[发明专利]一种基于可变卷积核的烟雾明火检测算法

权利要求书

1.一种基于可变卷积核的烟雾明火检测算法，其特征在于，包括以下步骤：

步骤1：通过摄像设备对行人的视频图像进行多方向采集，并发送至计算机数据库内；

步骤2：对采集的多个视频图像数据分别进行预处理，突出视频图像中局部的行人图像；

步骤3：对各个预处理后视频图像数据中行人的局部图像分别进行追踪，并对各个图像数据中的人脸图像进行特征提取；

步骤4：将提取的多个特征与数据库内的数据进行对比，并完成对行人的身份认证；

步骤5：将无法完成身份认证的人脸数据进行记录，并储存于数据库内。

2.根据权利要求1所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤1中，通过多个摄像头和照明灯对行人的视频图像数据进行采集，并通过yolov2算法对视频图像数据进行检测，并将检测有行人的视频图像数据进行记录，并通过网络发送至计算机内的数据库中。

3.根据权利要求2所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤2中，在计算机数据库中通过SVLM算法对采集的多个视频图像数据中行人的图像分别进行局部增强，并突出各个行人图像，先将彩色图像转化为灰度图像，计算公式如公式(1)所示：

I(x,y)＝0.299×R(x,y)+0.578×G(x,y)+0.114×B(x,y) (1)

其中R(x,y)、G(x,y)、B(x,y)分别代表像素(x,y)处的红绿蓝灰度值，I(x,y)代表坐标(x,y)处的像素灰度值，将该灰度图像与二维高斯函数卷积，如公式(2)所示：

其中L(x,y)为经过高斯滤波后的图像，F(x+i,y+j)代表尺度为m×n的二维高斯函数，该运算是一个低通滤波的过程，F(x,y)函数的定义如公式(3)所示：

F_g(x,y)＝q×exp(-(x²+y²)/σ²) (3)

其中q是将高斯函数归一化的系数，如公式(4)所示：

∫∫q×exp(-(x²+y²)/σ²)dxdy＝1 (4)

σ决定了高斯模板的尺度大小，尺度越大则模板中包含的邻域像素信息就越多；输入图像经过不同尺度σ的高斯模板，得到的图像L将会包含不同范围的邻域信息。将这些图像求和再取平均，得到的均值图像即为SVLM图像；再通过恢复公式(5)将增强后的灰度图像恢复成彩色图像，如恢复公式(5)所示：

其中，S(x,y)为增强后图像；R'(x，y)、B'(x，y)和G'(x，y)分别为彩色恢复后的红色、蓝色和绿色分量；β∈(0，1]为色度调整参数。

4.根据权利要求3所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤3中，通过提取各个局部增强后的视频图像数据中各帧间行人的运动信息，对各个视频图像数据内行人的运动轨迹进行预测及定位，再通过Cascade级联检测器对定位后的行人脸部位置进行定位，并对人脸位置进行局部增强，再对移动各个视频图像中行人脸部图像增强后的特征进行提取。

5.根据权利要求4所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤3中，通过SVM追踪算法对目标局部的运动轨迹进行预测和定位。

6.根据权利要求5所述的一种基于可变卷积核的烟雾明火检测算法，其特征在于：所述步骤4中，将实时采集人脸部图像的多个数据特征与数据库中人脸库特征集内的数据进行相似度比对，对实时采集的行人身份进行认证。