[发明专利]基于多特征融合的视频烟雾检测方法

权利要求书

1.一种基于多特征融合的视频烟雾检测方法，其特征在于，包括以下步骤：

S1：选取若干个含有火灾烟雾与其他运动目标的视频序列，提取得到各个运动目标的特征向量作为训练样本，训练样本的获取方法包括以下步骤：

S1.1：对每个训练视频序列进行运动目标检测；

S1.2：对步骤S1.1得到的运动目标区域，遍历区域内的每个像素，根据预设的颜色特征判别方法判断该像素是否为烟雾像素，将不是烟雾像素的像素点去除，得到疑似烟雾区域；

S1.3：对疑似烟雾区域进行动态特征提取，包括形状不规则特征、面积增长特征和在主运动方向上的背景模糊特征，每种特征的提取方法为：

(1)形状不规则特征S的计算公式如下：

S＝P/Q

其中，P表示疑似烟雾区域边缘轮廓长度，Q表示疑似烟雾区域的面积；

(2)面积增长特征ΔA的计算公式如下：

其中，A_t表示当前第t帧视频图像中疑似烟雾区域的面积，A_t-k表示在第t-k帧视频图像中对应的疑似烟雾区域的面积，k的取值范围为k≥1；

(3)在主运动方向上的背景模糊特征：

对疑似烟雾区域的运动目标进行主运动方向分析，得到疑似烟雾区域的主运动方向，并得到疑似烟雾区域在主运动方向上的外接矩形；然后对当前第t帧图像F(t)和对应的背景图像B(t)分别进行高通滤波，得到高通滤波后的当前帧图像和背景图像，计算外接矩形区域内每个像素点的相对衰减系数C(m,n,t)，计算公式为：

其中，B_h(m,n,t)表示滤波后背景图像B_h(t)中像素点(m,n)的灰度值，F_h(m,n,t)表示滤波后当前帧图像F_h(t)中像素点(m,n)的灰度值；

将外接矩形沿主运动方向平均分为K段，K的取值范围为K≥2，分别计算各段区域内的平均衰减系数，将K个平均衰减系数作为K个背景模糊特征；

S1.4：将步骤S1.3中得到的形状不规则特征、面积增长特征和K个背景模糊特征，组合成为特征向量；

S1.5：判断疑似烟雾区域是否确实为火灾烟雾区域，如果是，则将该疑似烟雾区域的特征向量作为正样本，否则该疑似烟雾区域的特征向量作为负样本；

S2：将步骤S1得到的各个训练样本的特征向量输入至预设的分类器，以对应的样本类型作为输出，对分类器进行训练；

S3：对待检测视频，首先进行运动目标检测，然后根据颜色特征判断运动目标是否为疑似烟雾区域，如果不是，不作任何处理，如果是，对疑似烟雾区域提取得到形状不规则特征、面积增长特征和K个背景模糊特征，组合成特征向量，最后将特征向量输入至步骤S2训练得到的分类器，得到是否为烟雾的判定结果。

2.根据权利要求1所述的视频烟雾检测方法，其特征在于，所述的颜色特征判别的方法为：

对每个像素采用以下烟雾颜色特征判别公式进行判别：

P_max-P_min＜T₁

T₂＜I＜T₃

其中，P_max、P_min分别表示某个像素R、G、B值中的最大值和最小值，T₁则为预设最大值与最小值的差值阈值，T₂、T₃分别表示预设的烟雾像素色彩亮度I的最小阈值和最大阈值；

当以上两个判别公式均满足时，像素为烟雾像素，否则为非烟雾像素。

3.根据权利要求1所述的视频烟雾检测方法，其特征在于，所述疑似烟雾区域在提取动态特征之前，先采用形态学去噪方法进行预处理。

4.根据权利要求1所述的视频烟雾检测方法，其特征在于，所述主运动方向分析的具体方法为：

采用光流法得到当前帧视频图像中每个像素点的运动矢量，将360度平面分为γ个区间，遍历疑似烟雾区域内的像素点，判断像素点的运动矢量的方向位于哪个区间，将其速度大小累加至该区间的速度大小；将各区间的速度大小进行归一化，然后将归一化后速度大小最大的区间作为运动目标的主运动方向区间，以该方向区间的中间值作为主运动方向。

5.根据权利要求1所述的视频烟雾检测方法，其特征在于，所述分类器采用BP神经网络。