一種基于視頻的多種特征融合的煙霧識(shí)別方法
【專利摘要】本發(fā)明提供了一種基于視頻的多種特征方法融合的煙霧檢測(cè)方法。該方法通過(guò)對(duì)背景建模去除背景、根據(jù)煙霧區(qū)域與非煙霧區(qū)域的各通道最小值的不同篩選煙霧候選區(qū)、并根據(jù)角點(diǎn)輪廓和小波變換統(tǒng)計(jì)特征去除非煙霧物體。該方法將多種特征有機(jī)結(jié)合起來(lái)，構(gòu)造出一種復(fù)合的、具有較好適應(yīng)性和準(zhǔn)確性的煙霧識(shí)別算法。本發(fā)明的有益之處是：有效地融合了多種區(qū)分煙霧與非煙霧的特征，具有較好的適用性，能夠檢測(cè)多種顏色、多種形態(tài)的煙霧；準(zhǔn)確率較高，能夠有效去除與煙霧顏色相同或相近物體的干擾，并及時(shí)準(zhǔn)確地識(shí)別煙霧，故可用于多種火災(zāi)預(yù)報(bào)警系統(tǒng)中，從而火災(zāi)發(fā)生的初期為人們提供預(yù)警。
【專利說(shuō)明】一種基于視頻的多種特征融合的煙霧識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于視頻的多種特征融合的煙霧識(shí)別方法，可應(yīng)用于火災(zāi)預(yù)報(bào)警監(jiān)測(cè)軟件系統(tǒng)中。
【背景技術(shù)】
[0002]火災(zāi)嚴(yán)重威脅著人類(lèi)的財(cái)產(chǎn)安全和生命安全，對(duì)火災(zāi)進(jìn)行預(yù)測(cè)報(bào)警能夠使人們防患于未然，從而使火災(zāi)對(duì)人民群眾的危害降低到最小。傳統(tǒng)的煙霧報(bào)警器通常使用感溫、感光等手段，一般需要安裝在著火點(diǎn)附近；此外，感溫傳感器監(jiān)測(cè)到溫度上升并進(jìn)行報(bào)警時(shí)，通常火災(zāi)已經(jīng)發(fā)生，火勢(shì)已經(jīng)蔓延，為人們預(yù)留的時(shí)間比較短。視頻煙霧檢測(cè)不僅無(wú)安裝位置的要求，而且它是通過(guò)對(duì)煙霧的監(jiān)測(cè)進(jìn)行預(yù)警，煙霧通常發(fā)生在火災(zāi)的初期，因此能夠?yàn)槿藗兌惚芑驌錅绱蠡馉?zhēng)取更多的時(shí)間。
[0003]與一般的模式識(shí)別任務(wù)相類(lèi)似，煙霧檢測(cè)的核心技術(shù)之一是從圖像數(shù)據(jù)中抽取出具有良好的區(qū)分能力和抗噪聲、干擾能力的特征描述或表述。特征提取算法以及在此基礎(chǔ)上的識(shí)別算法的有效性對(duì)整體的識(shí)別的準(zhǔn)確率和可靠性具有至關(guān)重要的作用。識(shí)別煙霧所使用的特征一般分為靜態(tài)特征和動(dòng)態(tài)特征，靜態(tài)特征有顏色特征、紋理特征、周長(zhǎng)與面積t匕、梯度值等，靜態(tài)特征的主要特點(diǎn)是僅從一幀視頻中即可計(jì)算出所需特征。動(dòng)態(tài)特征有塊累積朝向、邊緣輪廓的頻率等，動(dòng)態(tài)特征的主要特點(diǎn)是需要從連續(xù)的多幀中抽取其統(tǒng)計(jì)特征。一般來(lái)講，靜態(tài)特征計(jì)算量較小，效率較高，但抗干擾能力相對(duì)較弱，準(zhǔn)確性相對(duì)較低；而動(dòng)態(tài)特征計(jì)算量較大，效率較低，但抗干擾能力相對(duì)較強(qiáng)，準(zhǔn)確性也相對(duì)較高。
[0004]煙霧雖然具有豐富的特征，但是要將其從復(fù)雜的環(huán)境中準(zhǔn)確識(shí)別出來(lái)，與剛性物體相比，還是具有不少的困難。現(xiàn)有檢測(cè)技術(shù)所存在的不足主要有兩個(gè)方面:
