一种基于视频图像的火焰识别方法技术

一种基于视频图像的火焰识别方法，属于消防火灾监控领域，具体涉及一种火焰识别方法。为了解决目前的火焰识别方法的准确度较低的问题。本发明专利技术采集视频图像，通过差分法确定火焰是否发生，并对火焰疑似图像预处理；然后针对疑似区域进行特征提取，特征包括：几何特征、颜色特征及火焰动态特征；其中，几何特征包括火焰圆形度、边界粗糙度和尖角个数；火焰动态特征包括火焰面积变化率、火焰质心位移和火焰尖角个数变化的剧烈程度；通过支持向量机SVM进行训练，得到训练好的火焰识别分类器；利用训练好的火焰识别分类器进行火焰识别。本发明专利技术适用于视频图像的火焰识别。

A Flame Recognition Method Based on Video Image

【技术实现步骤摘要】
一种基于视频图像的火焰识别方法
本专利技术属于消防火灾监控领域，具体涉及一种火焰识别方法。
技术介绍
火灾不仅仅会给普通人群的生活和工作带来巨大威胁，甚至也会威胁到国防或军队建设，例如：航母内部结构比其他水面舰船等更加复杂，拥有的设备和舰员也较多，因此自身的安全管理难度系数大。而且甲板上存放的燃油和武器弹药等可燃物，检修或者作业时明火过多、舰载机起降作业的难度大等都有可能引起火灾甚至爆炸。舰载机火灾是目前航母中较为常见的火灾。火灾的及时识别和扑救是扑灭火灾的关键，一般情况下发生火灾的初期15分钟之内是灭火的最好时机。所以能够及时、准确的识别火灾是目前急需面对的问题。但是目前的火焰识别方法的准确度和准确率较低，经常会出现误报或者漏报的情况，在火灾检测的应用条件下不能有效的得到应用。不仅如此，针对平时的消防实战演练，也是需要进行点火和灭火操作的，目前的训练都是直接进行主观评定，并没有一种客观的评价标准或者自动进行评价的系统，其中一个最主要的因素是没有办法及时准确的获取火焰信息，所以就没有办法有效判断火焰是蔓延状态还是缩小状态，以及程度如何。以上的问题的关键核心是火焰的识别准确度，但是目前基于图像的火焰识别方法对火焰的识别率和识别准确度并不高，现有的火焰识别方法并不能将火焰范围完整的识别出来，也反映了目前基于图像的火焰识别方法的准确度不高，所以现有的火焰识别方法的应用条件有限，尤其是不能应用于对火焰状态有识别需求的领域，例如消防实战演练的自动进行评价系统等。
技术实现思路
本专利技术为了解决目前的火焰识别方法的准确度较低的问题。进而提出一种基于视频图像的火焰识别方法。一种基于视频图像的火焰识别方法，包括以下步骤：步骤1、采集的视频图像，通过差分法，让采集到的当前视频图像与前一张图像进行差分操作，对是否有火焰的发生做出判别；如果有火焰发生，执行步骤2对该区域做出判断；否则，继续等待获取下一张图像；步骤2、火焰疑似图像预处理；步骤3、火焰疑似区域的提取：根据图像分割算法，分割出疑似区域；步骤4、火焰疑似区域特征提取：针对疑似区域进行特征提取，特征包括：几何特征、颜色特征及火焰动态特征；其中，几何特征包括火焰圆形度、边界粗糙度和尖角个数；火焰动态特征包括火焰面积变化率、火焰质心位移和火焰尖角个数变化的剧烈程度；步骤5、根据实验环节采集的图像样本及特征，通过支持向量机SVM进行训练，得到训练好的火焰识别分类器；步骤6、针对待识别视频图像提取火焰疑似区域的特征，利用训练好的火焰识别分类器进行火焰识别。进一步地，所述进行特征提取中颜色特征提取的过程如下：采用的颜色模型为YCbCr彩色模型；在YCbCr中，Y代表亮度成分，Cb代表蓝色色度成分，Cr代表红色色度成分；将图像的RBG彩色模型转换为YCbCr彩色模型；对于一张给定的图像，利用YCbCr颜色模型来表示，那么三分量的平均值如下：其中，(xi,yi)表示像素点的坐标值，K表示整张图片的像素点总数；转化到YCbCr颜色空间模型后，有如下形式：Y(xi,yi)＞Cb(xi,yi)(3)Cr(xi,yi)＞Cb(xi,yi)(4)其中，Y(xi,yi)，Cb(xi,yi)，Cr(xi,yi)分别表