一种基于改进经典光流法模型的烟雾识别方法技术

本发明专利技术公开了一种基于改进经典光流法模型的烟雾识别方法，首先使用烟雾的颜色模型与背景减除法相结合的算法来提取视频图像中的疑似烟雾区域；其次根据烟雾特有的颜色模型排除部分运动干扰现象；然后对疑似烟雾区域进行分块处理，选择分块的图像的中心像素点作为特征点，对这些特征点进行光流计分析，光流分析使用在LK局部平滑的基础上进行金字塔分层迭代。最后对这些特征点进行阈值判别，判断是否为烟雾。本发明专利技术使用背景减除法后又加入颜色识别模型用于排除部分干扰现象，本发明专利技术在LK局部平滑的基础上进行金字塔迭代对子图像的特征分析，大大降低光流计算的运算量和运算时间。大大降低光流计算的运算量和运算时间。大大降低光流计算的运算量和运算时间。

【技术实现步骤摘要】
一种基于改进经典光流法模型的烟雾识别方法


[0001]本专利技术涉及一种对数字图像处理与光流估计的领域，具体的说，即将疑似烟雾区域提取和对烟雾动态特征进行光流分析相结合的方法。

技术介绍

[0002]在识别火情领域这种检测环境领域，我们一般使用的是传统的感温、感烟等传感器进行小空间，近距离的监测识别，但是这种方法很难应用到范围更广、情况更复杂的场景中去。
[0003]光流指的目标、场景或摄像机在连续两帧图像间运动时造成的目标的运动。它是图像在平移过程中的二维矢量场，是通过二维图像来表示物体点三维运动的速度场，反映了微小时间间隔内由于运动形成的图像变化，以确定图像点上的运动方向和运动速率。光流不仅包含目标物体的大量运动信息，反映了图像的变化情况，还含有目标物体的三维结构等信息，被广泛地运用于运动估计、目标识别、视频检测、图像配准等领域。
[0004]光流法主要依赖于三个假设：一，亮度恒定，即图像中目标的像素强度在连续帧之间不会发生变化。二，时间规律，即相邻帧之间的时间足够短，以至于在考虑运行变化时可以忽略它们之间的差异。三，空间一致性，相邻像素具有相似的运动。这就是最早由Lucas和Kanada提出的经典的光流计算法，简称LK光流法。
[0005]光流不仅包含目标物体的大量运动信息，反映了图像的变化情况，还含有目标物体的三维结构等信息，被广泛地运用于运动估计、目标识别、视频检测、图像配准等领域。光流场模型算法主要分为4类：基于梯度的方法、基于特征匹配的方法、基于能量的方法、基于相位的方法。基于梯度的方法又称为微分法，它是利用时变图像灰度的梯度函数来计算像素的速度矢量，由于该方法计算简单，同时拥有较好的估计效果，因此被广泛采用。
[0006]LK光流法是基于三个假设的基础上的，所以不可避免的会在实现的过程中，出现很多误差和障碍。如风向、风速等因素会影响烟雾的扩散，从而导致不满足光流约束条件，因此不能够求解出准确的光流场，而且该光流算法中一般需要计算出图像的所有像素点的光流矢量，才能够提取出运动目标，算法的计算复杂度高，运算量大、运算时间长。

