[发明专利]一种基于运动检测和多特征提取的火焰智能识别方法

权利要求书

1.一种基于运动检测和多特征提取的火焰智能识别方法，其特征在于，该方法具体包括以下步骤：

S1输入视频图像，利用改进的混合高斯模型的背景差法和基于OHTA的颜色分割提取疑似火焰区域；

S1.1利用改进的混合高斯模型背景差法进行运动前景区域提取；

S1.2采用OHTA颜色空间进行颜色分割；

S1.3将步骤S1.1的运动前景区域和S1.2的颜色分割结果进行取交集操作，得到疑似火焰区域；

S2提取特征向量，该特征向量包括疑似火焰区域静态特征、动态特征；

S2.1静态特征提取；

S2.2提取高频能量的动态特征；

S3输入特征向量，进行基于SVM的火焰智能识别。

2.根据权利要求1所述的一种基于运动检测和多特征提取的火焰智能识别方法，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。

3.根据权利要求2所述的一种基于运动检测和多特征提取的火焰智能识别方法，其特征在于，所述S1.1.1包括：

图像的每个像素块服从高斯概率分布，并用K维高斯分量的线性加权组合，假设第i个像素块的均值为标准差为σ_i,t，该像素块在第t时刻属于背景的数学模型为：

其中，j表示某个混合高斯模型，j＝1,2,...K，K表示混合高斯模型的个数，表示t时刻第i个像素块的第j个高斯模型的权值，其中满足表示t时刻第j个高斯分布，其定义为：

其中，∑_i,t为协方差矩阵表示像素点在t时刻第i个像素块的第j个高斯模型的标准差，n为的维数。

4.根据权利要求2所述的一种基于运动检测和多特征提取的火焰智能识别方法，其特征在于，所述S1.1.2包括：

当采集到新的图像的像素块的均值时，通过下面公式(3)的模型匹配的判决条件来判断新的图像的像素块是否与K个高斯分布匹配；

其中，为t时刻采集到的新的图像的第i个像素块的均值，为t-1时刻第i个像素块的第j个高斯分布的均值，为t-1时刻第i个像素块的第j个高斯分布的标准差；

若是满足公式(3)，则可认为当前t时刻第i个像素块的均值与第j个高斯分布匹配，并按照下面公式(4)～(7)进行相应背景参数更新；

其中，为在t时刻第i个像素块的第j高斯分布的权值，为为t时刻第i个像素块的第j高斯分布的均值，为t时刻第i个像素块的第j高斯分布的标准差，∑_i,t为协方差矩阵，为学习效率，ρ为第二背景更新率；

对于其他与像素块均值不匹配的高斯分布模型，通过衰减处理减少其权值，衰减处理如下面公式(8)所示：

若当前像素块均值如不存在可以匹配的高斯模型，则建立一个新的高斯模型来代替最小的高斯模型，其中，为在t时刻第i个像素块的某个高斯模型的权值，为在t时刻第i个像素块的该高斯分布的标准差，该新的高斯模型以当前像素点X_t的像素值为均值，并初始化一个大的方差；背景更新完毕后，对权值进行归一化处理。