[发明专利]基于关键帧与快速支持向量机融合的视频火焰识别方法

说明书

本发明公开了一种基于关键帧与快速支持向量机融合的视频火焰识别方法，本方法采集视频并提取视频帧的图像特征作为分类依据；运用PCA算法获取视频图像的主要特征并对视频帧采用k均值聚类算法聚类，根据计算帧间的相似程度对数据对象进行分类，选择不同类别的类中心对应的视频帧作为该类别的关键帧；获取视频的m个关键帧之和，采用加权方式融合m个关键帧的特征，提取视频的静态特征以及动态特征；将静态特征和动态特征作为快速支持向量机的输入向量，快速支持向量机进行分类识别，得到最终的视频火焰识别结果。本方法利用图像处理技术对动火过程进行全程实时自动监视和图像分析，提高监测的准确率和可靠性，确保动火作业的安全。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种基于关键帧与快速支持向量机融合的视频火焰识别方法。

背景技术

动火作业是设备检修中非常重要的一个环节，对保障连续性生产、工艺性修补等现场作业工序具有重要的意义。动火作业包括电焊、气焊、氩弧焊等操作，在其实施过程中通常伴随大量火花四溅。钢铁企业作业现场环境较为复杂，现场角落中经常遗落回丝、角布等易燃物，地面随处可见润滑油/脂，在进行动火作业时，存在较多的安全隐患。针对此类问题，目前，各大钢铁企业积极推出各种安全监护方法，其中最常用方法主要分为两类：(1)在动火作业工作人员身边配置安全监护人员，实时人工监测火灾隐患的发生；(2)安装感温、感烟等传感器进行环境监测。人工监测方式劳动危险性高，且工作强度大，可靠性较差；传感器的监测范围小，且容易丢失监测的数据信息，对于大空间的厂房来说并不适用。随着图像处理及模式识别技术在工业领域的广泛应用，企业生产逐步从人工化向自动化、智能化方向进行发展，因此，实现对动火作业过程的智能监护势在必行，也对企业的安全管理及智能化发展具有重要的意义。

发明内容

本发明所要解决的技术问题是提供一种基于关键帧与快速支持向量机融合的视频火焰识别方法，本方法克服传统动火作业监测的缺陷，利用图像处理技术对动火过程进行全程实时自动监视和图像分析，提高监测的准确率和可靠性，确保动火作业的安全。

为解决上述技术问题，本发明基于关键帧与快速支持向量机融合的视频火焰识别方法包括如下步骤：

步骤一、采集分别含有明火、阴燃和动火作业区域的视频，提取视频帧的图像特征作为分类依据，采用HSV颜色空间获取视频帧的颜色特征；

步骤二、运用主成分分析PCA算法并根据颜色特征获取视频图像的主要特征，对PCA处理后的视频帧采用聚类方法聚类；

步骤三、采用k均值聚类算法聚类，根据计算帧间的相似程度对数据对象进行分类，选择不同类别的类中心对应的视频帧作为该类别的关键帧；

步骤四、获取视频的m个关键帧之和，采用加权方式融合m个关键帧的特征，提取视频的HOG静态特征；

步骤五、在获得关键帧的基础上提取图像的LBP-TOP特征，获得视频的动态特征；

步骤六、将获取的HOG静态特征和动态特征作为快速支持向量机的输入向量，输入快速支持向量机中进行分类识别，得到最终的视频火焰识别结果。

进一步，步骤一中视频帧的图像特征以RGB颜色空间提取颜色直方图作为图像的颜色特征，根据式(1)～式(3)：

其中：R、G、B分别为RGB颜色空间中红、绿、蓝的颜色值，H、S、V分别为HSV颜色空间中色调、饱和度、明度值，

将RGB颜色空间映射到HSV颜色空间，对HSV颜色空间的颜色特征分量进行非等间隔量化，合成一维特征矢量，计算其颜色直方图作为图像的HSV颜色空间的颜色特征。

进一步，步骤三中k均值聚类算法采用下式计算平均视频帧信息，