[發(fā)明專利]一種基于集成學(xué)習(xí)的火焰圖像分類方法

在審

• 申請?zhí)枺?/td>: 202110577002.7
• 申請日: 2021-05-26
• 公開（公告）號: CN113591873A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計）人: 胡靜;宋鐵成;張思源;夏瑋瑋;燕鋒;沈連豐
• 申請（專利權(quán)）人: 東南大學(xué)
• 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(wù)所(普通合伙) 32249
• 代理人: 秦秋星

本發(fā)明公開了一種基于集成學(xué)習(xí)的火焰圖像分類方法。屬于機器學(xué)習(xí)圖像分類技術(shù)領(lǐng)域。該方法包括：對火焰圖像進行歸一化和灰度化，利用HOG算法預(yù)處理特征，將轉(zhuǎn)化后的火焰圖像特征送入多種機器學(xué)習(xí)分類器，并行迭代生成多種圖像分類器，計算每個分類器對圖像的分類準確率與概率，通過軟決策?投票的方式反饋調(diào)整多個分類器投票系數(shù)，再以加權(quán)平均的方式將多種機器學(xué)習(xí)分類器集成一種新的分類器，并將最終對火焰圖像的分類通過符號函數(shù)輸出結(jié)果。本發(fā)明融合集成學(xué)習(xí)投票決策和多種機器學(xué)習(xí)分類算法，在保留多種機器學(xué)習(xí)分類器的優(yōu)點下，有效提升了對火焰圖像檢測的準確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于集成學(xué)習(xí)的火焰圖像分類方法，屬于機器學(xué)習(xí)圖像分類 技術(shù)領(lǐng)域。

背景技術(shù)

火焰的檢測對于前期預(yù)防火災(zāi)一直起著至關(guān)重要的作用的，尤其是火災(zāi)的蔓 延后的不可控性以及對人生命財產(chǎn)安全的巨大威脅性，使得前期檢測火焰顯得越 來越關(guān)鍵。長期以來，傳統(tǒng)火災(zāi)預(yù)警方式以采用傳感器為主，感溫型，感煙型以 及感光性傳感器等等，主要有以下三個缺點：一是傳感器探知的物理空間和距離 有限，當火災(zāi)的火焰距離較遠時，傳感器無法感知；二是傳感器由于其探測原理， 受環(huán)境干擾嚴重，傳感器的原理是在物理傳感器采集數(shù)據(jù)的前提下，設(shè)立一定的 閾值，當采集值達到一定的偏差后，對后臺發(fā)送相應(yīng)警告信號，例如光照異常會 使得感光型傳感器的報告準確率產(chǎn)生較大波動，基于傳統(tǒng)傳感器的火災(zāi)預(yù)防系統(tǒng) 難以滿足越來越高的火災(zāi)預(yù)防要求。

而相對的，近來發(fā)展的基于圖像處理技術(shù)的火災(zāi)圖像檢測技術(shù)有針對性的克 服了傳統(tǒng)火災(zāi)檢測技術(shù)的主要弱點，在采集方面，因為視頻分辨率的逐年提高， 采集器無需與火源保持較近的物理空間距離，保證了基于圖像技術(shù)的火焰識別能 夠擁有更高的準確率。公共場所視頻監(jiān)控設(shè)備的普及性也使得數(shù)據(jù)集的采集難度 降低。而機器學(xué)習(xí)算法從誕生之初，對于回歸，分類，聚類的問題探討從未停歇。 火災(zāi)圖像識別技術(shù)，通過圖像預(yù)處理技術(shù)獲得火焰本身的靜態(tài)或動態(tài)特征，依據(jù) 火焰的顏色特性、形狀特性、紋理特性等等，結(jié)合一種乃至幾種幾何或可量化的 特征，利用貝葉斯分類器，聚類等機器學(xué)習(xí)算法進行分析，比利用傳感器進行檢 測火焰能取得更好的效果。

但是機器學(xué)習(xí)分類算法也存在一定的缺陷，比起機器學(xué)習(xí)分類算法在離散型 或是一維任務(wù)中的優(yōu)秀分類表現(xiàn)，圖像因為具有二維特征，像素點具有強關(guān)聯(lián)性， 往往單一的機器學(xué)習(xí)分類器對于如此高緯度的關(guān)聯(lián)特征間的聯(lián)系達到很好的捕 獲效果。同時，機器學(xué)習(xí)的一個重要分支，集成學(xué)習(xí)，經(jīng)常被用于劃分數(shù)據(jù)集， 在同一類機器學(xué)習(xí)算法原理的前提下，通過數(shù)據(jù)的先驗性相互獨立，反復(fù)學(xué)習(xí)生 成多個同類學(xué)習(xí)器，以決策理論，增強機器學(xué)習(xí)分類器的分類能力或是反饋調(diào)整 樣本比例改進模型。但因為機器學(xué)習(xí)算法原理的各自優(yōu)劣和學(xué)習(xí)上限，增強效果 不明顯。

發(fā)明內(nèi)容

發(fā)明問題：針對上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種結(jié)合優(yōu)化火 焰圖像特征提取，多種傳統(tǒng)機器學(xué)習(xí)算法和投票決策理論的基于集成學(xué)習(xí)的火焰 圖像分類方法，以避免單一分類器模型的劣勢，達到更好的火焰圖像分類準確率。

技術(shù)方案：為了實現(xiàn)的上述發(fā)明目的，本發(fā)明采用如下步驟：

基于集成學(xué)習(xí)的火焰圖像分類方法，包括如下步驟：

(1)將火焰圖像經(jīng)過歸一化，灰度化等方式進行圖像預(yù)處理，并轉(zhuǎn)化為1*n 的均衡向量數(shù)據(jù)集。

(2)將火焰圖像轉(zhuǎn)化的數(shù)據(jù)集分割為測試集和驗證集，在相同測試集情況 下并行訓(xùn)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(shù)，并將其作為軟決策投票的投票 系數(shù)并歸一化。

(4)對每一個輸入火焰數(shù)據(jù)，都將四個分類器的單獨分類結(jié)果采用加權(quán)平 均的方式計算圖片包含火焰的概率，最后通過符號函數(shù)生成結(jié)果，反復(fù)輸入驗證 集，計算正確率和損失函數(shù)。

在優(yōu)選的實施方案中，步驟(1)中的圖像預(yù)處理步驟包括：