示在坐标值为(xi,yi)处亮度分量、蓝色色度分量、红色色度分量；一张图像中的火焰区域通过如下定义：为了记载方便，(x,y)也用来表示像素点的坐标值，等同于(xi,yi)；F(x,y)表示符合公式(5)的被标记的火焰像素；针对经过(5)处理后的图像，继续进行如下处理：通道细节定义如下：τ是一个常数；分析图像集里图片的火焰像素部分色度统计信息，含有火焰区域的像素区域在Cb-Cr平面中通过多项式fu(Cr)、fl(Cr)、fd(Cr)表示，fu(Cr)＝-2.6×10-10Cr7+3.3×10-7Cr6-1.7×10-4Cr5+5.16×10-2Cr4-9.10×Cr3+9.6×102Cr2-5.6×104+1.40×106fl(Cr)＝-6.77×10-8Cr5+5.50×10-5Cr4-1.76×10-2Cr3+2.78Cr2-2.15×102Cr3+6.62×103fd(Cr)＝1.81×10-4Cr4-1.02×10-1Cr3+2.17×10Cr2+2.78Cr2-2.05×103Cr+7.29×104(7)然后定义一个火焰区域的识别准则：FCbCr(x,y)表示对应坐标值为(x,y)的像素点是否落在公式(7)所限定的区域内；1表示落在限定区域中，0表示在区域之外。进一步地，所述将图像的RBG彩色模型转换为YCbCr彩色模型的过程如下：RGB颜色空间到YCbCr颜色空间的转化，转化公式如下：进一步地，所述τ的由ROC曲线分析确定。进一步地，所述几何特征提取中火焰圆形度的提取过程如下：火焰圆形度如下：式中，ρ代表火焰的圆形度，L代表边界的周长，Ss代表图形的面积。进一步地，所述几何特征提取中火焰粗糙度的提取过程如下：火焰粗糙度BR如下：式中L代表火焰疑似区域的周长，LCH代表火焰区域的凸包的周长，凸包是代表可以包罗火焰区域并且面积最小的多变形。进一步地，所述几何特征提取中火焰的尖角个数的提取过程如下：把获取到火焰图像经边缘增强，随后边缘处理，接下来沿着提取的边界挨点扫描；第一步通过局部极大值来判定尖角顶点是否存在；紧接着，再根据Pos判定尖角是否存在；经处理二值图中尖角区域呈现为三角形形态，尖角须符合特定的条件，若尖角的第r1和r2行的宽分别为d(row1)和d(row1)，则体态比Pos为进一步地，所述火焰动态特征提取中火焰面积变化率提取的过程如下：对于连续的两张拥有火焰疑似区域的火焰图像I1(x,y)和I2(x,y)，火焰面积变化率Varea为：其中，AI1和AI2分别为火焰图像I1(x,y)和I2(x,y)的面积。进一步地，所述火焰动态特征提取中火焰质心位移提取的过程如下：针对火焰灰度图，火焰区域中心位置的亮度较高，越靠外亮度越低；根据公式(13)求出质心位置，若火焰图像为I(x,y)，那么火焰疑似区域的中心X,Y为：若获取的连续两张的火焰图片分别为I1(x,y)、I2(x,y)，火焰中心分别为(X1,Y1)(X2,Y2)，大小均为M×N，则连续两张火焰图片的火焰疑似区域的质心位移为：进一步地，所述火焰动态特征提取中火焰尖角个数变化的剧烈程度提取的过程如下：尖角变化数Pcorner和尖角平均变化数分别由下边两公式表示Pcorner＝|C2-C1|(15)其中，C1-Cn表示尖角数目；尖角平均变化数为本专利技术具有以下有益效果：本专利技术对火焰的识别准确度高达93％以上。图11(a)至(c)为本方法对火焰燃烧区域的处理效果，从3组图片的比较可以看出，该算法不但能够准确地检测出火焰区域，而且在第二组图像中还消除了左上角背景比较明亮区块的影响。试验证明本专利技术具有明显优势，而且本专利技术基于饱和度的规则和颜色模型能够更准确体现火焰行为，在不利的照明背景条件下其鲁棒性更强。附图说明图1为图像采集系统示意图；图2为一种基于视频图像的火焰识别方法的流程图；图3为火焰疑似区域特征提取示意图；图4(a)为原图，图4(b)为R通道，图4(c)为G通道，图4(d)为B通道；图5(a)为原图，图5(b)为本文档来自技高网...

