[發(fā)明專利]一種基于動態(tài)特征的視頻煙霧識別方法

在審

• 申請?zhí)枺?/td>: 201610532520.6
• 申請日: 2016-07-08
• 公開（公告）號: CN107590418A
• 公開（公告）日: 2018-01-16
• 發(fā)明（設(shè)計(jì)）人: 尹航;曹國強(qiáng)
• 申請（專利權(quán)）人: 尹航;曹國強(qiáng)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京華仲龍騰專利代理事務(wù)所(普通合伙)11548
• 代理人: 李靜

1.一種基于動態(tài)特征的視頻煙霧識別方法，其特征在于，包括以下步驟：

(1)通過回調(diào)函數(shù)提取輸入視頻的連續(xù)關(guān)鍵幀；

(2)對步驟1中得到的關(guān)鍵幀進(jìn)行中值濾波器過濾，過濾噪點(diǎn)；進(jìn)行輪廓修補(bǔ)，提高目標(biāo)清晰度，得到工作關(guān)鍵幀；

(3)對步驟2中得到的工作關(guān)鍵幀進(jìn)行連續(xù)β次前景差，得到復(fù)雜場景中全部動目標(biāo)D_i,j標(biāo)識；

動態(tài)分配三維數(shù)組samples[][][]存儲前景像素點(diǎn)被連續(xù)檢測到的次數(shù)；如果某個像素點(diǎn)連續(xù)β次被檢測為前景，則認(rèn)為一塊靜止區(qū)域被誤判為運(yùn)動，將其更新為背景點(diǎn)，否則為動點(diǎn)：

式中：D_i,j為當(dāng)前某個像素點(diǎn)的動點(diǎn)標(biāo)志，β為動點(diǎn)標(biāo)識的閾值，i，j分別為橫向縱向像素點(diǎn)數(shù)量。

(4)對步驟3中得到的動目標(biāo)D_i,j標(biāo)識進(jìn)行相鄰判別，相鄰的D_i,j構(gòu)成動目標(biāo)區(qū)域的二值矩陣V_i,j；

(5)對步驟4中得到的V_i,j，依據(jù)V_i,j出現(xiàn)的順序?qū)幽繕?biāo)進(jìn)行編號，產(chǎn)生動目標(biāo)集合P，其公式為；

P_k＝(v_i,j)_{第k個出現(xiàn)} (3)

式中：P_k標(biāo)識第k個出現(xiàn)的動目標(biāo)，k的最大值由閾值N控制，N為現(xiàn)有條件下可同時(shí)跟蹤的動目標(biāo)的最大數(shù)，

(6)對步驟5中得到的動目標(biāo)P進(jìn)行相鄰幀之間動目標(biāo)區(qū)域覆蓋，實(shí)現(xiàn)第k個動目標(biāo)P_k的跟蹤標(biāo)識；

(7)對步驟5中得到的動目標(biāo)P_k進(jìn)行連續(xù)M幀動目標(biāo)區(qū)域檢測，計(jì)算P_k的動態(tài)特征，包括：平均目標(biāo)面積變化(Δr)、平均區(qū)域中心位置(Δx、Δy)、平均區(qū)域?qū)挾茸兓?Δwid)、平均區(qū)域高度變化(Δheg)、移動指數(shù)(Δmove)、擴(kuò)張指數(shù)(Δexp)；

(8)對步驟7中得到的動目標(biāo)P_k的動態(tài)特征，用VR特征分類器提取特征變化，采用閾值界定對動目標(biāo)進(jìn)行分類，得到的漸變目標(biāo)J為疑似煙霧目標(biāo)。

(9)對步驟8中得到的疑似煙霧目標(biāo)J，采用用聚類算法優(yōu)化的K-means協(xié)同過濾算法與典型煙霧圖像進(jìn)行相似度比對，相似度S大于閾值則認(rèn)為識別煙霧完成。

2.如權(quán)利要求1所述的基于動態(tài)特征的視頻煙霧識別方法，其特征在于，步驟(3)中，用于界定運(yùn)動前景和背景的連續(xù)幀次數(shù)的閾值β被選取為50。