[发明专利]一种基于多光谱特征的视频火焰检测方法

说明书

技术领域

本发明涉及物理意义上的视频火焰检测方法，属于计算机视觉领域，具体涉及一种基于多光谱特征的视频火焰检测方法。

背景技术

火灾是破坏力很强的自然灾害之一，时刻影响着人们的日常生活，火灾检测技术受到人们的日益关注。由于火灾一旦发生，蔓延迅速，火灾报警越早越好，所以，研究快速准确的火焰检测技术，一直都是国内外相关学者的工作重点之一。

最早的火焰检测方法是人工监视方法，这种方法通常用来监控森林火灾，通过在瞭望塔上安排监控人员，可以进行准确的火灾报警。但是由于人力资源昂贵且效率低，所以应用较少。另一种火灾检测技术是火焰传感器技术，通过火焰传感器检测火焰产生的粒子、环境温度或相对湿度等发出火灾报警，然而这种技术具有很大缺陷，如感应范围较小，通常局限于室内环境，传输延迟长，且不能提供有关燃烧过程的有效信息，例如火灾位置、火势大小、扩散速度、传播方向等。

随着视频监控技术和图像处理技术的飞速发展，基于视频的火焰检测技术成为目前主流的火焰检测技术，弥补了传统方法的种种缺点，成本低、监控范围广，且能提供燃烧现场的实时信息，然而，由于火焰现象混乱复杂、外观变化巨大，具有实时的多变性和无规则性，现有的视频火焰检测方法都是从色域建模火焰特征，不具有实际的物理意义，而且在特定环境下错误检测时常发生。

对于计算机视觉领域，尤其是当今火灾早报警等需求的日益增长，实时准确的视频火焰检测技术将有着广阔的前景，而其中建模有辨识力的、具有实际物理意义的火焰特征将扮演非常重要的角色。

发明内容

本发明的目的是解决视频火焰检测领域没有实现具有实际物理意义的火焰检测的问题，提出一种基于多光谱特征的视频火焰检测方法，可以实现图像从色域到辐射域的转换，并进行物理意义上的视频火焰检测。

为完成本发明的目的，本发明采用的技术方案是：一种基于多光谱特征的视频火焰检测方法，包括以下步骤：

步骤(1)、利用YCbCr颜色空间的基于规则的火焰颜色模型提取候选的火焰区域；

步骤(2)、通过事先标定相机从单颜色通道到单光谱的辐射照度的映射，计算得到图像像素亮度值对应不同单光谱的辐射照度；

步骤(3)、通过步骤(2)得到火焰像素对应不同单光谱的辐射照度，提取火焰多光谱辐射照度特征，对火焰光谱的时空特征进行建模；

步骤(4)、构建基于径向基函数核的二分类的支持向量机，通过对步骤(3)提取的火焰光谱时空特征进行训练，得到火焰分类模型，实现基于火焰物理特征的火焰检测。

其中，所述步骤(1)用于提取候选火焰区域的火焰颜色模型是一个建立在YCbCr颜色空间上的基于规则的火焰颜色模型，由于火焰是发光体，而YCbCr空间将亮度与色度分离，所以YCbCr比RGB颜色空间更适合表示火焰颜色，通过将已有的RGB空间定义的火焰颜色模型，如公式(1)(2)所示，转换到YCbCr空间，如公式(3)(4)所示，并建模火焰在YCbCr空间呈现的独有的规律，如公式(5)(6)所示，得到一个有效的火焰颜色模型，如公式(3-6)所示：

R≥G≥B(1)

R≥R_mean(2)

Y(x,y)＞Cb(x,y)(3)

Cr(x,y)＞Cb(x,y)(4)

其中，R、G、B分别是图像像素在RGB颜色空间的三个颜色分量，Y(x，y)、Cb(x，y)、Cr(x，y)分别是图像像素p(x，y)在YCbCr颜色空间的三个颜色分量，(x，y)是像素p(x，y)在图像中的位置，R_mean、Y_mean、Cb_mean和Cr_mean分别是图像所有像素的R、Y、Cb和Cr颜色分量的均值，τ是一个阈值，通过在大量数据集上进行ROC分析，综合考虑模型对有火数据集和无火数据集的分割结果，取τ＝40，保证正样本识别率高于90％，且负样本的错误率低于40％。

其中，所述步骤(2)进一步分为3个步骤：

步骤(A1)：相机响应函数反映图像接收辐射照度与图像亮度之间的关系，利用多次曝光算法标定出相机响应函数，从而由图像像素亮度值计算得到其接收到的辐射照度；

步骤(A2)：由步骤(A1)得到的辐射照度实际是全光谱下的辐射照度，为了得到不同单光谱下像素接收的辐射照度，在相机镜头前添加不同中心波长的窄带滤光片，标定滤光片的通光系数，得到全光谱辐射照度到单光谱辐射照度的衰减；