基于多分类器融合的视频火焰检测方法技术

本发明专利技术涉及一种基于多分类器融合技术的视频火焰检测方法，该方法首先利用基于YCbCr颜色空间进行初步候选火焰区域的分割，然后从候选火焰区域中提取火焰的整体移动特征、纹理特征和频闪特征，再将这三种火焰特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林四种分类器进行分析，最后提出一种基于置信度函数（D‑S证据理论）的多分类器融合的检测识别方法，尤其当同一特征输入不同分类器时输出结果存在冲突，本发明专利技术提出了拒绝准则以解决冲突；本发明专利技术能够有效的提高视频火焰检测技术的可靠性和适用性，具有高准确率、低误报率的特点。

【技术实现步骤摘要】
基于多分类器融合的视频火焰检测方法
本专利技术属于火焰检测领域，尤其涉及基于多分类器融合的视频火焰检测方法。
技术介绍
伴随着视频监控技术的不断发展和监控点的日益密集，基于视频的火焰检测已成为具有重大的理论研究价值和实际应用价值的课题之一，也是当前火灾检测领域高度关注的热点问题；传统非接触式探测器大多只能用于室内小空间的检测，具有探测范围小，受环境的影响较大和火灾判据单一等缺点，通过视频监控火焰解决了传统检测方法检测范围有限，传播延时等问题，但是目前的火焰检测仍存在算法检测率低，误识率高，场景变化算法失效的问题，针对这些问题，提出一种综合火焰动态特征和静态特征，将多分类器进行融合的火焰检测方法，有效地提高了火焰检测的准确度并且降低了误识率，并且对于不同场景的火焰都有较好的检测效果。
技术实现思路
本专利技术提出一种基于多分类器融合的视频火焰检测方法，使用了支持向量机、朴素贝叶斯、决策树、随机森林分类器4种分类器基于置信度函数(D-S证据理论)融合，有效地提高了视频火焰检测方法的高可靠性和适用性，而且对于不同场景的火焰都有较好的检测效果。本专利技术采用的技术方案如下：本专利技术提出了基于多分类器融合的视频火焰检测方法，包括以下步骤：步骤1：读取视频火焰图像序列；步骤2：基于YCbCr颜色空间对候选火焰区域进行初步分割，从视频图像序列中分割出有火焰颜色的区域；步骤3：对初步分割出的候选火焰区域分别进行整体移动特征、纹理特征和频闪特征的提取；步骤4：将步骤3所提取的3种特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林分类器进行分析；步骤5：对步骤4中所用的4种分类器进行基于置信度函数(D-S证据理论)的融合，即多分类器融合，并且对多个分类器的输出结果之间存在冲突的，使用拒绝准则，拒绝错误的识别结果(四种分类器输出的结果)。步骤6：根据步骤5进行分类器融合后所产生的新基本概率分配函数再次进行置信度函数分类器融合，根据融合后的概率结果判断是火焰或非火焰，如果判断结果是火焰则进行报警处理。进一步地，所述步骤2中基于YCbCr颜色空间初步分割出候选火焰区域的检测方法，火焰像素的约束规则公式如下：其中Y(x,y)，Cb(x,y)和Cr(x,y)分别表示像素点(x,y)在Y，Cb，Cr三通道的分量值，Fcolor(x,y)判断像素点(x,y)是否列入候选火焰区域。进一步地，所述步骤3中对候选火焰区域提取的纹理特征，是利用灰度共生矩阵对火焰纹理信息进行分析。进一步地，所述整体移动特征利用候选火焰区域的质心变化来确定，计算质心变化方法的公式如下：其中，S表示检测的候选火焰区域，NS表示候选火焰区域的像素点个数，(x,y)为质心坐标。进一步地，所述频闪特征利用空间小波分解提取方法公式如下：其中，m×n表示候选火焰区域的像素值，e表示空间小波能量。进一步地，所述步骤4中对于所提取的整体移动特征、纹理特征和频闪特征都分别输入支持向量机、朴素贝叶斯、决策树和随机森林四种分类器进行分析识别。进一步地，所述步骤5中对4种分类器进行融合的具体方法如下：分别给每个分类器分配一个基本信度函数，即mass函数，分别为m1(A1)、m2(A2)、m3(A3)、m4(A4)，然后对这些mass函数进行置信度函数融合，置信度函数的融合规则公式如下：其中，A1、A2、A3、A4分别表示支持向量机(SVM)分类器、分类器、决策树分类器和随机森林分类器，m1(A1)、朴素贝叶斯m2(A2)、m3(A3)、m4(A4)分别表示为置信度函数分配给支持向量机、朴素贝叶斯、决策树、随机森林分类器的mass函数，也称基本概率分配函数，k为归一化常数。进一步地，所述在多分类器进行融合的过程中，可能会出现某个分类器的输出结果与其它分类器的输出结果存在冲突，这时就需要对存在冲突的分类器进行冲突解决，所以在置信度函数融合的基础上需要利用冲突拒绝准则，冲突拒绝准则的公式如下：其中φI(mj)表示单一mass函数中的冲突。其中Φ表示每个mass函数冲突的平均值。本专利技术与现有技术相比具有以下有益效果：本专利技术针对目前视频火焰检测技术存在的不足(如在不同场景下，火焰的检测算法不能很好的适应，检测的准确率低，误识率高等)和对火焰的动态特性频闪特征和整体移动特征，以及静态特征颜色特征和纹理特征等输入多分类器进行分析，首次提出了一种基于多分类器融合的视频火焰检测方法；相比于其他算法，投票融合方式对于各分类器没有相应的权重系数，当分类器数量少时，每个分类器可能会有相对较高的投票结果，如果分类器出现分类结果有偏差，最终的投票结果可能会完全错误，当分类器数量多时又可能出现投票结果冲突，需要引入新的分类结果。线性融合方式虽然相比投票方式具有了权重系数，但是相比本专利的融合方式，对不准确的分类结果没有解决办法，基于置信度函数融合的方式综合考虑现有火焰检测技术融合方式存在的弊端。因此本专利技术的火焰检测方法能够很好的适应于不同的场景，如室内室外、光线的明暗变化、场地大小等，有效地提高了火焰检测的准确率，降低了误识率，而且具有较强的鲁棒性，具有较好的应用前景。附图说明图1为是本专利技术基于多分类器融合的视频火焰检测方法的算法流程图。具体实施方式为了进一步说明本专利技术，下面结合附图对本专利技术进行详细地描述，但不能将它们理解为对本专利技术保护范围的限定。实施例：如图1所示，本专利技术提供一种基于多分类器融合的视频火焰检测方法，包括以下步骤：步骤1：读取视频火焰图像序列；步骤2：基于YCbCr颜色空间对候选火焰区域进行初步分割，分割出有火焰颜色的区域从视频图像序列中；步骤3：对初步分割出的候选火焰区域分别进行纹理特征、整体移动特征、频闪特征的提取；步骤4：将步骤3所提取的3种特征分别输入支持向量机分类器、朴素贝叶斯、决策树和随机森林分类器进行分析；步骤5：对其步骤4中所用的4种分类器进行基于置信度函数(D-S证据理论)的多分类器融合，在融合过程中，多分类器的输出结果之间存在冲突时，使用拒绝准则，拒绝错误的识别结果(分类器输出的结果)；步骤6：根据步骤5进行多分类器融合后所产生的新的基本概率分配函数再次进行置信度函数融合，根据融合后的概率结果判断是火焰或非火焰，如果判断结果是火焰则进行报警处理。所述火焰颜色是静态特征之一，同时也是识别火焰的一个重要特征，大多数基于颜色特征的火焰检测方法是使用RGB颜色空间，在RGB色彩模型中，每个色彩在其主要光谱分量中显示红色，绿色和蓝色，RGB色彩空间的主要缺点是亮度依赖性，这意味着如果图像的亮度改变，火焰分割规则执行效果会变弱；考虑到亮度改变对分割效果的影响，因此，本专利技术使用YCbCr颜色空间进行对候选火焰的初步分割，在YCbCr颜色通道中，其中Y表示亮度信息，Cb表示蓝色分量，Cr表示红色分量，而且在YCbCr颜色空间中，亮度信息可以从色度信息中分离出来。因此，即使背景照明发生变化，它也可以呈现出真实的效果。所述RGB颜色空间与YCbCr之间的转换是线性关系，其转换公式如下：其中Y是亮度信息，范围是[16,235],Cb和Cr分别是蓝色分量和红色分量，范围分别是[16,240],[16,240]。所述火焰的颜色范围一般来说从红色到黄色，有时呈现白色(当火的温度非常高时)，在火焰和类似火焰色的本文档来自技高网...