[0005](I)準(zhǔn)確性不夠
[0006]目前的煙霧檢測(cè)，無(wú)論是利用單一特性還是綜合利用多種特性，都會(huì)有漏報(bào)和誤報(bào)，尤其是在復(fù)雜的環(huán)境里。采用單一特性的煙霧檢測(cè)，誤報(bào)率往往較高，特別是無(wú)法對(duì)淡而少的煙和濃而厚的煙同樣處理。準(zhǔn)確性不夠的根本原因，是這些特征不夠本質(zhì)，
[0007]與煙霧沒(méi)有一一對(duì)應(yīng)關(guān)系。
[0008](2)適應(yīng)性不強(qiáng)
[0009]雖然有些算法在一定條件下具有較好的效果，但在復(fù)雜環(huán)境下其檢測(cè)性能有所降低。

【發(fā)明內(nèi)容】

[0010]本發(fā)明旨在針對(duì)現(xiàn)有煙霧識(shí)別技術(shù)在準(zhǔn)確率不高和適用性不強(qiáng)的不足，提出一種新穎的、融合靜態(tài)特征和動(dòng)態(tài)特征的煙霧識(shí)別方法。
[0011]為了解決上述技術(shù)問(wèn)題，本發(fā)明公開(kāi)了一種多特征融合的煙霧視頻檢測(cè)算法，包括如下步驟:
[0012](I)設(shè)定背景幀和閾值幀，背景幀初始時(shí)取為第一幀視頻，閾值幀中所有像素點(diǎn)的初始值均設(shè)為10 ；10是指像素的灰度值大小，8位單通道的灰度值是O到255，是相對(duì)值。
[0013](2)讀取視頻幀，更新背景和閾值，閾值更新公式如下:
[0014]
【權(quán)利要求】
1.一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，包括以下步驟: (1)設(shè)定背景幀和閾值幀; (2)讀取視頻幀，更新背景和閾值； (3)對(duì)視頻的第η幀In(X，y)與第η幀背景Bn(x,y)做差,差值圖像為differln(x, y)； (4)判斷是否有訓(xùn)練模型M，如果有直接進(jìn)行步驟(5)，否則建立訓(xùn)練模型M后進(jìn)行步驟(5)； (5)將視頻的第η幀轉(zhuǎn)化為k*k大小的塊，取塊中所有像素點(diǎn)的三通道的最小值，使用步驟4中的訓(xùn)練模型M識(shí)別，將所有非煙霧區(qū)域設(shè)值為O，煙霧區(qū)域設(shè)值為1，得圖像minln ； (6)尋找視頻第η幀中的角點(diǎn)； (7)對(duì)步驟6中找到的角點(diǎn)進(jìn)行聚類(lèi)，繪制包圍每類(lèi)角點(diǎn)的輪廓，將輪廓內(nèi)的所有點(diǎn)設(shè)值為O，得到圖像CornerIn ； (8)采用基波函數(shù)，對(duì)步驟2中的第η幀背景Bn(X，y)和視頻中第η幀圖像In(x，y)分別作二維離散小波變換，分解后的圖像包含四個(gè)區(qū)域，LL區(qū)域表現(xiàn)圖像的低頻部分；HL、LH和HH區(qū)域分別包含水平方向、垂直方向和對(duì)角方向的邊緣信息，求小波變換后圖像幀與背景中貞的差值； (9)對(duì)步驟8中的HL、LH和HH區(qū)域分塊求塊內(nèi)系數(shù)和，如果系數(shù)和大于閾值Tl，則判定為非煙霧，否則判定為煙霧，然后根據(jù)HL、LH和HH區(qū)域中像素點(diǎn)的位置設(shè)置原視頻幀，得到圖像 waveletln。
2.根據(jù)權(quán)利要求1所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟(1)中，背景幀初始時(shí)取視頻第一幀，閾值幀中所有像素點(diǎn)的初始值均設(shè)為10。
3.根據(jù)權(quán)利要求2所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟⑵中，閾值更新公式如下:
