[发明专利]基于多分类器联合决策的森林烟火检测方法

说明书

本发明公开一种基于多分类器联合决策的森林火灾检测方法，经过选择性搜索算法从可见光图像中生成候选区域；构建两个分类器同时对候选区域进行分类，第一个分类器设计火灾模型，根据颜色模型实现分类，第二个分类器提取候选区域的局部二值模式特征，通过两分支结构的支持向量机实现火灾分类。进一步，通过融合两个分类器所得的分类结果，获得最终的火灾分类结果。系统包括：候选区域生成模块、分类器离线训练模块、双分类器分类模块。本发明能够兼顾检测准确率和检测速度。

技术领域

本发明属于计算机视觉与模式识别、图像处理和智能火灾预警系统领域，尤其涉及一种基于多分类器联合决策的森林烟火检测方法。

背景技术

森林火灾是人类面临的最重要的自然灾害之一，世界范围内，每年森林火灾发生几十万次。一旦发生森林火灾，不仅会造成森林资源的破坏，而且会威胁人类生命财产安全。目前，现存的基于视频的森林监控系统，无法全天候无人值守，部分具备自动识别森林火灾功能，然而实时性、准确率方面尚未能很好地满足实际应用的需求。故研究基于视频的森林火灾检测方法，直接来源于社会与市场的需求。

王亚等（王亚,张宝峰.基于显著性检测的红外森林火灾监测系统[J].消防科学与技术,2018,37(12):1700-1703. ）利用旋转云台的热红外摄像头，首先对图像进行显著性区域提取，然后利用面积、周长、形状参数等简单特征，实现森林火灾检测。虽然该方法具有视场角宽、实时性高的特点，然而红外摄像头目前价格还比较昂贵。

在利用价格低廉的可见光摄像头方面，于海晶等（于海晶, 李桂菊. 基于差分盒维数的彩色烟雾图像识别[J]. 山东大学学报 (工学版), 2012, 44(1).）首先利用差分盒维数算对彩色图像进行分割，然后利用差分盒维数和颜色特征相结合，实现森林火灾预警。该方法通过特征融合的方式，提升了分类精度，然而为从分类器级别进行融合以提升分类精度。丁虎等（丁虎, 姚磊, 刘少刚, et al. 基于神经网络和图像分割的林火图像识别研究[J]. 应用科技, 2016, 43(03):82-86.）首先使用最大类间方差法分割原始图像，然后利用主元分析方法对得到的分割矩阵信息进行处理后，利用单一的神经网络分类器实现林火图像的识别。该方法由于只基于单一的分类器，分类精度比较低。类似地，徐铭铭等（徐铭铭, 周宏平, 赵亚琴, et al. 基于时空特征的林火视频火焰识别研究[J]. 林业工程学报, 2016, 1(4):134-140.）首先通过颜色特征和运动特征获取候选区域，然后基于纹理、圆形度特征和火焰面积变换、形状相似性特征融合，基于AdaBoost分类器实现林火视频火焰识别。该方法亦未研究多分类器联合对森林火灾识别精度的提升。

常晓敏等（常晓敏, 赵涓涓, 葛磊, et al. 基于哈希编码的无线多媒体传感网络森林火灾图像识别算法[J]. 计算机科学, 2016, 43(5):313-317.）通过该建立森林火灾图像库的哈希函数特征向量，从而通过计算待识别图像与森林火灾图像库的汉明距离，实现森林火灾图像识别。该方法虽然不需要大量的训练样本，然而其本质上是基于模板匹配的方法，相对于机器学习的方法，其算法泛化能力较差。

综上所述，虽然基于监控视频的森林火灾识别方法已经取得了一定的成果，但是，为了满足实际应用的要求，迫切需要在检测准确率、实时性方面做出进一步的改进。

发明内容

本发明实施例的目的在于提供基于多分类器联合决策的森林火灾检测方法，旨在解决现有的基于监控的森林火灾识别方法的识别准确率不达标和/或不尽如人意、实时性需要提高、鲁棒性不强的问题。

一种基于多分类器联合决策的森林火灾检测方法，其特征在于通过选择性搜索算法生成候选区域，并构建一个双分类器联合决策的分类器对候选区域进行分类，具体包括：

步骤一，采用选择性搜索算法对森林场景图像进行分割；