[发明专利]一种基于目标跟踪和多特征融合的大空间火焰检测方法

权利要求书

1.一种基于目标跟踪和多特征融合的大空间火焰检测方法，其特征在于，包括以下步骤：

S1输入火焰视频图像，利用改进的混合高斯模型的背景差法和颜色分割提取疑似火焰区域，得到疑似火焰区域的二值图像；

S2通过运动目标跟踪获得后续帧中与疑似火焰区域中各目标相匹配的疑似火焰目标；

S3提取疑似火焰目标的形状特征、形态重叠度特征和面积变化率特征，并基于特征融合进行火焰检测。

2.根据权利要求1所述的一种基于目标跟踪和多特征融合的大空间火焰检测方法，其特征在于，所述S1具体包括：

S1.1利用改进的混合高斯模型背景差法进行运动区域提取；

S1.2采用OHTA颜色空间进行颜色分割，得到颜色分割结果；

S1.3所述运动前景区域和所述颜色分割结果进行取交集操作，得到疑似火焰区域。

3.根据权利要求1所述的一种基于目标跟踪和多特征融合的大空间火焰检测方法，其特征在于，所述S2具体包括：

S2.1利用基于积木的特征提取方法提取二值图像中目标的外接矩形、重心坐标、周长的特征信息；

S2.2根据所述外接矩形、重心坐标、周长的特征信息，使用卡尔曼滤波跟踪预测下一帧中对应的目标区域，在下一帧中的预测区域进行目标匹配。

4.根据权利要求1所述的一种基于目标跟踪和多特征融合的大空间火焰检测方法，其特征在于，所述S3具体包括：

S3.1火焰形状特征提取；

S3.2火焰目标的形态重叠度特征提取；

S3.3火焰目标的面积变化率特征提取；

S3.4根据所述火焰形状特征、形态重叠度特征以及面积变化率特征建立特征融合模型，并进行火焰检测。

5.根据权利要求2所述的一种基于目标跟踪和多特征融合的大空间火焰检测方法，其特征在于，

所述S1.1包括：

S1.1.1建立混合高斯模型；

S1.1.2背景参数更新；

S1.1.3利用背景训练变量来改进混合高斯模型的背景更新方式，并且提取运动前景区域；

所述S1.2包括：

S1.2.1把RGB图像转换成OHTA色彩空间内各个颜色特征的灰度图像，即得到分量图像I1、分量图像I2和分量图像I3，具体如下公式所示，

I 1 = ( R + B + G ) / 3 I 2 = ( R - B ) / 2 I 3 = ( 2 G - R - B ) / 4 ]]>

S1.2.2分别对I2和I'2采用Ostu算法进行二值化处理；

S1.2.3对I2和I'2的二值图像取交集，再进行高斯滤波处理得到最终颜色分割结果。

6.根据权利要求4所述的一种基于目标跟踪和多特征融合的大空间火焰检测方法，其特征在于，

所述特征融合模型如下公式所示，

G i = α C · nC i T + β S · nS i T + γ R · nR i T ]]>

其中，Gi为检测出疑似火焰区域的第i个目标为火焰的概率，αC、βS和γR分别为三个帧数统计值nCi、nSi和nRi的权值，三个权值之和为1，nCi为疑似火焰区域的第i个目标的圆形度特征帧数统计值，nSi为疑似火焰区域的第i个目标的形态重叠度特征帧数统计值，nRi为疑似火焰区域的第i个目标的面积变化率特征帧数统计值；

其中，αC取值0.4，βS取值0.4，γR取值0.2，T为判定火焰是否存在的一个周期，T取值25，即每一个T周期启动一次判定；

设定存在火焰的概率阈值为Fture，当Gi＞Fture时，判定存在火焰目标，若是存在火焰，则进行火灾报警。