[發明專利]一種基于運動和亮度顯著性特征的視頻森林煙火檢測方法

有效

• 申請號: 201910302743.7
• 申請日: 2019-04-16
• 公開（公告）號: CN110084160B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 路小波;伍學惠;曹毅超;秦魯星
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 徐紅梅

1.一種基于運動和亮度顯著性特征的視頻森林煙火檢測方法，其特征在于，該方法包括以下步驟：

(1)讀入原視頻，視頻由T幀圖像序列組成，每幀圖像的大小為M×N×3；

(2)將原視頻圖像轉換成灰度圖，按X-Y-T方向將連續幀圖像重新整合為M×N行T列矩陣，采用ROSL魯棒正交子空間學習算法以及全局顯著性算法得到全局顯著性運動區域；具體的：

(21)將原視頻圖像轉換成灰度圖，按X-Y-T方向將連續幀圖像重新整合為M×N行T列矩陣；

(22)采用ROSL算法得到備選運動區域：

s.t.X＝B+E,B＝Dα,D^TD＝I_k；

其中，X為M×N行T列矩陣，E為前景，B為提取的背景，k取1表示視頻只有一個背景圖像，在矩陣中表示背景序列的矩陣秩為1；D為標準正交矩陣，α為系數矩陣；

(23)針對上述步驟中得到的備選運動區域，為得到全局顯著性運動區域，除保留較大像素外，較小像素采用基于高斯分布的全局顯著性算法進行過濾：

s.t.Th_global＝μ_global+2σ_global；

其中，E(i,j,t)為備選運動區域(i,j,t)處像素值，較小像素區域圖像像素值滿足Th_global為較小像素區域閾值，μ_global為較小像素區域像素均值，σ_global為較小像素區域像素方差；

(3)結合步驟(2)得到的X-Y-T方向上的全局顯著性運動區域，采用運動顯著性算法得到運動顯著性運動區域；具體的：

(31)將原視頻圖像轉換成灰度圖，按X-T-Y方向和Y-T-X方向分別將連續幀圖像重新整合為M×T行N列矩陣以及N×T行M列矩陣，采用ROSL算法分別得到兩個方向上的運動前景S_X-T和S_Y-T；則初始運動顯著性運動區域定義為：

(32)在煙火區域中存在距離較近像素值相似的點，這些點在連續幀中會失去運動顯著性，為了將這些點保留在顯著性運動區域中，減小對運動目標提取與檢測的影響，結合這些點的空間信息，并利用高斯函數召回這些點，算法公式如下：

其中，τ表示以像素點p(i,j,t)為中心所選相鄰區域的半徑，p(x,y,t)為所選相鄰區域像素值組矩陣；||·||₂為l₂范數，為高斯函數；

(33)采用遵循人類視覺條件的運動顯著 性算法進一步過濾運動顯著性運動區域，其具體計算為：

其中，Th_m為閾值，Th_m＝μ_m+σ_m為運動顯著性運動區域均值與方差之和，T_size＝(M×N)/1500表示運動顯著性反映在空間尺寸上應至少滿足這一條件；

(4)根據人類視覺對亮度的敏感程度條件，提取亮度顯著性運動區域；具體的：

將原彩色圖像RGB顏色空間轉化為Lab顏色空間，顏色模型Lab基于人對顏色的感覺，Lab色彩模型是由亮度L和有關色彩的a，b三個要素組成，其中L為亮度，a表示從洋紅色至綠色的范圍，b表示從黃色至藍色的范圍；

將亮度值在L_L＝80～L_H＝220范圍內的像素進行增強，增加與其他亮度的對比度，將該范圍亮度值重置到L_L^*＝0～L_H^*＝255，算法計算如下：

其中，l(i,j)為增強后的位置(i,j)處的亮度值，g(i,j)為原亮度值；指數γ決定了增強后的亮度分布，隨著γ的增加，較暗區域與灰白亮度的煙霧對比度越強；亮度顯著性條件應滿足人類視覺敏感度以及空間尺度條件：

其中，l(i,j,t)為亮度顯著性運動區域(i,j,t)處亮度值，Th_l為閾值，Th_l＝μ_l+σ_l表示亮度顯著性區域亮度顯著性均值與方差之和，T_size＝(M×N)/1500表示亮度顯著性反映在空間尺寸上應至少滿足這一條件；

(5)基于全局顯著性，運動顯著性以及亮度顯著性，計算得到最終顯著性區域顯著值；具體的：

基于步驟(2)至(4)，分別得到各全局顯著性運動區域中所包含的運動顯著性運動區域顯著值S_m以及亮度顯著性運動區域顯著值S_l，則該最終顯著性運動區域的顯著值由運動顯著值及亮度顯著值的和S＝S_m+S_l決定；同樣需滿足高斯分布條件與空間尺度條件：

其中，S(i,j,t)為顯著性運動區域(i,j,t)最終顯著性值，Th為閾值，Th＝μ+σ表示顯著性運動區域顯著性均值與方差之和，T_size＝(M×N)/1500表示最終顯著性反映在空間尺寸上應至少滿足這一條件；

(6)基于得到的最終顯著性區域顯著值，采用組稀疏背景檢測算法，得到視頻顯著性前景區域；

(7)提取得到的視頻顯著性前景區域的LBP局部二值模式特征，采用SVM分類器進行分類識別。