[发明专利]一种消防机器人智能火焰燃烧状态识别方法

说明书

本发明涉及一种消防机器人智能火焰燃烧状态识别方法，包括：对原始图像进行分割预处理；计算分割处理图像与边缘图像的径向Tchebichef矩旋转、平移和缩放不变量，构建多特征复合向量；将多特征复合向量，输入预先建立并训练好的改进型萤火虫算法‑小波支持向量机模型中，最终获取火焰燃烧状态的分类识别结果；改进型萤火虫算法‑小波支持向量机模型在萤火虫算法中引入改进型步长因子与改进型吸引度，对小波支持向量机核参数进行迭代搜索优化，获取最优核参数。本发明不受火焰在视野场景中位置、方向以及火焰与图像设备之间距离的影响，算法优化效率高，识别性能强，能够有效识别分类火焰的燃烧状态，辅助消防机器人后续进行针对性灭火作业。

技术领域

本发明涉及消防机器人领域，尤其是涉及一种消防机器人智能火焰识别方法。

背景技术

随着国民经济和城市化建设的飞速发展，各种大型化学用品仓储用房、高层楼宇建筑、大跨度商业建筑鳞次栉比。该类建筑通常具有人员流动性大、储存可燃物质多、内部通道错综复杂等特点，一旦发生火灾，极易造成国家财产损失与人员伤亡。消防机器人作为一种智能消防手段，在面临未知复杂的火场环境时，可以代替消防员完成对火场环境的侦察与信息反馈，第一时间执行灭火工作。在消防机器人执行灭火工作的过程中，精确识别火焰最为关键。

火焰图像识别是一项新颖的图像识别检测技术，通过采用先进的识别算法对图像进行智能分析，提取火焰的运动、边缘轮廓、颜色和空间差异等特征，对火焰本身直接进行实时识别。例如专利CN104504382B通过内外焰提取算法找到火焰的最高点以及重心，记录两点坐标上的RGB值，并与标准火焰RGB特征库进行比较得出一个匹配值，最后通过匹配值大小判定图像是否为火焰图像。又如专利CN101826153A检测当前帧的运动轮廓并提取运动区域，通过对运动区域中像素点进行颜色-时域-空域的统一滤波，以标记火焰像素点，并根据火焰像素点的数量来判定是否启动火灾报警。专利CN104766094B在未发生火灾的情况下，提取R值和G值的数量作为判别特征，当监控的待测图像中R值与G值的数量明显异常时，通过异常情况判定火情。

但是，正如上述方法一样，现有的大多数方法只能识别出一幅图像是否含有火焰，不能识别出火焰的燃烧状态等关键火情信息，无法辅助消防机器人制定完善的灭火方案。而且，这些火焰识别方法对图像的旋转、平移和缩放非常敏感，易受火灾在视野场景中位置、方向以及火焰与图像设备之间距离的影响，不适合用于经常处于运动的消防机器人中。

发明内容

本发明的目的在于提供一种消防机器人智能火焰燃烧状态识别方法，以克服上述现有技术中存在的不能识别燃烧状态，处理图像的视觉角度单一，缺乏对图像旋转、平移和缩放等敏感问题处理能力的缺陷。

本发明的目的可以通过以下技术方案来实现，包括：

图像采集：使用摄像机采集一系列的候选图像构建图像数据集，并将采集到的图像数据集分为训练样本集和测试样本集；

分割预处理：采用基于YCbCr色彩空间的颜色判据分割规则，对所述训练样本集和测试样本集的原始图像进行处理，获得相应的分割处理图像，再使用Canny算子对所述分割处理图像进行边缘检测处理，提取疑似火焰区域的轮廓，获得边缘图像；

火焰特征提取：计算所述分割处理图像与所述边缘图像的径向Tchebichef矩的旋转、平移和缩放不变量，分别获得区域矩不变量和轮廓矩不变量，组合两者构建描述火焰特征的多特征复合向量；

改进型萤火虫算法-小波支持向量机构建：基于所述训练样本集的多特征复合向量，初始化预先建立的改进型萤火虫算法，通过引入的改进型步长因子与改进型吸引度，对萤火虫转移过程中的小波支持向量机核参数进行迭代搜索优化，直至达到预设的最大迭代次数，获取最优核参数，进而构建改进型萤火虫算法-小波支持向量机模型；