[發明專利]一種基于集成學習的火焰圖像分類方法

在審

• 申請號: 202110577002.7
• 申請日: 2021-05-26
• 公開（公告）號: CN113591873A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 胡靜;宋鐵成;張思源;夏瑋瑋;燕鋒;沈連豐
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G08B17/12
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 秦秋星

1.基于集成學習的火焰圖像分類方法，其特征在于，該方法包括如下步驟：

(1)對火焰圖像進行圖像預處理，并轉化為1*n的均衡向量數據集，n表示灰度矩陣的向量維度；

(2)將火焰圖像轉化的數據集分割為測試集和驗證集，在相同測試集情況下并行訓練出基于SVM，邏輯回歸，決策樹，貝葉斯分類的四種分類器；

(3)基于驗證集計算四種分類器的F1分數，并將其作為軟決策投票的投票系數并歸一化；

(4)對每一個輸入火焰數據，都將四個分類器的單獨分類結果采用加權平均的方式計算圖片包含火焰的概率，最后通過符號函數生成結果，反復輸入驗證集，計算正確率和損失函數。

2.根據權利要求1所述的基于集成學習算法的火焰圖像分類方法，特征在于：步驟(1)中對火焰圖像的預處理中采用歸一化和灰度化以及通過HOG算法有效提取特征，步驟如下：

(1.1)將火焰圖像做尺寸的歸一化和灰度化處理，灰度化即對RGB三通道上的灰度值取平均，得到灰度矩陣；

(1.2)計算圖像梯度；對于得到的灰度矩陣，通過計算每一個像素的橫坐標和縱坐標方向的梯度，得到該位置的梯度方向值；計算方式如下：

dx(i,j)＝[I(i+1,j)-I(i-1,j)]/2

dy(i,j)＝[I(i,j+1)-I(i,j-1)]/2

x(i,j),y(i,j)表示對應像素位置，I(i,j)表示橫坐標為i，縱坐標為j像素點的通道值；

(1.3)將火焰圖像區分割為不同的細粒度單元，并一次編碼；

(1.4)對梯度方向值做歸一化后，將不同的細粒度單元連通成區塊，并串聯所有細粒度單元的特征向量以描述該區塊并歸一化；在R-HOG區塊中用三個參數來表征區塊特征：每個區塊中細粒度單元的數目、每個細粒度單元中像素點的數目、每個細粒度單元的直方圖通道數目；并將HOG特征結合成最終的特征向量供分類使用。

3.根據權利要求1所述的基于集成學習的火焰圖像分類方法，其特征在于：步驟(3)中，

F1由精確度和召回率共同決定，Precision表示對含有火焰圖片的非誤報率：Recall表示對于含有火焰圖片的不漏報率：其中TP表示將含有火焰樣本判斷為含有的次數，FN表示將不含火焰樣本判斷為不含的次數；FP表示將不含火焰樣本判斷為含有的次數，TN表示將含有火焰樣本判斷為不含有的次數。

4.根據權利要求1所述的基于集成學習的火焰圖像分類方法，其特征在于：步驟(4)包括：

(4.1)利用分類器所產生的投票系數α_i進行歸一化，

(4.2)對于輸入樣本x，對于第i個分類器，分類器的生成函數或判斷其含有火焰的概率為f(x_i)，采用軟投票-決策理論，對最終的判斷結果進行火焰圖片的分類進行加權平均：

(4.3)通過符號函數的結果y＝sgn(H(x))，輸出y作為判斷是否含有火焰的量化依據，+1表示含有火焰，-1表示不含有火焰；

(4.4)對集成的強分類器輸入多樣本驗證集，計算準確率與損失函數。