[发明专利]基于LBP高斯金字塔的烟雾识别方法和系统

权利要求书

1.一种基于LBP高斯金字塔的烟雾识别方法，其特征在于，包括以下步骤：

S100.获取待判别的疑似烟雾区域图像，提取疑似烟雾区域图像的步骤包括：

S110.采用运动检测算法提取出视频帧中的运动区域目标；

S120.采用中值滤波、膨胀、腐蚀的形态学方法处理运动区域目标，得到运动区域图像；

S130.采用颜色分割方法提取出疑似烟雾区域图像；

S200.灰度化处理疑似烟雾区域图像，对疑似烟雾区域灰度图l₁进行高斯平滑和抽样处理，得到尺寸的疑似烟雾区域灰度图l₂，再对尺寸的疑似烟雾区域灰度图l₁进行高斯平滑和抽样处理，得到尺寸的疑似烟雾区域灰度图l₃，反复执行上述高斯平滑和抽样处理过程，以获得尺寸的疑似烟雾区域灰度图l_n，其中n≥2，由n个不同尺寸的疑似烟雾区域灰度图l₁、l₂…l_n组成金字塔灰度图；

S300.采用P＝8,R＝1的LBP算子分别计算得到金字塔灰度图中n层图像l₁、l₂…l_n对应的二进制LBP编码，并采用旋转不变模式和等价模式对各层图像对应的LBP编码进行降维；任意一层图像对应9种LBP编码模式，统计各LBP编码模式出现的次数以求得各层图像的LBP特征值，任意图层对应9个特征值；

S400.以金字塔灰度图的n层图像对应的共计9×n个特征值构成AdaBoost模型的输入向量，并根据该输入向量判别烟雾真实性。

2.根据权利要求1所述的基于LBP高斯金字塔的烟雾识别方法，其特征在于，所述的步骤S200中，提取尺寸的疑似烟雾区域灰度图l_n的步骤包括：

S211.使用一个5×5的高斯低通滤波器对疑似烟雾区域灰度图l_n-1进行平滑处理；

S212.对高斯平滑处理后的图像进行抽样，取偶数行和偶数列的像素点组成尺寸的疑似烟雾区域灰度图l_n。

3.根据权利要求1所述的基于LBP高斯金字塔的烟雾识别方法，其特征在于，所述的步骤S300中，计算LBP编码的过程包括：

S311.采用尺度为3×3的LBP算子计算LBP特征，将当前中心像素点的灰度值作为阈值，若邻域像素点的灰度值大于等于该阈值，则标记为1，若小于该阈值，则标记为0；

S312.按照顺时针方向将这八个比特位串联起来，得到LBP二进制编码；

S313.采用旋转不变性的LBP算子，即不断顺时针旋转邻域7次得到8个基本的LBP编码，取其最小值作为该邻域的LBP编码；

S314.采用LBP等价模式进行降维，若LBP编码最多只包含两次从1到0或从0到1的跳变，即为等价模式类，若包含大于两次的跳变，则为混合模式类；

S315.经过旋转不变模式和等价模式对LBP编码进行降维后，LBP编码模式种类从2⁸种降为9种，统计每种LBP编码模式出现的次数。

4.根据权利要求3所述的基于LBP高斯金字塔的烟雾识别方法，其特征在于，所述的步骤S300中，提取各层金字塔灰度图LBP特征值包括：

S321.计算金字塔灰度图各层图像中像素点的LBP编码；

S322.统计经过旋转不变模式和等价模式降维处理后各层图像每种LBP编码出现的次数，记为统计9种LBP编码的总数其中

S323.计算各层图像每种LBP编码的占比作为LBP特征值，记为其中

5.根据权利要求1所述的基于LBP高斯金字塔的烟雾识别方法，其特征在于，所述的步骤S400中，所述AdaBoost模型的训练方法如下：

S411从烟雾和伪烟雾干扰视频中各选600帧图像作为样本，并从中提取各金字塔图像的9×n个LBP特征值；

S412将1200组金字塔图像LBP特征值作为输入向量，训练得到AdaBoost学习模型。