[发明专利]一种基于多特征融合的快速视频火焰探测方法

摘要

本发明公开了一种基于多特征融合的视频火焰探测方法，特征是计算机在读取由彩色摄像机采集的监控现场第一帧图像时，建立快速高斯混合模型并设置像素计数器；当读取第二帧及其后的新图像，先采用快速高斯混合法进行运动检测提取运动目标；再对提取的运动目标进行火焰颜色决策获取候选火焰区域；最后对获取的候选火焰区域进行闪动分析从而识别出真实火焰目标。本发明对火焰的颜色特征、运动特征及火焰区域的闪动特征进行建模，依据运动、颜色、闪动的识别顺序逐步、快速地排除了各种火焰探测干扰源。测试结果表明，本方法具有较强的鲁棒性，并且，基于AMD 2.04GHz的处理器，对320×240像素的视频图像处理速度达到每秒钟22帧。

主权项

1、一种基于多特征融合的快速视频火焰探测方法，包括将普通彩色摄像机采集的监控现场信息经图像采集卡转化为数字图像序列输入计算机进行处理；其特征在于：当计算机读取第一帧图像时，建立快速高斯混合模型并设置像素计数器；当计算机读取第二帧及其后的每一帧新图像后，进行下列操作：先运用快速高斯混合法进行运动检测提取运动目标，如不存在运动目标，则返回读取新一帧图像；否则，再对提取的运动目标进行火焰颜色决策获取候选的火焰区域，如不存在候选火焰区域，则返回读取新一帧图像；否则，对获取的候选火焰区域进行闪动分析，从而识别出监控现场是否存在真实的火焰目标：如存在火焰目标，则计算机发送指令控制报警器，完成火灾报警后返回读取新一帧图像，否则，计算机直接读取新一帧图像，重新循环；所述计算机读取第一帧图像时建立快速高斯混合模型并设置像素计数器的步骤如下：当计算机读取第一帧红绿蓝图像数据时，对图像中的所有像素设置计数器SUM(x，y，t)，其中的x、y、t分别表示像素的横坐标、纵坐标及出现时刻；初始化第一帧图像的计数器SUM(x，y，0)＝0；以位置交错方式将所有像素划分为主动像素和非主动像素；对各主动像素分别建立一个由K个高斯分布组成的混合模型：P(X→xy,t)=Σk=1Kwxy,k,tη(X→xy,t,u→xy,k,t,Σxy,k,t)]]>式中，X→xy,t=[Rxy,t,Gxy,t,Bxy,t]T]]>为时刻t主动像素(x，y)的观测值，是由红绿蓝颜色分量所确定的三维列向量；K是高斯分布的个数；w_xy，k，t、∑_xy，k，t分别表示时刻t主动像素(x，y)所对应的混合模型中第k个高斯分布的权重、均值向量和协方差矩阵；表示均值向量为协方差矩阵为∑_xy，k，t，观测值为的高斯概率密度；设红绿蓝三种颜色分量的方差相同，则Σxy,k,t=σxy,k,t2En,]]>σ_xy，k，t是时刻t主动像素(x，y)的第k个高斯分布的标准差，E_n为单位矩阵；初始化各高斯分布的权重w_xy，k，t、方差σ_xy，k，t及均值所述计算机读取第二帧及其后的每一帧新图像后运用快速高斯混合法进行运动检测提取运动目标的步骤如下：判定主动像素状态：按权重w_xy，k，t与标准差σ_xy，k，t的比值w_xy，k，t/σ_xy，k，t从高到低排列每个主动像素混合模型中的K个高斯分布，将权重之和刚好大于阈值T_b的前b个高斯分布作为背景子集，其余K-b个高斯分布作为前景子集；按照K个高斯分布排列顺序依次计算观测值与均值向量的距离，将所得K个距离中首先满足小于λσ_xy，k，t所对应的第k个高斯分布选作为观测值的匹配，并将匹配函数M_xy，k，t置为1，否则置为0；若该匹配即第k个高斯分布属于背景子集，则将像素状态置为前景点，否则将其置为背景点；若K个高斯分布中不存在观测值的匹配，则也将像素状态置为前景点；所述计算匹配高斯分布公式为：Mxy,k,t=1,if|X→xy,t-u→xy,k,t|<λσxy,k,t0,otherwise]]>式中的λ为给定常数，M_xy，k，t是时刻t主动像素(x，y)的第k个高斯分布的匹配函数；在K个高斯分布中，若不存在观测值的匹配，则以为均值，增加一个具有较大方差、较小权重的高斯分布，用于替换权重最小的高斯分布；若存在观测值的匹配，则按下面三个更新公式分别更新K个高斯分布的权重w_xy，k，t及匹配的第k个高斯分布的均值向量和标准差σ_xy，k，t，得到t+1时刻的各权重w_xy，k，t+1、匹配高斯的均值向量和标准差σ_xy，k，t+1；所述更新公式为：