技术实现思路

[0007]本专利技术所要解决的技术问题是：使识别烟雾的时间更快，准确度更高，传统的经典光流计算模型处理时间速度上的效果一般。如何能更好地排除一些外界环境的干扰和非烟雾的部分以及让识别的速度更快是值得去探讨的问题。
[0008]针对上述实际情况，提出一种基于改进经典光流法模型的烟雾识别方法。首先使用烟雾的颜色模型与背景减除法相结合的算法来提取视频图像中的疑似烟雾区域；其次根据烟雾特有的颜色模型排除部分运动干扰现象；然后对疑似烟雾区域进行分块处理，选择分块的图像的中心像素点作为特征点，对这些特征点进行光流计分析，光流分析使用在LK局部平滑的基础上进行金字塔分层迭代。最后对这些特征点进行阈值判别，判断是否为烟
雾。
[0009]一种基于改进经典光流法模型的烟雾识别方法，具体包括以下步骤：
[0010]步骤1：提取视频图像中的疑似烟雾区域；
[0011]采用混合高斯建模的背景减除法对烟雾运动区域进行检测和提取。
[0012]步骤2：颜色模型检测；
[0013]在使用背景减除法的基础上加入颜色识别模型用于排除部分干扰现象。
[0014]步骤3：对提取出的疑似烟雾图像进行分块；
[0015]步骤4：使用改进的光流算法提取烟雾的运动特征；
[0016]在LK光流计算方法的基础上引入了金字塔分层迭代算法一起用于计算运动目标的光流场。
[0017]步骤5：选取特征值并对特征点进行阈值判别，进行判断是否是烟雾；
[0018]本专利技术有益效果如下：
[0019]光流法识别的过程中，本专利技术使用背景减除法后又加入颜色识别模型用于排除部分干扰现象，如树林剧烈摆动、汽车运动以及树林光照变化等。在传统LK光流的基础上，基于光流法的约束条件，且需要计算图像中的所有的像素点的光流矢量，才能提取运动目标。将算法进行改进后，即在LK局部平滑的基础上进行金字塔迭代对子图像的特征分析，大大降低光流计算的运算量和运算时间。
附图说明
[0020]图1为图像金字塔空间示意图；
[0021]图2为本专利技术方法实施流程图。
具体实施方式
[0022]下面根据附图详细说明本专利技术，本专利技术的目的和效果将变得更加明显。
[0023]如图2所示，一种基于改进经典光流法模型的烟雾识别方法，具体包括以下步骤：
[0024]步骤(1)：提取视频图像中的疑似烟雾区域；
[0025]背景减除算法的原理就是通过对监控视频中的当前帧图像和选取的背景图像进行差分运算，进而提取出运动目标区域的一种常用的检测运动目标算法，在该算法中的一个必要条件就是选取的背景图像必须是已知的，根据当前帧图像中运动目标的像素值与背景同区域的像素值是不同的，两帧图像作差分运算的结果绝对值中由较大像素值所组成的区域被判定为是运动区域。该算法需要背景图像已知，因此如何构建背景图像是非常重要的，通常构建背景模型并对背景图像进行更新的方法有：
[0026]1.时间积累平均法。该方法是先观察一段时间的视频图像，其次对图像中的每个像素点作均值或中值运算，然后将计算得到的像素值作为每个像素点的灰度值。
[0027]2.自适应调整法。首先选取视频中几帧图像进行背景建模，其次通过一些自适应算法对背景图像不断地进行调整，令其逼近真实的背景图像。
[0028]背景减除法具有实时性、简单快速、有很强的适应性和稳定性等优点。针对于背景变化相对较小的特点，所以本专利技术采用混合高斯建模的背景减除法对烟雾运动区域进行检测和提取。
[0029]混合高斯建模的基本原理是：给图像中的所有像素点都定义K个不同的状态，且每个状态都需要用一个高斯函数来表示。通过K个高斯函数组成的混合高斯模型对背景图像中的每个像素点进行建模的，公式表示如式(1)：
[0030][0031]其中，K一般取到3～5，本专利技术令K＝3；X
i
表示为像素点t时刻的值；上式中ω
i
‑
t
指的是在t时刻时在所建模型中的第i个高斯函数的权值；υ
i
‑
t
，∑
i
‑
t
分别指的是在t时刻时模型中的第i个高斯函数的均值向量与协方差矩阵；δ指的是高斯函数的概率密度函数，数学公式如式(2)为：
[0032][0033]其中，n表示像素值X
i
的维数。若每个像素点的彩色三通道R/G/B之间相互独立，且方差相等，则协方差矩阵就可以由下式(3)表示：
[0034][0035]是方差，I是单位矩阵。
[0036]算法首先给K个高斯函数的标准差赋予一个较大σ
