[发明专利]一种基于视频监控的香烟烟雾检测方法

摘要

一种基于视频监控的香烟烟雾检测方法，所述方法分为分类器训练阶段和香烟烟雾的检测阶段。分类器训练阶段提取所有准备的正、负样本集的几何特征和Hog特征，利用支持向量机训练所提取的特征向量，生成分类器；香烟烟雾的检测阶段，首先将监控摄像头获取的视频图像，采用混合高斯模型算法获取前景运动区域，然后采用形态学滤波去除噪点和空洞，再通过香烟烟雾的特性统计X、Y方向投影直方图，得到精确的感兴趣区域，最后提取感兴趣区域的特征并组合成特征向量输入分类器，判断感兴趣区域是否存在香烟烟雾。本发明方法具有抗干扰能力强、检测灵敏度高、误报率低等优点，能够实时的识别吸烟烟雾并确认烟雾的位置，有助于室内公共场所的控烟工作。

主权项

一种基于视频监控的香烟烟雾检测方法，其特征在于：所述检测方法由分类器训练阶段和香烟烟雾检测阶段来实现；(1)分类器训练阶段的步骤如下：(1‑1)通过监控摄像头在多个不同场景下采集有香烟烟雾和无香烟烟雾的视频，将这些视频保存为连续的视频帧，含有香烟烟雾的视频样本为正样本，无香烟烟雾的视频样本为负样本，截取正、负样本；(1‑2)将截取的正、负样本缩放到大小相同的尺寸；(1‑3)分别提取所有正、负样本的Hog特征及样本的几何特征，Hog特征即每个像素点的梯度大小和方向；对所有正负样本赋予样本标签，样本标签是正样本为1、负样本为‑1；将所得正、负样本的特征向量及样本的标签输入到支持向量机SVM中进行学习，将结果保存为文本文件即生成分类器；(2)香烟烟雾检测阶段的步骤如下：(2‑1)通过监控摄像头获取视频图像，对获得的现场视频图像进行采样以获得连续的现场图像序列；(2‑2)采用混合高斯模型算法提取前景目标区域；(2‑3)对提取到的前景目标区域进行形态学操作，去除运动区域中的噪点和空洞；(2‑4)对经过形态学运算后的图像进行二值化，使用最大类间方差法算法求解最佳二值化阈值；采用最大类间方差法计算得到的阈值对前景图像进行二值化操作；(2‑5)统计二值化图像在X方向和Y方向投影直方图；(2‑6)统计每一帧感兴趣区域内的像素个数，排除微小面积变化引发的干扰，然后提取感兴趣区域的几何特征、Hog特征；(2‑7)将感兴趣区域提取的几何特征、Hog特征组合成运动特征向量，输入到分类器中，判断感兴趣区域是否存在吸烟行为产生的烟雾，若判断出现场场景中存在香烟烟雾，则启动报警并保存该帧图像；若判定场景中不存在香烟烟雾，跳至步骤(2‑1)，循环执行。