[发明专利]基于多特征融合的视频烟雾检测方法

说明书

本发明公开了一种基于多特征融合的视频烟雾检测方法，首先对训练视频序列提取运动目标，根据颜色特征判断是否为疑似烟雾区域，对疑似烟雾区域提取形状不规则特征、面积增长特征和K个背景模糊特征，组合成特征向量，然后对特征向量进行正负样本划分，得到训练样本；将训练样本的特征向量作为输出、样本类型作为输出，对分类器进行训练；对于待检测图像，采用相同方法提取得到特征向量，输入分类器进行判定是否为烟雾。本发明对疑似烟雾区域提取多个特征，对烟雾进行综合判定，提高烟雾的检测率。

技术领域

本发明属于计算机视觉技术领域，更为具体地讲，涉及一种基于多特征融合的视频烟雾检测方法。

背景技术

火灾是一种非常常见的灾害。随着社会的不断发展，社会财富的不断增加，火灾的发生不仅造成巨大的经济损失、破坏和谐的生态环境，而且严重威胁到人们的财产和生命安全，对社会的稳定繁荣发展造成影响。越早地准确发现火灾就越可能将各方面的损失降低到最小。烟雾作为火灾前期的一种重要产物，准确的检测出烟雾即可对火灾进行预警。

传统的烟雾检测器绝大多数还是采用感烟、感温、感光、感可燃气体以及集合其中几种的复合型检测器。这些检测器是依靠检测燃烧过程中的副产物(烟雾粒子、物质燃烧放热、可燃气体等)来检测烟雾的，因此只能在离火焰和烟雾源比较近的地方才能快速有效的发挥探测作用，对于大的空间或者户外场所，其检测的可靠性较低。

基于视频图像的烟雾检测属于计算机视觉中目标检测的范畴。其中对于烟雾特征的提取是主要研究的重点，目前已有多个研究团队在烟雾的特征提取上进行了研究。Toreyin等人和帅师等人引入了小波变换来分析烟雾的纹理特征，主要分析随时间变化时烟雾图像中小波能量的变化趋势，以此来区分烟雾和非烟雾区域。Gubbi等人采用了比较热门的支持向量机(SVM)分类器，另外还利用多层小波分析了烟雾的纹理特征。Chen等人主要分析了烟雾图像的颜色信息，给出了烟雾颜色在RGB三通道中的统计分布规则，利用此规则加上烟雾其他的动态特征完成对烟雾的检测。袁等人认为烟雾的运动在燃烧的热能的驱动下呈现向上的趋势，所以利用了主运动方向特征来统计烟雾运动方向，同时为了加快速度，引入了积分图的方法来计算烟雾块之间的距离。吴等人提出了利用卡尔曼滤波来检测运动目标区域，并结合基于高斯混合模型的烟雾颜色建模，由前二者来提取疑似烟雾区域，再对烟雾的动态特征(小波能量变化趋势和颜色融合特性)分析，实现烟雾的智能检测。

总的来说，目前对视频烟雾检测进行研究的人员越来越多，也取得了一些不错结果。但是在对于综合环境复杂的现实情况下，现有的算法还是有些不足，主要是误检较高。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多特征融合的视频烟雾检测方法，对疑似烟雾区域提取多个特征，对烟雾进行综合判定，提高烟雾的检测率。

为实现上述发明目的，本发明基于多特征融合的视频烟雾检测方法，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公式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：