[發明專利]一種煙霧檢測方法和裝置

有效

• 申請號: 201410126512.2
• 申請日: 2014-03-31
• 公開（公告）號: CN103870818B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 田永鴻;陳佳秋;王耀威;黃鐵軍
• 申請（專利權）人: 中安消技術有限公司;北京大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/246;G06T7/254
• 代理公司: 廣東廣和律師事務所44298
• 代理人: 章小燕

技術領域

本發明涉及數字圖像與視頻處理領域，尤其涉及火災監控的一種基于ULBP以及Adaboost的煙霧檢測方法和裝置。

背景技術

紋理特征是煙霧檢測中使用的重要特征，局部二值模式（Local?Binary?Pattern，簡稱LBP）作為代表性的紋理特征之一，更是受到了廣泛的關注，基于LBP的各種煙霧檢測算法更是近年來研究的熱點問題。自從Ojala首次把LBP定義為均勻模式的LBP（uniform?Local?Binary?Pattern，簡稱ULBP），旋轉不變的LBP（rotation-invariant?Local?Binary?Pattern，簡稱RLBP）以及均勻的旋轉不變的LBP（rotation-invariant-uniform?Local?Binary?Pattern，簡稱RULBP）這三種模式，就有越來越多的研究者開始研究LBP相關的算法。為了提高LBP特征的區分性，很多LBP的改進算法被紛紛提出。比如：為了避免LBP使用過程中造成的全局信息丟失，計算出每個像素點的LBP值的一系列衍生的LBP。再如：通過拉東變換得到紋理圖像的主方向，然后在主方向上計算小波變換產生的能量特征。還有一種拉長的局部二值模式（Elongated?Local?Binary?Pattern，簡稱ELBP），該方法中利用橢圓形區域代替原來的原形區域來作為LBP提取的基本子塊。

基于LBP與Adaboost的方法雖然證明在煙霧的檢測上能取得較好的效果，但因為在一些場景中的類煙霧目標都擁有著和煙霧相近的特性，所以單純考慮目標區域的特征很難將煙霧與驗視頻進行準確的區分，即不能有效的區分煙霧與類煙霧目標。

發明內容

有鑒于此，本發明要解決的技術問題是提供一種煙霧檢測方法和裝置，以針對以往的煙霧檢測方法難以區分煙霧和類煙霧目標的技術問題。

本發明解決上述技術問題所采用的技術方案如下：

根據本發明的一個方面，提供的一種煙霧檢測方法包括：

對輸入的視頻圖像進行目標區域檢測，得到目標區域；

計算目標區域內部相似性；

計算目標區域與周圍區域差異性；

根據內部相似性和與周圍區域差異性判決目標區域是否為煙霧。

優選地，計算目標區域內部相似性進一步包括：

在目標區域內隨機選取子塊；

提取每個子塊的ULBP特征；

利用Adaboost分類器對ULBP特征進行分類，得到內部相似性。

優選地，利用Adaboost分類器對ULBP特征進行分類按以下公式計算：

sim=Σk=1KWk×H(xk)Σk=1KWk]]>

其中，sim表示內部相似性，K表示子塊數量，x_k表示第k個子塊U-LBP特征，W_k每個隨機塊的權重，H(x_k)為Adaboost分類器對輸入特征x_k得到的分類結果。

優選地，計算目標區域與周圍區域的周圍差異性進一步包括：

將目標區域周圍劃分成若干個子區域；

提取周圍區域子區域內的ULBP特征及顏色特征；

計算周圍區域子區域與目標區域子塊的相似性。

優選地，計算周圍區域子區域與目標區域子塊的相似性包括按以下公式計算：