[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

本發明公開了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，包括讀入原視頻；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，采用ROSL算法以及全局顯著性算法得到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；提取亮度顯著性運動區域；計算顯著性均值得到最終顯著性區域顯著特征值；基于得到的最終顯著性區域顯著特征值，采用組稀疏背景檢測算法，得到視頻顯著性前景區域；提取得到的視頻顯著性前景區域的LBP特征，采用SVM分類器進行分類識別。本發明通過亮度和運動顯著性算法，一方面去除了森林中非顯著性運動目標干擾，另一方面將煙火區域從視頻中分割出來，提高了煙火檢測的正確率。

技術領域

本發明屬于視頻圖像處理領域，涉及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。

背景技術

森林火災檢測與預防對生命財產保護起著重要的作用，燃煙作為早期煙火，對其的檢測能更早的發現火災警情并進行預防。視頻圖像檢測方法能實時提供煙火位置，范圍濃度等重要信息，因此在森林煙火檢測中得到廣泛應用。視頻圖像煙火檢測系統主要依賴于對運動目標的特征提取與識別，通過背景減除將前景分離，然而在森林環境中這種方法對非顯著性運動目標同樣敏感，例如水波，晃動的樹木以及由于攝像機抖動帶來的非顯著性前景區域，這些運動區域的特征提取與檢測不僅會帶來干擾增加誤檢，且影響實時性，降低了煙火檢測效率。

基于以上考慮，本發明提出了一種基于運動和亮度顯著性特征的視頻森林煙火測方法。該方法基于全局顯著性，運動以及亮度顯著性算法，得到顯著性前景區域，并采用自適應歸一化參數和組稀疏算法得到顯著性前景。提取顯著性前景的LBP特征，采用SVM分類器識別待檢測煙火區域。

發明內容

發明目的：本發明提供了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，減少了森林中非顯著性運動目標對于煙火檢測的干擾，提高了煙火檢測的效率和準確性。

技術方案：為實現上述發明目的，本發明采用以下技術方案：

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，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；

(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；

(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；

(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；

(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。

進一步的，步驟(2)包括以下步驟：

(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：

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：