init
，且各个权重取值相同，表示为式(4)：
[0037][0038]当外界环境不断地变化时，则需要不断地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进经典光流法模型的烟雾识别方法，其特征在于，具体包括以下步骤：步骤1：提取视频图像中的疑似烟雾区域；采用混合高斯建模的背景减除法对烟雾运动区域进行检测和提取；步骤2：颜色模型检测；在使用背景减除法的基础上加入颜色识别模型用于排除部分干扰现象；步骤3：对提取出的疑似烟雾图像进行分块；步骤4：使用改进的光流算法提取烟雾的运动特征；在LK光流计算方法的基础上引入了金字塔分层迭代算法一起用于计算运动目标的光流场；步骤5：选取特征值并对特征点进行阈值判别，进行判断是否是烟雾。2.根据权利要求1所述的一种基于改进经典光流法模型的烟雾识别方法，其特征在于，步骤2具体方法如下：已知烟雾颜色值的范围，在RGB空间中烟雾的颜色模型如下式(9)：R
±
α＝G
±
α＝B
±
α(9)K1≤I≤K2(10)D1≤I≤D2(11)其中，式9是在RGB颜色空间的烟雾颜色模型，表示烟雾的R、G、B通道值近似，相互差别非常小，α表示一个很小的常量，一般5<α<20；I值是HIS空间中的亮度分量，K1一般在150左右，K2在220左右，满足(9)，(10)两个条件的为dark
‑
gray烟雾；(11)式中D1一般在80左右，D2在150左右，满足(9)式和(11)式为light
‑
gray烟雾；当疑似烟雾区域中有超过1/3的像素被认为是疑似烟雾像素时,此疑似烟雾区域通过色彩判断,进入后续检测过程,否则此疑似烟雾区域被作为非烟雾区域排除；在背景减除算法基础上加入颜色模型判断准则后进行检测运动目标的流程，就是通过先通过背景减除算法提取出运动区域，再对运动区域进行烟雾颜色特征判断，就可以排除在背景减除法中无法排除的如树林剧烈摆动、汽车运动以及树林光照变化等部分非烟雾运动目标，为后面检测方法减少了大量的干扰物，有利于后面运动特征的提取与分析，同时有利于视频火灾烟雾识别。3.根据权利要求2所述的一种基于改进经典光流法模型的烟雾识别方法，其特征在于，步骤3具体方法如下：首先对提取到的疑似烟雾区域进行分块处理，就是将疑似烟雾区域划分成一个3*3的互不重叠的子图像块，边缘像素不够的话补0；其次选择可疑烟雾区域的每个子烟雾块的中心像素点坐标作为这个子烟雾块的一个特征点；最后对这个子烟雾块的代表特征点进行光流失量分析。4.根据权利要求3所述的一种基于改进经典光流法模型的烟雾识别方法，其特征在于，步骤4具体方法如下：在LK光流计算方法的基础上提出金字塔分层迭代算法一起用于计算运动目标的光流场；首先需要计算出金字塔的最上层图像I
Lm
上的光流矢量，其次根据顶层图像计算出的光流矢量结果用于估计出金字塔的次层图像I
Lm
‑1的光流矢量的初始值，然后再计算出当层图像的上层图像上光流矢量的精确值，以此类推，直至计算出了最底层图像上的光流矢量。
5.根据权利要求4所述的一种基于改进经典光流法模型的烟雾识别方法，其特征在于，LK光流法的定义为：在要计算的像素点邻域内，运动矢量要保持恒定，有光流矢量d使得匹配残差ε最小，即数学表达式为式(12)：相似性函数可由图像特征点的(2w
x
+1)*(2w
y
+1)邻域求得，本发明中，选择w
x
＝w
y
＝3，其次对上式求取一阶偏导数，使其为0；接着使用Newton
‑
Raphson算法对光流矢量进行迭代计算的，选择迭代的次数为n＝5。6.根据权利要求5所述的一种基于改进经典光流法模型的烟雾识别方法，其特征在于，金字塔原理：对于待处理图像I，设长为n
x
和宽为n
y
，令I0＝I作为建立的金字塔的最底层图像，该图像是金字塔中的图像分辨率最高一层，金字塔从底部到顶部是越向上越窄，而图像层越高的话，对应的图像分辨率则会变的越低，通常情况都是以递归的方式来建立金字塔的，过程是从I0中计算I1，I1中计算I2，同理可推从图像I
L
‑1中计算I
L
；而金字塔中的第L层图像可以由下式(13)表示：其中，在第L层图...

【专利技术属性】
技术研发人员：颜成钢，陈旺，高宇涵，孙垚棋，朱尊杰，王鸿奎，陈楚翘，王廷宇，殷海兵，张继勇，李宗鹏，赵治栋，
申请(专利权)人：杭电丽水研究院有限公司，
类型：发明
国别省市：