[发明专利]一种视频火焰图像复合识别方法

说明书

本发明公开了一种视频火焰图像复合识别方法，属于在环境不适合传统的探测器工作以及在空旷大环境下的火焰识别领域，该方法首先通过对现有的火焰图片进行处理分析，获取对应火焰区域RGB的均值和方差，构建单峰高斯模型，用其检测图片中火焰颜色像素点；使用光流法得到像素点的运动速率大小，使用GBVS模型得到图片中的显著性区域；最后使用最大类方差法对前景目标和背景进行分割，对得到的二值图进行形态学处理，获取最终的识别结果。通过大量的仿真验证，本发明结合了颜色、运动法和显著性区域检测的复合视频火焰区域检测方法可以取得很好的识别火焰效果，并且可以滤除可能存在噪声和对图像边缘进行平滑处理。

技术领域

本发明属于在环境不适合传统的探测器工作以及在空旷大环境下的火焰识别领域，具体涉及一种视频火焰图像复合识别方法。

背景技术

火灾在人们的日常生活中是不可避免的，其对人类的财产和人身安全，以及工业和环境造成的危害不可估量。因而一直以来都在寻找更加合适的处理火灾预警的方式。传统方式如传感器会受到众多因素的干扰影响，并且使用的场合有很大的局限性，对与大库房或者地域空旷的森林，传统的传感器就失去其存在的意义。随着计算机视觉技术的发展和嵌入式设备性能的不断完善，使得运用视频图像进行火灾检测，成为一种趋势。

传统的烟温传感器，主要有三类：独立式：单独的烟感传感器驱动报警电路和判定芯片组成；有线式：通过将烟温传感器分布式布线，集中控制；无线式：通过红外烟雾传感器进行信号传递，集中控制。适合于干扰较小的小厂所，但是对于大场合或者大型仓库没有实际的作用。电子眼的视频监控过分的依赖人，必须时刻要求注视显示屏。

视频图像进行火灾检测领域也有许多现存的方法。如Phillips W等利用色彩视频序列图像中物体的颜色和抖动来确定火焰的存在，沉诗林等提出一种基于图像相关性进行火灾检测的方法以Yamagaishi等提出基于HSV空间和神经网络的色彩图像火焰检测算法，对静态图像判别较好，没有利用动态特征。袁菲牛提出的通过度量火焰轮廓信息，在频谱内进行分析对火焰进行识别，能够准确度量图像的时空闪烁特征，张本矿等提出神经网络和模糊函数相结合的方法，通过神经网络学习功能，自动生成隶属度函数，但是算法复杂，在嵌入式系统中实现困难。

大量的文献表明，一些火焰识别算法没有考虑到多种情况下的火焰识别；一些火焰识别算法足够的复杂、识别率低以及识别的响应时间较长等原因，并不能很好的满足我们对火焰识别的高识别率和低延时响应的要求。

发明内容

本发明的目的在于针对现有技术的不足，提出了一种视频火焰图像复合识别方法，并且取得了很好的识别效果。

为实现上述目的，本发明采用如下技术方案：

一种视频火焰图像复合识别方法，包括以下步骤：

1)收集含有火焰区域的图片并标记火焰区域，统计火焰区域的火焰像素点值，得到火焰区域的RGB各分量的均值和方差，构造单峰高斯模型；

2)利用单峰高斯模型对待识别预处理图像中每个像素点利用公式(1)和公式(2)得到相应的高斯概率，把高斯概率小于第一设定阈值的像素点设为0，高斯概率大于等于第一设定阈值的像素点设为1，得到待识别预处理图像的颜色图；

式中，p_i为某一个分量图I_i(x,y)对应像素点的高斯概率；

I_i(x,y)为待识别预处理图像在RGB模型中的某一个分量图，x、y分别为待识别预处理图像中矩阵坐标的横坐标和纵坐标；

μ_i为对应单峰高斯模型的均值；

σ_i为对应单峰高斯模型的方差；