τ ( 一 faTn(x,y) + S 木(1- a)|In(x,y) — Bn(x,y)|(x,y)靜止%+iwyi= I^.、，、卜、-...,，
IT?(x,y), (x,y),W3S 功 其中，Tn+1 (x, y)表示第η+1幀閾值圖像中(X，y)點(diǎn)的灰度值，Tn(x, y)表示第η幀閾值圖像中(x，y)點(diǎn)的灰度值，Bn(x，y)表示第η幀背景圖像中(x，y)點(diǎn)的對(duì)應(yīng)灰度值，a為常數(shù)，表示閾值更新速度，In(X，y)表示第η幀視頻幀中(X，y)點(diǎn)對(duì)應(yīng)的值； 背景更新公式如下:
η f 、— JaBn(x,y) + (I — a)in(X,y)f (x,y)點(diǎn)靜it
Bn+lix?yj — I ? ,^?
I Bn(x,y),動(dòng) Bn+1 (x, y)表示第n+1幀背景圖像中(x, y)點(diǎn)的對(duì)應(yīng)灰度值。
4.根據(jù)權(quán)利要求3所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟(4)中使用支持向量機(jī)SVM算法進(jìn)行訓(xùn)練。
5.根據(jù)權(quán)利要求4所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟(6)中使用OpenCV中函數(shù)cvGoodFeaturesToTrack尋找視頻第η幀中的角點(diǎn)。
6.根據(jù)權(quán)利要求5所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟(7)中使用基于距離和密度的聚類(lèi)算法DBSCAN聚類(lèi)； 使用convexHull繪制包圍每類(lèi)角點(diǎn)的輪廓。
7.根據(jù)權(quán)利要求6所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟(8)中選用db4小波函數(shù)作為基波函數(shù)。
8.根據(jù)權(quán)利要求7所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，步驟(9)之后包括以下步驟: (10)對(duì)步驟3中得到的差值圖像differln(x,y),步驟5中得到的圖像minln,步驟7中得到的圖像CornerIn,以及步驟9中得到的圖像WaveletIn做與運(yùn)算，得到圖像tmpResultIn； (11)對(duì)步驟10中的圖像tmpResultI_n做中值平滑運(yùn)算,得到圖像resultl_n； (12)計(jì)算步驟11圖像reSultI_n中所有非O點(diǎn)的面積，若面積大于等于閾值T2，則將報(bào)警標(biāo)志數(shù)num加1，如果num的值大于等于3，則報(bào)警；若面積小于閾值T2，則將報(bào)警標(biāo)志數(shù)num置O ; (13)如果視頻未結(jié)束，則跳至步驟I;否則，結(jié)束。
9.根據(jù)權(quán)利要求8所述的一種基于視頻的多種特征融合的煙霧識(shí)別方法，其特征在于，選取黃色、灰色、淡藍(lán)色、紅色及棕色的煙霧圖片，圖片中僅包含煙霧，抽取圖片中大小為k*k塊的所有像素點(diǎn)的三通 道的最小值，以抽取的數(shù)據(jù)作為訓(xùn)練集，建立訓(xùn)練模型M。
【文檔編號(hào)】G06K9/62GK103996045SQ201410245514
【公開(kāi)日】2014年8月20日 申請(qǐng)日期:2014年6月4日 優(yōu)先權(quán)日:2014年6月4日
【發(fā)明者】楊若瑜, 孫建坤 申請(qǐng)人:南京大學(xué)