【技术保护点】
1.一种基于视频图像的火焰识别方法，其特征在于，包括以下步骤：步骤1、采集的视频图像，通过差分法，让采集到的当前视频图像与前一张图像进行差分操作，对是否有火焰的发生做出判别；如果有火焰发生，执行步骤2对该区域做出判断；否则，继续等待获取下一张图像；步骤2、火焰疑似图像预处理；步骤3、火焰疑似区域的提取：根据图像分割算法，分割出疑似区域；步骤4、火焰疑似区域特征提取：针对疑似区域进行特征提取，特征包括：几何特征、颜色特征及火焰动态特征；其中，几何特征包括火焰圆形度、边界粗糙度和尖角个数；火焰动态特征包括火焰面积变化率、火焰质心位移和火焰尖角个数变化的剧烈程度；步骤5、根据实验环节采集的图像样本及特征，通过支持向量机SVM进行训练，得到训练好的火焰识别分类器；步骤6、针对待识别视频图像提取火焰疑似区域的特征，利用训练好的火焰识别分类器进行火焰识别。

【技术特征摘要】
1.一种基于视频图像的火焰识别方法，其特征在于，包括以下步骤：步骤1、采集的视频图像，通过差分法，让采集到的当前视频图像与前一张图像进行差分操作，对是否有火焰的发生做出判别；如果有火焰发生，执行步骤2对该区域做出判断；否则，继续等待获取下一张图像；步骤2、火焰疑似图像预处理；步骤3、火焰疑似区域的提取：根据图像分割算法，分割出疑似区域；步骤4、火焰疑似区域特征提取：针对疑似区域进行特征提取，特征包括：几何特征、颜色特征及火焰动态特征；其中，几何特征包括火焰圆形度、边界粗糙度和尖角个数；火焰动态特征包括火焰面积变化率、火焰质心位移和火焰尖角个数变化的剧烈程度；步骤5、根据实验环节采集的图像样本及特征，通过支持向量机SVM进行训练，得到训练好的火焰识别分类器；步骤6、针对待识别视频图像提取火焰疑似区域的特征，利用训练好的火焰识别分类器进行火焰识别。2.根据权利要求1所述一种基于视频图像的火焰识别方法，其特征在于，所述进行特征提取中颜色特征提取的过程如下：采用的颜色模型为YCbCr彩色模型；在YCbCr中，Y代表亮度成分，Cb代表蓝色色度成分，Cr代表红色色度成分；将图像的RBG彩色模型转换为YCbCr彩色模型；对于一张给定的图像，利用YCbCr颜色模型来表示，那么三分量的平均值如下：其中，(xi,yi)表示像素点的坐标值，K表示整张图片的像素点总数；转化到YCbCr颜色空间模型后，有如下形式：Y(xi,yi)＞Cb(xi,yi)(3)Cr(xi,yi)＞Cb(xi,yi)(4)其中，Y(xi,yi)，Cb(xi,yi)，Cr(xi,yi)分别表示在坐标值为(xi,yi)处亮度分量、蓝色色度分量、红色色度分量；一张图像中的火焰区域通过如下定义：为了记载方便，(x,y)也用来表示像素点的坐标值，等同于(xi,yi)；F(x,y)表示符合公式(5)的被标记的火焰像素；针对经过(5)处理后的图像，继续进行如下处理：通道细节定义如下：τ是一个常数；分析图像集里图片的火焰像素部分色度统计信息，含有火焰区域的像素区域在Cb-Cr平面中通过多项式fu(Cr)、fl(Cr)、fd(Cr)表示，fu(Cr)＝-2.6×10-10Cr7+3.3×10-7Cr6-1.7×10-4Cr5+5.16×10-2Cr4-9.10×Cr3+9.6×102Cr2-5.6×104+1.40×106fl(Cr)＝-6.77×10-8Cr5+5.50×10-5Cr4-1.76×10-2Cr3+2.78Cr2-2.15×102Cr3+6.62×103fd(Cr)＝1.81×10-4Cr4-1.02×10-1Cr3+2.17×10Cr2+2.78Cr2-2.05×103Cr+7.29×104(7)...

【专利技术属性】
技术研发人员：张义勇，董辉，宋子刚，李志奎，齐跃，
申请(专利权)人：中国船舶重工集团公司第七零三研究所，
类型：发明
国别省市：黑龙江,23