[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

本發明公開了一種基于MOG2和HSV的煙火檢測算法，高斯濾波：首先利用高斯濾波對圖像進行降噪預處理，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。該基于MOG2和HSV的煙火檢測算法，本發明只需采用云臺攝像頭進行實時視頻采集，硬件開銷少，并且相比現有的煙火檢測算法，大大降低了人工和時間成本，并有效減少了誤報情況發生；當檢測到煙火時還能及時通知員工，采取相應的處理措施。

技術領域

本發明涉及計算機視覺技術領域，具體為一種基于MOG2和HSV的煙火檢測算法。

背景技術

在現代社會生活中，防火是安全防護的一個非常重要的命題。尤其是在工業生產區域，尤其重視煙火的監測以保證安全。

目前，主要是利用機器學習或者深度學習方法對采集到的視頻圖像進行圖像處理和分析，提取每幀圖像中的煙火特征以實現煙火檢測。然而，基于圖像特征進行煙火檢測時，會由于某些特殊幀圖像而產生誤報，影響了煙火檢測結果的準確率，進行重復錯誤報警。深度學習方法基本上采用樣本標注、模型訓練的方式，但其對圖像質量要求比較高，比如畫面內不能有類似于煙、火的物品，或者相近顏色的東西。在特定場景進行檢測時檢測準確率較低，還可能將靜止物體或運動過于緩慢的物體當成目標誤判，此時數據的收集和標注則需耗費大量人工和時間成本。

所以現有的檢測方法在使用中存在以下不足，比如；

目前常見的煙火檢測算法或模型，在鋼廠特定的場景下，檢測準確率低下，且會由于某些特殊幀圖像而產生誤報。

所以我們提出了一種基于MOG2和HSV的煙火檢測算法，以便于解決上述中提出的問題。

發明內容

本發明的目的在于提供一種基于MOG2和HSV的煙火檢測算法，以解決上述背景技術提出的目前常見的煙火檢測算法或模型，在鋼廠特定的場景下，檢測準確率低下，且會由于某些特殊幀圖像而產生誤報的問題。

為實現上述目的，本發明提供如下技術方案：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，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。