色特征提取单元，用于提取周围区域子区域内的ULBP特征及颜色特征；计算单元，用于计算周围区域子区域与目标区域子块的相似性。优选地，判决模块具体用于：当目标区域内部相似性大于预设的第一阈值时，且目标区域与周围区域差异性大于预设的第二阈值时，则判断该目标区域为烟雾区域。优选地，该装置还包括用于根据目标区域的颜色特征以及运动特征验证是否是烟雾区域区的验证模块，具体用于：提取目标区域内的颜色特征；利用基于块匹配的光流提取目标区域内所有子块的运动速度和方向作为运动特征；检验提取的颜色特征以及运动特征是否满足烟雾的特性。本专利技术实施例的烟雾检测方法和装置，通过对目标区域内的子块特征进行分类，还同时考虑目标区域与周围背景区域的差异性得到最终的判定结果，从而能有效地区分烟雾目标与类烟雾目标。附图说明图1为本专利技术实施例提供的烟雾检测方法的流程图；图2为本专利技术优选实施例提供的一种目标区域检测方法的流程图；图3为本专利技术优选实施例提供的一种目标区域内部相似性计算方法的流程图；图4为本专利技术优选实施例提供的一种随机子块提取样例图。图5为本专利技术优选实施例提供的原始LBP计算图。图6为本专利技术实施例ULBP所有模式图。图7为本专利技术优选实施例提供的Adaboost的训练示意图。图8为本专利技术优选实施例提供的目标区域与周围区域差异性计算方法的流程图；图9为本专利技术优选实施例提供的周围区域子区域划分样例图。图10为本专利技术优选实施例提供的验证颜色和运动特征方法的流程图；图11为本专利技术实施例提供的烟雾检测装置的模块结构图；图12为本专利技术优选实施例提供的内部相似性计算模块的模块结构图；图13为本专利技术优选实施例提供的周围区域差异性计算模块的模块结构图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一如图1所示，本专利技术实施例提供的一种烟雾检测方法包括以下步骤：S10、对输入的视频图像进行目标区域检测，得到目标区域。具体地，对输入的视频图像进行图像预处理与背景减除。比如运用图像金字塔与相关的平滑滤波操作得到去噪以后的图像。通过背景帧与当前帧的差分得到前景区域，并通过膨胀、腐蚀等操作使得得到的目标前景区域跟联通，然后滤除小的噪声区域，得到目标区域。S20、计算目标区域内部相似性。具体地，目标区域内的随机子块的提取、每个子块的ULPB特征提取、利用LBP对每个ULBP特征进行分类。S30、计算目标区域与周围区域差异性。具体地，目标区域周围区域的划分、周围区域子区域内的颜色与ULBP特征提取、计算周围区域子区域与目标区域子块的相似性。S40、根据内部相似性和与周围区域差异性判决目标区域是否为烟雾。具体地，当目标区域内部相似性大于预设的第一阈值时，且目标区域与周围区域差异性大于预设的第二阈值时，则判断该目标区域为烟雾区域。本专利技术实施例中，通过计算目标区域内的子块相似性，还同时考虑目标区域与周围背景区域的差异性得到最终的判定结果，从而能有效地区分烟雾目标与类烟雾目标。实施例二如图2所示，本专利技术优选实施例提供的目标区域检测方法包本文档来自技高网...

【技术保护点】
一种烟雾检测方法，其特征在于，该方法包括：对输入的视频图像进行目标区域检测，得到目标区域；计算所述目标区域内部相似性，包括：在目标区域内随机选取子块；提取每个子块的ULBP特征；利用Adaboost分类器对ULBP特征进行分类，得到内部相似性；计算所述目标区域与周围区域差异性；根据所述内部相似性和与周围区域差异性判决所述目标区域是否为烟雾。

【技术特征摘要】
1.一种烟雾检测方法，其特征在于，该方法包括：对输入的视频图像进行目标区域检测，得到目标区域；计算所述目标区域内部相似性，包括：在目标区域内随机选取子块；提取每个子块的ULBP特征；利用Adaboost分类器对ULBP特征进行分类，得到内部相似性；计算所述目标区域与周围区域差异性；根据所述内部相似性和与周围区域差异性判决所述目标区域是否为烟雾。2.根据权利要求1所述的烟雾检测方法，其特征在于，所述利用Adaboost分类器对ULBP特征进行分类按以下公式计算：其中，sim表示内部相似性，K表示子块数量，xk表示第k个子块U-LBP特征，Wk为第k个随机块的权重，H(xk)为Adaboost分类器对输入特征xk得到的分类结果。3.根据权利要求1所述的烟雾检测方法，其特征在于，计算所述目标区域与周围区域的周围差异性进一步包括：将目标区域周围划分成若干个子区域；提取周围区域子区域内的ULBP特征及颜色特征；计算周围区域子区域与目标区域子块的相似性。4.根据权利要求1所述的烟雾检测方法，其特征在于，根据所述内部相似性和与周围区域差异性判决所述目标区域是否为烟雾包括：当目标区域内部相似性大于预设的第一阈值时，且目标区域与周围区域差异性大于预设的第二阈值时，则判断该目标区域为烟雾区域。5.根据权利要求1所述的烟雾检测方法，其特征在于，所述方法之后还包括...

【专利技术属性】
技术研发人员：田永鸿，陈佳秋，王耀威，黄铁军，
申请(专利权)人：中安消技术有限公司，北京大学，
类型：发明
国别省市：北京,11