基于多特征融合的視頻煙霧檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，更為具體地講，涉及一種基于多特征融合的視 頻煙霧檢測(cè)方法。
【背景技術(shù)】
[0002] 火災(zāi)是一種非常常見(jiàn)的災(zāi)害。隨著社會(huì)的不斷發(fā)展，社會(huì)財(cái)富的不斷增加，火災(zāi)的 發(fā)生不僅造成巨大的經(jīng)濟(jì)損失、破壞和諧的生態(tài)環(huán)境，而且嚴(yán)重威脅到人們的財(cái)產(chǎn)和生命 安全，對(duì)社會(huì)的穩(wěn)定繁榮發(fā)展造成影響。越早地準(zhǔn)確發(fā)現(xiàn)火災(zāi)就越可能將各方面的損失降 低到最小。煙霧作為火災(zāi)前期的一種重要產(chǎn)物，準(zhǔn)確的檢測(cè)出煙霧即可對(duì)火災(zāi)進(jìn)行預(yù)警。
[0003] 傳統(tǒng)的煙霧檢測(cè)器絕大多數(shù)還是采用感煙、感溫、感光、感可燃?xì)怏w以及集合其中 幾種的復(fù)合型檢測(cè)器。這些檢測(cè)器是依靠檢測(cè)燃燒過(guò)程中的副產(chǎn)物（煙霧粒子、物質(zhì)燃燒 放熱、可燃?xì)怏w等）來(lái)檢測(cè)煙霧的，因此只能在離火焰和煙霧源比較近的地方才能快速有 效的發(fā)揮探測(cè)作用，對(duì)于大的空間或者戶外場(chǎng)所，其檢測(cè)的可靠性較低。
[0004] 基于視頻圖像的煙霧檢測(cè)屬于計(jì)算機(jī)視覺(jué)中目標(biāo)檢測(cè)的范疇。其中對(duì)于煙霧特 征的提取是主要研宄的重點(diǎn)，目前已有多個(gè)研宄團(tuán)隊(duì)在煙霧的特征提取上進(jìn)行了研宄。 Toreyin等人和帥師等人引入了小波變換來(lái)分析煙霧的紋理特征，主要分析隨時(shí)間變化時(shí) 煙霧圖像中小波能量的變化趨勢(shì)，以此來(lái)區(qū)分煙霧和非煙霧區(qū)域。Gubbi等人采用了比較 熱門(mén)的支持向量機(jī)（SVM)分類(lèi)器，另外還利用多層小波分析了煙霧的紋理特征。Chen等人 主要分析了煙霧圖像的顏色信息，給出了煙霧顏色在RGB三通道中的統(tǒng)計(jì)分布規(guī)則，利用 此規(guī)則加上煙霧其他的動(dòng)態(tài)特征完成對(duì)煙霧的檢測(cè)。袁等人認(rèn)為煙霧的運(yùn)動(dòng)在燃燒的熱能 的驅(qū)動(dòng)下呈現(xiàn)向上的趨勢(shì)，所以利用了主運(yùn)動(dòng)方向特征來(lái)統(tǒng)計(jì)煙霧運(yùn)動(dòng)方向，同時(shí)為了加 快速度，引入了積分圖的方法來(lái)計(jì)算煙霧塊之間的距離。吳等人提出了利用卡爾曼濾波來(lái) 檢測(cè)運(yùn)動(dòng)目標(biāo)區(qū)域，并結(jié)合基于高斯混合模型的煙霧顏色建模，由前二者來(lái)提取疑似煙霧 區(qū)域，再對(duì)煙霧的動(dòng)態(tài)特征（小波能量變化趨勢(shì)和顏色融合特性）分析，實(shí)現(xiàn)煙霧的智能檢 測(cè)。
[0005] 總的來(lái)說(shuō)，目前對(duì)視頻煙霧檢測(cè)進(jìn)行研宄的人員越來(lái)越多，也取得了一些不錯(cuò)結(jié) 果。但是在對(duì)于綜合環(huán)境復(fù)雜的現(xiàn)實(shí)情況下，現(xiàn)有的算法還是有些不足，主要是誤檢較高。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于多特征融合的視頻煙霧檢 測(cè)方法，對(duì)疑似煙霧區(qū)域提取多個(gè)特征，對(duì)煙霧進(jìn)行綜合判定，提高煙霧的檢測(cè)率。
[0007] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明基于多特征融合的視頻煙霧檢測(cè)方法，包括以下步 驟：
[0008] Sl:選取若干個(gè)含有火災(zāi)煙霧與其他運(yùn)動(dòng)目標(biāo)的視頻序列，提取得到各個(gè)運(yùn)動(dòng)目 標(biāo)的特征向量作為訓(xùn)練樣本，訓(xùn)練樣本的獲取方法包括以下步驟：
