[发明专利]一种自然场景火焰检测的方法

说明书

本发明公开了一种自然场景火焰检测的方法，属于消防领域。本发明包括以下步骤：步骤1，提取输入图像的最大稳定极值区域；步骤2，通过最大稳定极值区域的色彩特征和面积来过滤多余的极值区域，得到火焰候选区域；步骤3，将火焰候选区域输入到卷积神经网络模型中提取卷积特征；步骤4，将提取出的卷积特征输入到训练好的支持向量机分类器中进行分类，判断是否真的为火焰；步骤5，将火焰区域合并，得到最终的火焰区域。本发明具有很强的鲁棒性，检测效果好，可以准确完成火焰检测任务。

技术领域

本发明涉及一种自然场景火焰检测的方法，属于消防领域。

背景技术

火灾一直是破坏性最大而又最常见的灾害之一，从居民住宅到野外环境，火灾一旦发生而没有被及时扑救，将会产生巨大的损失。因此火焰检测的技术得到了国内外研究者的广泛关注。现阶段已有多种检测火焰的技术，然而，由于应用场景的多样性及复杂性，传统的火焰检测技术(例如烟感、温感检测)总会存在一定的局限性，因此基于计算机视觉的火焰检测技术是预防火灾的一个新方向。

发明内容

针对烟感、温感检测器使用环境的局限性，以及视频监控系统的普及，本发明提出了一种自然场景火焰检测的方法，基于数字图像处理与深度学习，检测成本低、具有强鲁棒性。

本发明为解决其技术问题采用如下技术方案：

一种自然场景火焰检测的方法，包括以下步骤：

步骤1，提取输入图像的最大稳定极值区域；

步骤2，通过最大稳定极值区域的色彩特征和面积来过滤多余的极值区域，得到火焰候选区域；

步骤3，将火焰候选区域输入到卷积神经网络模型中提取卷积特征；

步骤4，将提取出的卷积特征输入到训练好的支持向量机分类器中进行分类，判断是否真的为火焰；

步骤5，将火焰区域合并，得到最终的火焰区域。

所述步骤1的具体过程如下：

步骤11，将输入的图像转化为灰度图，记为I_gray；

步骤12，按照阈值升序的顺序，求出各个阈值下I_gray中的极值区域，极值区域Q_i定义如下：

其中I_gray(p)和I_gray(q)表示I_gray中像素点p和q的值，i∈[0,255]表示极值区域的阈值,表示与极值区域Q_i相邻但不属于极值区域的像素集合；

步骤13，对I_gray求极值区域的变化率：

极值区域变化率定义为：

其中，Δ为灰度阈值的微小变化量，Q_i+Δ为灰度阈值增加后得到的极值区域，Q_i-Δ为为灰度阈值减小后得到的极值区域，r(i)为i阈值时区域Q_i的变化率；

步骤14，对I_gray求最大稳定极值区域：

当区域Q_ii的变化率r(i)小于阈值T，就认为该区域是最大稳定极值区域。

所述步骤2的具体过程如下：

步骤21，计算每个最大稳定极值区域的面积S，计算每一像素点的RGB值，并判断像素点是否为火焰像素点，其计算公式为：