[发明专利]一种面向园林监控的VR视频实时检测方法

说明书

本发明公开了一种面向园林监控的VR视频实时检测方法，首先用快速中值滤波法对VR摄像机所拍摄的未经融合的几张不同角度的图像进行降噪处理，并采用Diagonal‑Offset颜色转换模型进行颜色转换以去除光照对图片的影响。然后对图片进行基于空间相关性的色彩均值处理，使用RGB颜色模型提取烟雾候选区，提取烟雾的RGB静态特性，采用改进的帧差法提取烟雾的运动特性，对其结果进行孔洞填充，并结合RGB颜色模型对改进的帧差法进行阴影消除。使用方向梯度直方图（HOG）和局部二值模式（LBP）提取烟雾运动区域的纹理特性。训练SVM分类器，之后进行分类。最后进行后处理，确定烟雾运动方向、速度和扩散程度，获得烟雾扩散的各类信息。

技术领域

本发明涉及一种面向园林监控的VR视频实时检测方法，属于计算机视觉和面向园林的智能VR监控领域。

背景技术

随着信息技术的发展，互联网+的思维贯穿各行各业。智慧园林就是将物联网、智能终端、大数据云计算等新兴的信息技术与现代生态园林相融合，达到人与自然的互感、互知、互动。但是在新兴技术与生态园林融合的过程中仍存在许多问题或痛点。本发明基于计算机视觉领域和智慧园林领域提出了一种面向园林场景的VR视频实时检测方法，具体涉及智慧园林场景中烟雾的检测、追踪和评估。

传统的火灾探测器通常是对某个特定的信息特征进行判断，温感探测器、烟感探测器、光感探测器等均容易受到环境和空间的影响。在相对空旷的园林场景中更是受温度天气等的影响，导致识别效率低，甚至探测不到烟雾和火灾的发生。而园林当中的喷灌系统也时常会由于各种问题出现故障而不能及时工作。近几年来，随着图像处理技术和计算机视觉的快速发展，基于视频图像的火灾检测技术也慢慢发展起来，它不仅适用于复杂、空旷的室外环境，而且在检测率和误报率方面都有了很大的改善。

视频图像火灾检测在实际应用中具有广阔的应用前景，目前也取得一些成果， B.U. Toreyin等提出了基于小波变换的视频烟雾实时检测；ZhouBL等提出了一种结合动态和静态特征的视频烟雾检测算法，该算法能够快速、准确检测火灾烟雾，但是当存在与烟雾类似的非烟雾物体时会产生误报，不易区分烟雾与伪烟雾；L.Wang提出了一种基于视频烟雾多特征融合的火灾烟雾早期识别方法，首先利用高斯混合模型和背景差法提取前景中烟雾可疑区域，其次运用数字图像处理技术提取可疑区域的颜色、背景模糊、轮廓不规则性和运动等特征，最后形成特征向量作为支持向量机(Support Vector Machine SVM)分类器输入，同时采用粒子群算法优化支持向量机(SVM)分类器提高烟雾的检测精度；YaocongH0等提出了基于时空特征的火灾烟雾识别方法，通过卷积神经网络自动提取烟雾目标区域深层特征后进行分类，完成火灾烟雾的识别。

发明内容

为克服传统的火灾检测技术存在的一系列问题，满足检测过程的实时性与准确性，本发明提出一种面向园林监控的VR视频实时检测方法。

为实现上述发明目的，本发明采用如下技术方案：

一种面向园林监控的VR视频实时检测方法，包括以下步骤：

（1）建立包含若干正负样本的烟雾训练样本集，其中正样本为带有不同程度烟雾的VR摄像机所拍摄的图像，负样本为不带有烟雾的VR摄像机所拍摄的图像；

（2）采用快速中值滤波算法对烟雾训练样本集中的图像进行降噪处理，并采用Diagonal-Offset颜色转换模型对降噪处理后的图像进行颜色转换；

（3）对每张颜色转换后的图像进行基于空间相关性的色彩均值处理，在色彩均值处理后的图像中出现某张图像与其他图像不同且不同之处满足烟雾色彩均值条件，则将该张图像作为烟雾候选图像；

（4）使用RGB颜色模型提取烟雾候选图像中的烟雾候选区，其中烟雾候选区的像素点同时满足：、和，R、G、B分别表示像素点在RGB色彩空间R、G、B通道的值；