[发明专利]一种森林火灾检测方法及系统

说明书

本发明提供的森林火灾检测方法及系统，根据获取的实时视频图像在Lab空间进行显著性区域筛选得到粗选区域，在所述粗选区域中对火灾图像进行特征提取，利用SVM对正负样本数据进行训练与分类，基于分类结果根据判别准则对森林火灾进行检测，从而提高森林了火灾检测效率；且由于针对小范围的森林图像进行分析，检测发生林火的可能性，能够检测小面积火灾，减少损失。

技术领域

本发明涉及机器视觉技术领域，特别涉及一种森林火灾检测方法及系统。

背景技术

森林防火是有利于国计民生的热点问题，目前，森林火灾监测技术主要包括人工监测、瞭望塔监测、有人/无人机监测和卫星监测等，在林火检测和识别方面则主要依赖于有经验的操作人员肉眼观察或计算机半自动辅助判读。人工肉眼观察效率低，现有的林火检测与识别算法易受天气、光照等的变化影响，检测正确率较低；同时，只能检测到大面积火灾，对小范围林火难以检测。

发明内容

有鉴如此，有必要针对现有技术存在的缺陷，提供一种对火灾检测率高且可以检测小范围林火的森林火灾检测方法。

为实现上述目的，本发明采用下述技术方案：

一方面，本发明提供了一种森林火灾检测方法，包括下述步骤：

获取实时视频图像；

根据所述视频图像在Lab空间进行显著性区域筛选得到粗选区域；

在所述粗选区域中对火灾图像进行特征提取；

利用SVM对正负样本数据进行训练与分类；及

基于分类结果根据判别准则对森林火灾进行检测。

在一些较佳的实施例中，在Lab空间进行显著性区域筛选的步骤中，包括下述步骤：

将采集的RGB图像转换到Lab空间；

在Lab空间利用视觉显著性检测算法对火灾图像进行提取；

根据真实火灾RGB图像中R≥G＞B的先验知识，对火灾图像进行粗筛选。

在一些较佳的实施例中，在所述粗选区域中对火灾图像进行特征提取的步骤中，具体包括下述步骤：

以一定大小的窗口在粗筛选区域的外接矩形轮廓内滑动，并结合相邻N帧图像同一区域的信息，计算窗口区域为火灾区域的概率；

利用Gabor滤波器生成8个方向的卷积核，与图像进行卷积操作，得到8个特征图像；

根据8个特征图像生成火灾目标特征的自相关矩阵，得到目标特征。

在一些较佳的实施例中，所述窗口的大小为5×5。

在一些较佳的实施例中，当所述计算窗口区域为火灾区域的概率大于60％，则该窗口区域在计算目标特征时才予以使用。

在一些较佳的实施例中，在根据判别准则对森林火灾进行检测的步骤中，具体包括下述步骤：

若当前像素为火点，则其八邻域内至少有3个点为火点，即当前像素点f(x,y)，如果其被SVM分类为正样本，标记为1；为负样本，标记为0，则火灾图像的判据可表示如下：

其中，N₈(f(i))表示f(i)的8邻域像素。

另一方面，本发明还提供了一种森林火灾检测系统，包括：

图像获取单元，用于获取实时视频图像；

疑似区域筛选单元，用于根据所述视频图像在Lab空间进行显著性区域筛选得到粗选区域；