[发明专利]基于视觉图像识别的消防分级预警算法

权利要求书

1.基于视觉图像识别的消防分级预警算法，其特征在于，包括：

获取多个火灾发生时刻的图像，并进行预处理得到灰度图像；

从所述灰度图像中提取出多个图像特征，并利用最大相关最小冗余算法筛选出关键特征；

构建高斯混合模型，并利用所述关键特征和火灾级别进行训练学习，建立高斯混合模型和半监督高斯混合模型的联合模型；

实时获取监测区域的监测图像，并将所述监测图像的关键特征输入所述联合模型，判断所述监测区域的预警级别。

2.如权利要求1所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述图像特征包括烟雾形态特征、烟雾颜色特征、烟雾纹理特征、火焰颜色特征、火焰纹理特征、形状变化和面积变化。

3.如权利要求2所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述预处理包括：

遍历并计算所述图像的每个像素点的灰度值；

选择一个长为L的滑动窗口，其中L＝2N+1，N为正整数；

遍历每个像素，计算出每个像素点L×L邻域内灰度值并排序，找出中值；

用所述中值替代该像素的灰度值。

4.如权利要求3所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述烟雾形态特征的提取，具体包括如下步骤：

通过对所述灰度图像中互不连通的颗粒区域进行标号，可得到颗粒个数；

对烟雾颗粒在水平面投影的横截面积内的像素进行统计计算，得到烟雾面积A＝πmn，其中m表示烟雾颗粒长半轴，n表示烟雾颗粒短半轴；

通过计算颗粒脊线的像素数目得到颗粒周长C＝2πn+4(m-n)。

5.如权利要求4所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述纹理特征的提取，具体包括如下步骤：

设定像素位移参数(a,b)，a表示角度，a∈(0°,45°,90°,135°)，b表示距离；

单个像素点及其偏移点生成灰度值对；

遍历每个像素点生成灰度共生矩阵，并计算所述灰度共生矩阵的特征值。

6.如权利要求5所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述特征值包括能量、对比度、逆差距和熵。

7.如权利要求6所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述形状变化的提取，具体包括如下步骤：

将所述灰度图像划分为多个区块；

采用帧间差分法分别计算所述区块的绝对误差，将所述绝对误差大于阈值的区块作为运动区块；

把整个平面分为8个方向，即0°,45°,90°,135°，180°，225°,270°,315°，5，并依次标记为方向1～8；

分别计算所述运动区块在所述8个方向上的绝对误差；

将所述绝对误差最小值对应的方向作为区块运动方向；

所述绝对误差的计算公式为：

其中，S表示绝对误差，(i,j)表示像素坐标，l表示运动区块，g表示灰度值，t表示当前时刻。

8.如权利要求7所述的基于视觉图像识别的消防分级预警算法，其特征在于，所述筛选出关键特征包括：

建立所述图像特征综合集X_r×k＝{X₁,X₂,…X_k}，X表示特征值，r表示样本数，k表示特征维数；

计算每个所述图像特征和火灾级别互信均值，并进行排序，选取前z个图像特征作为与火灾级别相关性最大的特征；

用最小冗余准则来剔除所述相关性最大的特征中的冗余特征；

其中，maxR₁(Φ,E)表示互信息的均值，Φ表示具有z个特征X_f的特征子集，E表示火灾级别，minR₂(Φ),R₂表示最小冗余，x，y表示两个连续随机变量，p(x)表示变量x的概率密度，p(y)表示变量y的概率密度，p(x，y)表示变量x，y的联合概率密度。