[0009] SI. 1 :對(duì)每個(gè)訓(xùn)練視頻序列進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)；
[0010] si. 2:對(duì)步驟SI. 1得到的運(yùn)動(dòng)目標(biāo)區(qū)域，遍歷區(qū)域內(nèi)的每個(gè)像素，根據(jù)預(yù)設(shè)的顏 色特征判別公式判斷該像素是否為煙霧像素，將不是煙霧像素的像素點(diǎn)去除，得到疑似煙 霧區(qū)域；
[0011] SI. 3 :對(duì)疑似煙霧區(qū)域進(jìn)行動(dòng)態(tài)特征提取，包括形狀不規(guī)則特征、面積增長(zhǎng)特征和 在主運(yùn)動(dòng)方向上的背景模糊特征，每種特征的提取方法為：
[0012] (1)形狀不規(guī)則特征S的計(jì)算公式如下：
[0013] S=P/Q
[0014] 其中，P表示疑似煙霧區(qū)域邊緣輪廓長(zhǎng)度，Q表示疑似煙霧區(qū)域的面積；
[0015] (2)面積增長(zhǎng)特征AA的計(jì)算公式如下：
【主權(quán)項(xiàng)】
1. 一種基于多特征融合的視頻煙霧檢測(cè)方法，其特征在于，包括w下步驟： 51 ;選取若干個(gè)含有火災(zāi)煙霧與其他運(yùn)動(dòng)目標(biāo)的視頻序列，提取得到各個(gè)運(yùn)動(dòng)目標(biāo)的 特征向量作為訓(xùn)練樣本，訓(xùn)練樣本的獲取方法包括W下步驟： S1. 1 ;對(duì)每個(gè)訓(xùn)練視頻序列進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)； S1. 2 ;對(duì)步驟S1. 1得到的運(yùn)動(dòng)目標(biāo)區(qū)域，遍歷區(qū)域內(nèi)的每個(gè)像素，根據(jù)預(yù)設(shè)的顏色特 征判別方法判斷該像素是否為煙霧像素，將不是煙霧像素的像素點(diǎn)去除，得到疑似煙霧區(qū) 域； S1. 3 ;對(duì)疑似煙霧區(qū)域進(jìn)行動(dòng)態(tài)特征提取，包括形狀不規(guī)則特征、面積增長(zhǎng)特征和在主 運(yùn)動(dòng)方向上的背景模糊特征，每種特征的提取方法為： (1) 形狀不規(guī)則特征S的計(jì)算公式如下： S=P/Q 其中，P表示疑似煙霧區(qū)域邊緣輪廓長(zhǎng)度，Q表示疑似煙霧區(qū)域的面積； (2) 面積增長(zhǎng)特征AA的計(jì)算公式如下：
其中，At表示當(dāng)前第t帖視頻圖像中疑似煙霧區(qū)域的面積，A,_,表示在第t-k帖視頻圖 像中對(duì)應(yīng)的疑似煙霧區(qū)域的面積，k的取值范圍為k> 1 ; (3) 在主運(yùn)動(dòng)方向上的背景模糊特征： 對(duì)疑似煙霧區(qū)域的運(yùn)動(dòng)目標(biāo)進(jìn)行主運(yùn)動(dòng)方向分析，得到疑似煙霧區(qū)域的主運(yùn)動(dòng)方向， 并得到疑似煙霧區(qū)域在主運(yùn)動(dòng)方向上的外接矩形；然后對(duì)當(dāng)前第t帖圖像F(t)和對(duì)應(yīng)的背 景圖像B(t)分別進(jìn)行高通濾波，得到高通濾波后的當(dāng)前帖圖像和背景圖像，計(jì)算外接矩形 區(qū)域內(nèi)每個(gè)像素點(diǎn)的相對(duì)衰減系數(shù)C(m，n，t)，計(jì)算公式為：
其中，Bh(m，n，t)表示濾波后背景圖像Bh(t)中像素點(diǎn)（m，n)的灰度值，F(xiàn)h(m，n，t)表示 濾波后當(dāng)前帖圖像Fh(t)中像素點(diǎn)（m，n)的灰度值； 將外接矩形沿主運(yùn)動(dòng)方向平均分為K段，K的取值范圍為K> 2,分別計(jì)算各段區(qū)域內(nèi) 的平均衰減系數(shù)，將K個(gè)平均衰減系數(shù)作為K個(gè)背景模糊特征； S1. 4 ;將步驟S1. 3中得到的形狀不規(guī)則特征、面積增長(zhǎng)特征和K個(gè)背景模糊特征，組合 成為特征向量； S1. 