[發明專利]一種適用于森林火災的煙霧識別方法

在審

• 申請號: 202011129458.9
• 申請日: 2020-10-21
• 公開（公告）號: CN112215182A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 李琪;王忠;王杰鈴;王藝輝;陳誠;高旸;楊晶晶
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/254;G06T7/215
• 代理公司: 西安創知專利事務所 61213
• 代理人: 馬鳳云

1.一種適用于森林火災的煙霧識別方法，其特征在于，該方法包括以下步驟：

步驟一、構建圖像數據庫，過程如下：

步驟101、搜集多張煙霧訓練圖像，所述煙霧訓練圖像包括煙霧圖像、云霧圖像、朝霞圖像、晚霞圖像和水汽圖像；

獲取煙霧訓練圖像去除背景后只有前景特征的訓練樣本圖像；

步驟102、將多張訓練樣本圖像構成一個圖像數據庫，對圖像數據庫進行隨機分類，獲得圖像訓練數據集合和圖像測試數據集合；

步驟二、訓練并測試SVM，過程如下：

步驟201、在圖像訓練數據集合中調取一張訓練樣本圖像；

步驟202、對步驟201中調取的訓練樣本圖像進行Hog特征提取，得到Hog特征矩陣；

步驟203、利用步距為1且方向為0°的灰度共生矩陣，對步驟201中調取的訓練樣本圖像進行紋理特征計算，選取能量特征、熵特征和慣性矩特征，構建第一紋理特征矩陣；

步驟204、利用步距為1且方向為45°的灰度共生矩陣，對步驟201中調取的訓練樣本圖像進行紋理特征計算，選取能量特征、熵特征和慣性矩特征，構建第二紋理特征矩陣；

步驟205、利用步距為1且方向為90°的灰度共生矩陣，對步驟201中調取的訓練樣本圖像進行紋理特征計算，選取能量特征、熵特征和慣性矩特征，構建第二紋理特征矩陣；

步驟206、將步驟202中的Hog特征矩陣、步驟203中的第一紋理特征矩陣、步驟204中的第二紋理特征矩陣和步驟205中的第三紋理特征矩陣組合，構建融合特征向量；

步驟207、將步驟206中的融合特征向量送入SVM中，對SVM進行一次訓練；

步驟208、循環步驟201至步驟207，直至圖像訓練數據集合中的圖像調取完畢，完成SVM訓練過程；

步驟209、在圖像測試數據集合中調取訓練樣本圖像，對SVM進行測試，獲取訓練并測試完成的SVM；

步驟三、構建煙霧自動監測平臺：在林區內的高地上設置煙霧自動監測平臺，所述煙霧自動監測平臺包括立柱以及安裝在立柱上的攝像頭；

步驟四、圖像采集及背景幀圖像建模：保持攝像頭靜止不動，攝像頭的視野固定不變，利用攝像頭拍攝多幀林區無煙霧圖像，使用混合高斯模型對多幀林區無煙霧圖像進行背景幀圖像建模；

步驟五、背景差分處理：利用攝像頭連續拍攝a×b幀林區實時圖像，每次選用連續的a幀林區實時圖像同時與背景幀圖像進行差分運算，然后對差分運算后的a幀林區實時圖像進行連通域處理，獲得背景差分處理后的a×b幀林區實時圖像；

其中，a和b均為不小于2的正整數；

步驟六、邏輯運算獲取運動前景目標：對差分運算且進行連通域處理后的連續的a幀林區實時圖像進行一次邏輯或運算，得到一張林區合并實時圖像；

背景差分處理后的a×b幀林區實時圖像，進行b次邏輯或運算后，得到b張林區合并實時圖像；

對b張林區合并實時圖像進行一次邏輯與運算，得到一張保留運動前景目標的圖像；

步驟七、森林火災的煙霧識別：將保留運動前景目標的圖像送入訓練并測試完成的SVM，進行森林火災的煙霧識別。

2.按照權利要求1所述的一種適用于森林火災的煙霧識別方法，其特征在于：步驟五中，a和b的取值范圍均為2～4。