[发明专利]一种基于支持向量机的图像型机房漏水监测方法

权利要求书

1.一种基于支持向量机的图像型机房漏水监测方法，其特征在于：该方法包括以下步骤：

步骤1：通过图像采集单元采集机房中待监测区域的数字图像，同时将每个采样时刻所采集到的数字图像同步传送至处理器；

步骤2：处理器将所接收的当前采样时刻所采集的数字图像同步存储在数据存储器内，并对每个采样时刻所采集到的数字图像分别进行图像预处理操作，包括图像颜色空间的转换和图像块的划分；

步骤3：建立支持向量机的二分类模型，所述二分类模型的输入量为当前采样时刻待监测区域的数字图像的特征向量，所述二分类模型的输出量为当前采样时刻待监测区域对应的漏水状态类别；漏水状态类别包括有漏水和无漏水两个类别，其中：

支持向量机分类模型建立过程如下：

满足y_i(ω*x_i+b)≥1-ξ_i；i＝1，2，...，N

ξ_i≥0；i＝1，2，...，N

其中min()为表示取最小值的函数，max()为表示取最大值的函数，J()表示代价函数，ξ_i为非负松弛因子，g(x)＝ω*x_i+b为线性判别函数，x_i是第i个样本的输入，y_i是第i个样本的输出，ω为权重向量，b为偏移量，||ω||为向量ω的范数；

用拉格朗日乘子法转化为：

其中，L()表示为拉格朗日乘子法转化后的函数，α_i≥0，β_i≥0为拉格朗日乘子，γ＞0为对错分样本的惩罚因子，用来控制对错分样本的惩罚程度；

根据KKT条件得：

可得凸二次优化的对偶形式：

满足

选用径向基函数作为所述支持向量机分类模型的核函数；

其中K()为径向基函数；

确定待惩罚因子γ与所用径向基函数的核参数σ²，便获得支持向量机分类模型的分类函数，并完成支持向量机分类模型的建立过程；其中，γ＝C^-2，σ＝D^-1，0.01＜C≤10，0.01＜D≤50；

对惩罚因子γ与核参数σ²进行确定时，先采用梯度下降法对参数C与D进行优化，获得优化后的参数C与D，再根据γ＝C^-2和σ＝D^-1将优化后的参数C与D转换成惩罚因子γ与核参数σ²；

设非线性映射为则优化问题

其中，为x的非线性映射；

求解得到二次优化问题的解

其中权重向量

偏移量

最后得到获得分类的支持向量机模型：

其中，sgn()为符号函数；

步骤4：将步骤2预处理后的图像输入步骤3所建立的支持向量机的二分类模型，得到是否漏水的结果，进而对机房漏水情况进行实时监测。

2.如权利要求1所述的一种基于支持向量机的图像型机房漏水监测方法，其特征在于：所述图像采集单元包括摄像头和与摄像头相连接的视频采集卡，视频采集卡与处理器连接，处理器与数据存储器连接。

3.如权利要求1所述的一种基于支持向量机的图像型机房漏水监测方法，其特征在于：所述步骤2具体包含以下步骤：

步骤2.1、图像存储：所述处理器将所接收的当前采样时刻所采集的数字图像同步存储在数据存储器内；

步骤2.2、图像颜色空间转换：原始图像都是在RGB空间存储的，首先将RGB空间的图像进行空间变换到HSV颜色空间；

步骤2.3、图像块划分：将颜色空间转换后的图像进行划分处理，获得目标图像。

4.如权利要求3所述的一种基于支持向量机的图像型机房漏水监测方法，其特征在于：所述步骤2.3中，采用基于图像块划分聚类的方法得到低层特征向量；通过图像块划分把空间信息嵌入到一个个小块中，然后提取每个小块的颜色直方图，就既包含了颜色信息，又包含了空间信息；大小不同的块捕捉不同的尺度信息。