5 ;判斷疑似煙霧區(qū)域是否確實(shí)為火災(zāi)煙霧區(qū)域，如果是，則將該疑似煙霧區(qū)域的特 征向量作為正樣本，否則該疑似煙霧區(qū)域的特征向量作為負(fù)樣本； 52 ;將步驟S1得到的各個(gè)訓(xùn)練樣本的特征向量輸入至預(yù)設(shè)的分類(lèi)器，W對(duì)應(yīng)的樣本類(lèi) 型作為輸出，對(duì)分類(lèi)器進(jìn)行訓(xùn)練； 53 ;對(duì)待檢測(cè)視頻，首先進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，然后根據(jù)顏色特征判斷運(yùn)動(dòng)目標(biāo)是否為疑 似煙霧區(qū)域，如果不是，不作任何處理，如果是，對(duì)疑似煙霧區(qū)域提取得到形狀不規(guī)則特征、 面積增長(zhǎng)特征和K個(gè)背景模糊特征，組合成特征向量，最后將特征向量輸入至步驟S2訓(xùn)練 得到的分類(lèi)器，得到是否為煙霧的判定結(jié)果。
2. 根據(jù)權(quán)利要求1所述的視頻煙霧檢測(cè)方法，其特征在于，所述的顏色特征判別的方 法為： 對(duì)每個(gè)像素采用W下煙霧顏色特征判別公式進(jìn)行判別： P-P<Tmax min ?'?1 了2<I< 了3 其中，P>"y、Pmi。分別表示某個(gè)像素R、G、B值中的最大值和最小值，T1則為預(yù)設(shè)最大值與 最小值的差值闊值，T,、T3分別表示預(yù)設(shè)的煙霧像素色彩亮度I的最小闊值和最大闊值； 當(dāng)W上兩個(gè)判據(jù)公式均滿足時(shí)，像素為煙霧像素，否則為非煙霧像素。
3. 根據(jù)權(quán)利要求1所述的視頻煙霧檢測(cè)方法，其特征在于，所述疑似煙霧區(qū)域在提取 動(dòng)態(tài)特征之前，先采用形態(tài)學(xué)去噪方法進(jìn)行預(yù)處理。
4. 根據(jù)權(quán)利要求1所述的視頻檢測(cè)方法，其特征在于，所述主運(yùn)動(dòng)方向分析的具體方 法為： 采用光流法得到當(dāng)前帖視頻圖像中每個(gè)像素點(diǎn)的運(yùn)動(dòng)矢量，將360度平面分為丫個(gè)區(qū) 間，遍歷疑似煙霧區(qū)域內(nèi)的像素點(diǎn)，判斷像素點(diǎn)的運(yùn)動(dòng)矢量的方向位于哪個(gè)區(qū)間，將其速度 大小累加至該區(qū)間的速度大??；將各區(qū)間的速度大小進(jìn)行歸一化，然后將歸一化后速度大 小最大的區(qū)間作為運(yùn)動(dòng)目標(biāo)的主運(yùn)動(dòng)方向區(qū)間，W該方向區(qū)間的中間值作為主運(yùn)動(dòng)方向。
5. 根據(jù)權(quán)利要求1所述的視頻煙霧檢測(cè)方法，其特征在于，所述分類(lèi)器采用BP神經(jīng)網(wǎng) 絡(luò)。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于多特征融合的視頻煙霧檢測(cè)方法，首先對(duì)訓(xùn)練視頻序列提取運(yùn)動(dòng)目標(biāo)，根據(jù)顏色特征判斷是否為疑似煙霧區(qū)域，對(duì)疑似煙霧區(qū)域提取形狀不規(guī)則特征、面積增長(zhǎng)特征和K個(gè)背景模糊特征，組合成特征向量，然后對(duì)特征向量進(jìn)行正負(fù)樣本劃分，得到訓(xùn)練樣本；將訓(xùn)練樣本的特征向量作為輸出、樣本類(lèi)型作為輸出，對(duì)分類(lèi)器進(jìn)行訓(xùn)練；對(duì)于待檢測(cè)圖像，采用相同方法提取得到特征向量，輸入分類(lèi)器進(jìn)行判定是否為煙霧。本發(fā)明對(duì)疑似煙霧區(qū)域提取多個(gè)特征，對(duì)煙霧進(jìn)行綜合判定，提高煙霧的檢測(cè)率。
【IPC分類(lèi)】G06K9-00, G06K9-62
【公開(kāi)號(hào)】CN104794486
【申請(qǐng)?zhí)枴緾N201510170159
【發(fā)明人】周雪, 鄒見(jiàn)效, 徐紅兵, 鄧林
【申請(qǐng)人】電子科技大學(xué)
【公開(kāi)日】2015年7月22日
【申請(qǐng)日】2015年4月10日