【技术保护点】
1.基于多分类器融合的视频火焰检测方法，其特征在于：包括以下步骤：步骤1：读取视频火焰图像序列；步骤2：基于YCbCr颜色空间对候选火焰区域进行初步分割，从视频图像序列中分割出有火焰颜色的区域；步骤3：对初步分割出的候选火焰区域分别进行整体移动特征、纹理特征和频闪特征的提取；步骤4：将步骤3所提取的3种特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林分类器进行分析；步骤5：对步骤4中所用的4种分类器进行基于置信度函数的融合，即多分类器融合，并且对多个分类器的输出结果之间存在冲突的，使用拒绝准则，拒绝错误的识别结果。步骤6：根据步骤5进行分类器融合后所产生的新基本概率分配函数再次进行置信度函数分类器融合，根据融合后的概率结果判断是火焰或非火焰，判断结果是火焰则进行报警处理。

【技术特征摘要】
1.基于多分类器融合的视频火焰检测方法，其特征在于：包括以下步骤：步骤1：读取视频火焰图像序列；步骤2：基于YCbCr颜色空间对候选火焰区域进行初步分割，从视频图像序列中分割出有火焰颜色的区域；步骤3：对初步分割出的候选火焰区域分别进行整体移动特征、纹理特征和频闪特征的提取；步骤4：将步骤3所提取的3种特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林分类器进行分析；步骤5：对步骤4中所用的4种分类器进行基于置信度函数的融合，即多分类器融合，并且对多个分类器的输出结果之间存在冲突的，使用拒绝准则，拒绝错误的识别结果。步骤6：根据步骤5进行分类器融合后所产生的新基本概率分配函数再次进行置信度函数分类器融合，根据融合后的概率结果判断是火焰或非火焰，判断结果是火焰则进行报警处理。2.根据权利要求1所述的基于多分类器融合的视频火焰检测方法，其特征在于：所述步骤4中将对候选火焰区域提取的整体移动特征、纹理特征和频闪特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林分类器，即将三种特征同时输入上述四种分类器进行分析。3.根据权利要求1所述的基于多分类器融合的视频火焰检测方法，其特征在于：所述步骤5中对4种分类器利用置信度函数(D-S证据理论)进行...

【专利技术属性】
技术研发人员：曹江涛，姬晓飞，秦跃雁，卢鑫，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：辽宁,21