[发明专利]一种基于稀疏表示的视频图像烟火分离与检测方法

说明书

本发明公开了一种基于稀疏表示的视频图像烟火分离与检测方法，能够将早期烟从背景中分离出来并进行识别。该方法包括：学习烟雾完备字典D_s以及非烟完备字典D_b；建立有背景的烟火和非烟数据集x_s和x_b；建立烟火背景分离模型；通过稀疏表示得到前景的烟火成分和非烟成分同时计算得到混合系数ω；训练SVM分类器；部署烟火检测模型；根据分块识别与分类结果，得到待检测区域烟火检测结果。本发明将纯净烟火与背景分离，避免了背景信息对烟火特征的干扰，从而提高了烟火识别与检测的准确率。

技术领域

本发明属于视频图像处理领域，涉及一种基于稀疏表示的视频图像烟火分离与检测方法。

背景技术

森林火灾破坏生态环境、伤害林内动物和人群、造成巨大的经济损失，因此森林火灾的探测一直是当下研究的热点。为了尽早发现火情，及时扑灭森林火灾，减小人员伤亡和经济损失常对火灾初起的烟火进行探测，传统的烟火检测利用各类传感器对烟雾颗粒进行检测，但此类系统或易发生漏检、或传感器维护成本高，且传感器的安装要求严苛，火灾现场数据不能直观传送至监控室，无法在特殊情况下人为介入判断火灾情况。基于机器视觉的火灾探测方法适用于任何室内外场景，并能实时提供烟火位置，范围浓度等重要信息，因此在森林烟火检测中得到广泛应用。

传统基于机器视觉的检测方法主要依赖于提取检测目标的特征。对于固体目标的检测，例如人脸检测，车牌识别等特征主要从源图像的运动区域或按块提取，这些特征一般会提供关于检测目标的可靠信息。然而，对于早期烟火(主要为烟)来说，因其具有半透明，多变的厚度和发散等特征，烟火常与背景信息混合，传统的特征提取方法无法提供针纯净烟火的可靠信息。

基于以上问题，本发明提出了一种基于稀疏表示的视频图像烟火分离与检测方法。该方法通过字典学习与稀疏表示，得到纯净烟火特征在完备字典上的表征，在此基础上，源图像被看作是非烟的背景成分与纯净烟火的前景成分的线性组合。

发明内容

发明目的：本发明提供了一种基于稀疏表示的视频图像烟火分离与检测方法，该方法针对早期烟火进行检测。

技术方案：为实现上述发明目的，本发明采用以下技术方案：

一种基于稀疏表示的视频图像烟火分离与检测方法，包括以下步骤：

(1)建立无背景纯净烟火和非烟图像数据集，采用K-SVD算法学习烟雾过完备字典D_s以及非烟过完备字典D_b；

(2)基于大量烟火视频，采用传统背景减除算法得到已知背景的烟和非烟图像数据集合；

(3)建立烟火背景分离模型；

(4)基于步骤(3)的烟火背景分离模型和步骤(1)学习到的过完备字典，得到烟和非烟的稀疏表示系数向量集以及混合系数；

(5)将步骤(4)得到的稀疏系数向量数据集分别作为正负特征样本，训练SVM分类器；

(6)部署烟火检测模型；

(7)根据块分类结果得到待检测运动区域烟火检测结果。

进一步的，步骤(1)中纯净烟火图像数据集包括浓烟和无背景透明烟火，非烟图像来自公共数据集CIFAR-100；字典学习采用经典K-SVD算法，K-SVD算法公式为：

其中，L为常数阈值，D为过完备字典，α为稀疏系数向量，x为输入图像序列矩阵；