[发明专利]基于视觉图像识别的消防分级预警算法

说明书

本发明公开了基于视觉图像识别的消防分级预警算法，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，并将监测图像的关键特征输入联合模型，判断监测区域的预警级别。本发明通过筛选关键特征去除对火灾预警相关性小的特征，提高计算效率，通过建立基于高斯混合模型和半监督高斯混合模型的联合模型，能够有效提高模型计算的准确度。

技术领域

本发明涉及消防预警领域，特别涉及基于视觉图像识别的消防分级预警算法。

背景技术

目前的火灾报警一般通过采用火灾探测器实现。火灾探测器包含感烟、感温和感光三种类型，在普通的室内环境下，上述三种类型的火灾探测方式单独或联合使用，可较好地发挥火灾报警作用，但是也存在较大的局限性，感烟探测器由于各种原因会有误报和漏报的情况发生。误报率较高，会给监控人员带来一些不便，但漏报的情况更为严重，一旦发生火灾，失效的探测器作用为零。传统的感温探测器对温度敏感，但火灾初期温度不高，故不适于早期报警，在一定条件下，温度的升高不一定是由于火灾引起的，天气火热时易产生误报。感光探测器。由于并非只有火灾才会产生红外和紫外光，其它如电焊弧、烘箱、闪电、X射线、白炽灯等亦可能发出相应波段的光，所以在实际应用中，感光探测器容易受到外界环境的影响而发生误报。

为了弥补火灾探测器的不足，图像型火灾监测系统才会应运而生，且受到了国内外的高度重视。

发明内容

本发明的目的是为了克服现有技术存在的缺点，提供基于视觉图像识别的消防分级预警算法，通过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，通过筛选灰度图像的关键特征去除对火灾预警相关性小的特征，通过建立基于高斯混合模型和半监督高斯混合模型的联合模型，计算实时检测区域的预警级别。

本发明的技术方案为：

基于视觉图像识别的消防分级预警算法，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，并将监测图像的关键特征输入联合模型，判断监测区域的预警级别。

优选的是，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。

优选的是，预处理包括：

遍历并计算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；

用中值替代该像素的灰度值。

优选的是，烟雾形态特征的提取，具体包括如下步骤：

通过对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)。

优选的是，纹理特征的提取，具体包括如下步骤：