[發明專利]一種基于MOG2和HSV的煙火檢測算法

在審

• 申請號: 202210712500.2
• 申請日: 2022-06-22
• 公開（公告）號: CN114972315A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 楊偉忠;徐晨鑫;雷凌;朱恩東
• 申請（專利權）人: 南京北新智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/56;G06V10/764;G06T5/00
• 代理公司: 廣州海藻專利代理事務所(普通合伙) 44386
• 代理人: 張大保

1.一種基于MOG2和HSV的煙火檢測算法，該算法包括三個階段：第一階段高斯混合模型分離、顏色空間；第二階段：用MOG2提取出連續視頻幀圖像中的運動區域；第三階段：利用RGB和HSV色彩空間的顏色特征提取出待定煙火區域，然后通過區域運算和形態學處理，實現鋼廠的實時煙火監測與報警，其特征在于：所述：

(一)高斯濾波：首先利用高斯濾波對圖像進行降噪預處理，用于后續的邊緣檢測；對于原始的皮帶圖像數據，利用高斯濾波器進行降噪處理；高斯濾波是一種加權平均濾波，其卷積核帶有一個系數用于實現平均。矩陣中所有數值之和的倒數即為卷積核的系數。在實際濾波中，對圖像進行遍歷，以圖像中某一點作為卷積核中心，利用卷積核對該像素點周圍鄰域像素作加權平均，計算結果作為當前像素點的新像素值。最終實現對圖像的高斯濾波去躁，為后續高斯混合模型分離和顏色特征提取提供高質量圖像數據。高斯分布可根據高斯函數選擇權重，函數的均值μ＝0時的一維形式和二維形式如公式所示。μ＝0時的一維形式：μ＝0時的二維形式：

(二)MOG2的背景分離：在監控系統中，拍攝背景通常是變化較少的固定場景，但在室外光照條件往往不穩定，且存在一些局部運動的背景物體(譬如搖擺的樹枝、過往的人車)，此時使用多個高斯分布表達比較合適。通常我們假定沒有入侵物體的靜態場景可以用一個統計模型描述，利用多個高斯模型的加權和混合在一起來模擬背景的特性。背景建模也稱為背景估計，其主要目的是根據當前的背景估計，把對序列圖像的運動目標檢測問題轉化為一個二分類問題，將所有像素劃分為背景和運動前景兩類，進而對分類結果進行后處理，得到最終檢測結果。混合高斯分布(GMM)是背景建模中的經典算法。一旦背景以高斯混合模型來模擬了，現在確定這個模型變成了解出高斯混合模型公式中的一系列參數。

MOG2是以混合高斯模型為基礎的前景/背景分割算法。它使用K個高斯分布混合對背景像素進行建模。使用這些顏色(在整個視頻中)存在時間的長短作為混合的權重。背景的顏色一般持續的時間最長，而且更加靜止。與MOG取固定個數的高斯分量不同，MOG2則根據不同輸入場景自動選擇分量的個數。特點是它為每一個像素選擇一個合適數目的高斯分布。這樣就會對由于亮度等發生變化引起的場景變化產生更好的適應。利用MOG2算法可以更好的進行背景分離，提取出運動區域。

(三)HSV提取煙火區域：RGB色彩空間對于一般場景下的火焰檢測有一定效果，但對于室外鋼廠這種復雜環境，單純使用RGB色彩空間極易造成火焰檢測的誤報。且煙霧特征多樣，顏色各異，單純采用RGB色彩空間無法有效檢測出煙霧區域。RGB圖像是一種三通道圖像，通常用于表示紅、綠、藍這三通道的彩色圖，是與硬件相對應的圖像。HSV圖像則與我們人類的直觀視覺更相符，包含H通道、S通道、V通道。

2.根據權利要求1所述的一種基于MOG2和HSV的煙火檢測算法，其特征在于：所述步驟一中的α為正態分布的標準偏差，其值決定了函數的衰減快慢。

3.根據權利要求1所述的一種基于MOG2和HSV的煙火檢測算法，其特征在于：所述步驟二中的K＝3或者K＝5。

4.根據權利要求1所述的一種基于MOG2和HSV的煙火檢測算法，其特征在于：所述步驟三中的H通道的像素值表示色調，取值范圍0～360，我們可以把這個取值范圍理解為角度，也即一個閉環的取值范圍。

5.根據權利要求1所述的一種基于MOG2和HSV的煙火檢測算法，其特征在于：所述步驟三中的S通道的像素值表示圖像的飽和度。飽和度是指圖片彩色的純度——圖像的混合顏色越少，其飽和度越高，直觀看起來就越鮮艷鮮明、視覺效果越強烈；反之圖像的混合顏色越多，其飽和度越低，視覺效果越弱。比如在所有可視色彩中純紅色的飽和度是最高的，也即純紅色看起來最鮮艷，但是如果在純紅色中混入其他顏色，那么其飽和度將會降低，這時看起來就沒那么鮮艷了。S通道像素值的取值范圍是0～1，值越大表示飽和度越高。

6.根據權利要求1所述的一種基于MOG2和HSV的煙火檢測算法，其特征在于：所述步驟三中的V通道像素值表示圖像的明亮程度，取值范圍也是0～1，值越大表示越亮。