w_xy，k，t+1＝(1-α)w_xy，k，t+αM_xy，k，tu→xy,k,t+1=u→xy,k,t,if|X→xy,t-u→xy,k,t|<λ1σxy,k,t(1-ρxy,k,t)u→xy,k,t+ρxy,k,tX→xy,t,otherwise]]>σxy,k,t+12(1-ρxy,k,t)σxy,k,t2,if|X→xy,t-u→xy,k,t|<λ1σxy,k,t(1-ρxy,k,t)σxy,k,t2+ρxy,k,t|X→xy,t-u→xy,k,t+1|2,otherwise]]>式中的α是学习速率，λ₁为远小于λ的正数，参数ρxy,k,t=αη(Xxy,t,uxy,k,t,σxy,k,t2I);]]>判定非主动像素状态：依据相邻四邻域的主动像素状态，判定各非主动像素是背景点还是前景点，设m为非主动像素，若相邻四个主动像素U、V、W和X中有多于两个像素为背景点，则非主动像素m也为背景点，反之则非主动像素m为前景点，若四个主动像素中各有两个为前景点和背景点，则求出相邻四个主动像素U、V、W和X的混合模型中优先级最高的高斯分布均值向量的平均值，将其记为非主动像素m当前时刻的均值向量，用表示，非主动像素m被判为背景点的条件是：非主动像素m的观测值与均值向量距离小于阈值T_m，该条件用公式表达为：|X→m,t-u→m,t|<Tm]]>对当前时刻t图像中的所有像素运动检测后，建立只有前景和背景的二值图；所述计算机对提取的运动目标进行火焰颜色决策获取候选的火焰区域的步骤如下：扫描当前时刻t运动检测所得的二值图，若像素为前景点，则判断该像素的原始红、绿、蓝颜色分量是否同时满足三个颜色判据公式，若满足，则将该像素依然设置为前景点，反之则将该像素改为背景点；所述颜色判据公式如下：判据1：R(x，y，t)≥R_T判据2：R(x，y，t)≥G(x，y，t)≥B(x，y，t)判据3：S(x，y，t)＞(255-R(x，y，t))S_T/R_T上述的颜色判据公式中，R(x，y，t)，G(x，y，t)，B(x，y，t)、S(x，y，t)分别代表时刻t像素(x，y)的红、绿、蓝分量和饱和度，R_T为红色分量阈值，S_T是当R分量达到阈值R_T时的饱和度；对时刻t图像中的所有像素颜色决策后，运用腐蚀和膨胀去除孤立的背景点或前景点，再采用八连通区域标记法标记连通区域，去除小连通区域，得到候选的火焰区域；所述计算机对获取的候选火焰区域进行闪动分析从而识别出监控现场是否存在真实火焰目标的步骤如下：计算时刻t与t-1时刻连续两帧图像对应像素的亮度差ΔI(x，y，t)，亮度可表示为各像素的红、绿、蓝颜色分量的加权平均值；所述亮度差的计算公式如下：ΔI(x，y，t)＝I(x，y，t)-I(x，y，t-1)式中，I(x，y，t)和I(x，y，t-1)分别表示像素(x，y)在时刻t和t-1时刻的亮度值；根据亮度差的绝对值|ΔI(x，y，t)|与阈值T_I的大小进行计数器累加，若亮度差的绝对值|ΔI(x，y，t)|小于T_I，计数器SUM(x，y，t)加0，反之加1；所述进行计数器累加的公式为：SUM(x,y,t)=SUM(x,y,t-1)+1,if(|ΔI(x,y,t)|≥TI)SUM(x,y,t-1)+0,if(|ΔI(x,y,t)|<TI)]]>式中，SUM(x，y，t)和SUM(x，y，t-1)分别表示像素(x，y)在时刻t和t-1时刻的计数器值，T_I为阈值；统计t时刻各候选火焰区域中的像素是否满足像素闪动条件，像素闪动条件表示为：(SUM(x，y，t)-SUM(x，y，t-n))＞SUM₀式中，SUM(x，y，t)和SUM(x，y，t-n)分别表示像素(x，y)在t和t-n时刻的计数器值，n是设定的时间步长，SUM₀是像素闪动阈值；将第i个候选火焰区域中满足像素闪动条件的像素总数记为N_is0，及该区域中的前景点总数记为N_iRECT；接着判断当前图像中的各候选区域是否满足火焰闪动条件，火焰闪动条件即：计算第i个候选火焰区域中满足像素闪动条件的像素总数N_is0与该区域中的前景点总数N_iRECT的比值，判断其比值是否大于阈值ρ，若该比值大于阈值ρ，则该区域为识别的火焰区域；火焰闪动条件用公式表示为：N_is0/N_iRECT＞ρ若计算机当前读取的图像经闪动分析判断存在真实的火焰目标，则计算机发送指令，控制报警器完成火灾报警。