[发明专利]一种基于视频图像的实时烟雾场景检测方法

摘要

本发明通过对训练视频库中的视频使用背景减法中码本模型进行运动前景提取，针对残缺前景图使用高斯膨胀法进行完善和补偿，得到较为完整的运动前景图，然后根据运动前景图分别提取运动目标的静态特征(颜色、轮廓、能量、梯度)和动态特征(像素抖动、扩散、质心速度)，通过支持向量机对这些特征进行整合，训练出烟雾模型，在检测阶段通过运动目标的静态和动态特征与烟雾模型的对比进行检测，如果符合烟雾模型就进行报警。

主权项

一种基于视频图像的实时烟雾场景检测方法，包括以下步骤：步骤一：对视频中的运动目标进行前景提取，运动前景提取采用的是背景减法中的码本模型，分别根据运动目标的颜色的亮度和颜色相似度建立背景模型，对于一定时间内对背景模型进行更新以及去除冗余信息。在检测阶段，当当前像素在码本中没有找到匹配的像素时，在码本中添加新的码元，并对码本模型进行更新；步骤二：对于步骤一中得到的运动前景图使用高斯膨胀法进行补偿，即在运动前景图边缘建立高斯核，利用高斯核内的前景点分别求取前景像素的均值和方差，利用高斯分布求取非前景点属于前景点的概率，利用概率与设定的阈值的关系判定是否把非前景点膨胀为前景点。步骤三：对于前景图对应的运动目标，提取它们的静态特征，包括颜色、轮廓、能量、梯度特征，并求取这些特征的特征值；步骤四：对于前景图对应的运动目标，提取它们的动态特征，包括像素抖动、扩散(面积改变率和轮廓改变率)、质心速度特征，并求取这些特征的特征值；步骤五：使用svm对运动目标的静态和动态特征进行训练，在结构风险最小原理上寻找分类面，从而得到烟雾模型和非烟雾模型；步骤六：检测阶段，使用运动目标特征与烟雾模型进行对比，对于符合烟雾模型的运动目标进行报警。