[發明專利]一種基于視頻的多種特征融合的煙霧識別方法

有效

• 申請號: 201410245514.3
• 申請日: 2014-06-04
• 公開（公告）號: CN103996045B
• 公開（公告）日: 2017-06-06
• 發明（設計）人: 楊若瑜;孫建坤
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06K9/66
• 代理公司: 江蘇圣典律師事務所32237
• 代理人: 胡建華

技術領域

本發明屬于計算機圖像處理技術領域，具體涉及一種基于視頻的多種特征融合的煙霧識別方法，可應用于火災預報警監測軟件系統中。

背景技術

火災嚴重威脅著人類的財產安全和生命安全，對火災進行預測報警能夠使人們防患于未然，從而使火災對人民群眾的危害降低到最小。傳統的煙霧報警器通常使用感溫、感光等手段，一般需要安裝在著火點附近；此外，感溫傳感器監測到溫度上升并進行報警時，通常火災已經發生，火勢已經蔓延，為人們預留的時間比較短。視頻煙霧檢測不僅無安裝位置的要求，而且它是通過對煙霧的監測進行預警，煙霧通常發生在火災的初期，因此能夠為人們躲避或撲滅大火爭取更多的時間。

與一般的模式識別任務相類似，煙霧檢測的核心技術之一是從圖像數據中抽取出具有良好的區分能力和抗噪聲、干擾能力的特征描述或表述。特征提取算法以及在此基礎上的識別算法的有效性對整體的識別的準確率和可靠性具有至關重要的作用。識別煙霧所使用的特征一般分為靜態特征和動態特征，靜態特征有顏色特征、紋理特征、周長與面積比、梯度值等，靜態特征的主要特點是僅從一幀視頻中即可計算出所需特征。動態特征有塊累積朝向、邊緣輪廓的頻率等，動態特征的主要特點是需要從連續的多幀中抽取其統計特征。一般來講，靜態特征計算量較小，效率較高，但抗干擾能力相對較弱，準確性相對較低；而動態特征計算量較大，效率較低，但抗干擾能力相對較強，準確性也相對較高。

煙霧雖然具有豐富的特征，但是要將其從復雜的環境中準確識別出來，與剛性物體相比，還是具有不少的困難。現有檢測技術所存在的不足主要有兩個方面：

(1)準確性不夠

目前的煙霧檢測，無論是利用單一特性還是綜合利用多種特性，都會有漏報和誤報，尤其是在復雜的環境里。采用單一特性的煙霧檢測，誤報率往往較高，特別是無法對淡而少的煙和濃而厚的煙同樣處理。準確性不夠的根本原因，是這些特征不夠本質，與煙霧沒有一一對應關系。

(2)適應性不強

雖然有些算法在一定條件下具有較好的效果，但在復雜環境下其檢測性能有所降低。

發明內容

本發明旨在針對現有煙霧識別技術在準確率不高和適用性不強的不足，提出一種新穎的、融合靜態特征和動態特征的煙霧識別方法。

為了解決上述技術問題，本發明公開了一種多特征融合的煙霧視頻檢測算法，包括如下步驟：

(1)設定背景幀和閾值幀，背景幀初始時取為第一幀視頻，閾值幀中所有像素點的初始值均設為10；10是指像素的灰度值大小，8位單通道的灰度值是0到255，是相對值。

(2)讀取視頻幀，更新背景和閾值，閾值更新公式如下：

其中，T_n(x,y)表示第n幀閾值圖像(x,y)點的灰度值，Bn(x,y)表示第n幀背景圖像(x,y)點的灰度值；α是一個常數，表示閾值更新速度，取值范圍為(0,1]，在實驗時使用0.5，I_n(x,y)表示第n幀視頻幀(x,y)點的值。

背景更新公式如下：

該公式中的字母與閾值更新公式中含義一致。

(3)對第n幀圖像I_n(x,y)與第n幀背景B_n(x,y)做差，差值圖像為differI_n(x,y)；

(4)可以選取黃色、灰色、淡藍色、紅色及棕色等多種顏色類型的煙霧圖片，圖片中僅包含煙霧，抽取圖片中大小為k*k，本發明k取值為5，塊的所有像素點的三通道的最小值，以這些抽取的數據作為訓練集，使用支持向量機SVM算法進行訓練，建立訓練模型M；

(5)將視頻的第n幀劃分成塊，塊大小為5*5像素，取塊中所有像素點的三通道的最小值，使用步驟4中的模型M識別，將所有非煙霧區域設值為0，煙霧區域設值為255，得圖像minI_n；

(6)使用OpenCV中函數cvGoodFeaturesToTrack尋找第n幀視頻中角點；