[发明专利]一种基于视频监控的香烟烟雾检测方法

说明书

技术领域

本发明涉及图像处理及模式识别领域，尤其涉及一种基于视频监控的香烟 烟雾检测方法。

背景技术

吸烟是人们日常生活中常见的一种不良行为，吸烟的危害已经逐步被大众 所熟知。《北京市控制吸烟条例》于2015年6月1日起实施，明确规定所有公 共场所、工作场所室内区域及公共交通工具禁止吸烟，约定文保单位、体育场 及部分以未成年人为主要活动人群的室外场所禁止吸烟，但是开展控制吸烟卫 生监督管理工作缺少一种高效便捷的手段。人工管理需要投入大量的人力物力， 并且不能保证准确及时的发现、制止吸烟行为。

但是，现在社会中普遍都采用人工监督方式对吸烟者进行处罚或劝诫，很 少能够采用电子设备对监控区域进行吸烟烟雾分析和自动报警，在人流较多的 公共场所中，人们很难发现一个吸烟者，更难以发现丢弃的烟头以及产生的烟 雾。为了解决此类问题，我们提供了一种基于视觉检测技术的监督报警方法。

发明内容

本发明目的是提供一种基于视频监控的香烟烟雾检测方法，主要利用视觉 检测技术对采集到的视频图像进行分析，实时准确的识别监控场景中的香烟烟 雾，方便管理人员实时的监控和查看吸烟行为，提高控烟管理人员的工作效率。

为实现上述目的，采用了以下技术方案：本发明所述检测方法由分类器训 练阶段和香烟烟雾检测阶段来实现；

(1)分类器训练阶段的步骤如下：

(1-1)训练样本集的准备，采用机器学习来训练分类器，需要大量的样本， 通过监控摄像头在多个不同场景下采集有香烟烟雾和无香烟烟雾的视频，将这 些视频保存为连续的视频帧，含有香烟烟雾的视频样本为正样本，无香烟烟雾 的视频样本为负样本，截取正、负样本；

(1-2)将截取的正、负样本缩放到大小相同的尺寸；

(1-3)分别提取所有正、负样本的Hog特征及样本的几何特征，Hog特征 即每个像素点的梯度大小和方向；对所有正负样本赋予样本标签，样本标签是 正样本为1、负样本为-1；将所得正、负样本的特征向量及样本的标签输入到支 持向量机SVM中进行学习，将结果保存为文本文件即生成分类器；

(2)香烟烟雾检测阶段的步骤如下：

(2-1)通过监控摄像头获取视频图像，对获得的现场视频图像进行采样以 获得连续的现场图像序列；

(2-2)采用混合高斯模型算法提取前景目标区域；

(2-3)对提取到的前景目标区域进行形态学操作，去除运动区域中的噪点 和空洞；

(2-4)对经过形态学运算后的图像进行二值化，使用最大类间方差法算法 求解最佳二值化阈值；采用最大类间方差法计算得到的阈值对前景图像进行二 值化操作；

(2-5)统计二值化图像在X方向和Y方向投影直方图；

(2-6)统计每一帧感兴趣区域内的像素个数，排除微小面积变化引发的干 扰，然后提取感兴趣区域的几何特征、Hog特征；

(2-7)将感兴趣区域提取的几何特征、Hog特征组合成运动特征向量，输 入到分类器中，判断感兴趣区域是否存在吸烟行为产生的烟雾，若判断出现场 场景中存在香烟烟雾，则启动报警并保存该帧图像；若判定场景中不存在香烟 烟雾，跳至步骤(2-1)，循环执行。

优选的，所述步骤(1-1)中，正样本个数为1000～2000个，负样本个数为 3000～5000个。可选定正样本个数为1500个，负样本个数为4000个。

优选的，所述步骤(2-1)中，视频采样间隔为0～0.1秒，且大于10帧每 秒。可选定视频采样间隔为0.04秒，即25帧每秒

优选的，所述步骤(2-2)中，采用混合高斯模型算法提取前景目标区域， 具体方法如下：

系统启动时，系统默认监控场景中不存在香烟烟雾，自动初始化混合高斯 模型的各个参数；

图像中的像素点随时间变化可看作为一个时间序列I_t(x,μ)＝{X₁,X₂,…X_i}，其 中I_t(x,μ)为随机变量X_i的观测数据集，X_i为i时刻像素的样本，μ为样本均值；