[发明专利]基于关键帧与快速支持向量机融合的视频火焰识别方法

权利要求书

1.一种基于关键帧与快速支持向量机融合的视频火焰识别方法，其特征在于本方法包括如下步骤：

步骤一、采集分别含有明火、阴燃和动火作业区域的视频，提取视频帧的图像特征作为分类依据，采用HSV颜色空间获取视频帧的颜色特征；

步骤二、运用主成分分析PCA算法并根据颜色特征获取视频图像的主要特征，对PCA处理后的视频帧采用聚类方法聚类；

步骤三、采用k均值聚类算法聚类，根据计算帧间的相似程度对数据对象进行分类，选择不同类别的类中心对应的视频帧作为该类别的关键帧；

步骤四、获取视频的m个关键帧之和，采用加权方式融合m个关键帧的特征，提取视频的HOG静态特征；

步骤五、在获得关键帧的基础上提取图像的LBP-TOP特征，获得视频的动态特征；

步骤六、将获取的HOG静态特征和动态特征作为快速支持向量机的输入向量，输入快速支持向量机中进行分类识别，得到最终的视频火焰识别结果。

2.根据权利要求1所述的基于关键帧与快速支持向量机融合的视频火焰识别方法，其特征在于：步骤一中视频帧的图像特征以RGB颜色空间提取颜色直方图作为图像的颜色特征，根据式(1)～式(3)：

其中：R、G、B分别为RGB颜色空间中红、绿、蓝的颜色值，H、S、V分别为HSV颜色空间中色调、饱和度、明度值，

将RGB颜色空间映射到HSV颜色空间，对HSV颜色空间的颜色特征分量进行非等间隔量化，合成一维特征矢量，计算其颜色直方图作为图像的HSV颜色空间的颜色特征。

3.根据权利要求1所述的基于关键帧与快速支持向量机融合的视频火焰识别方法，其特征在于：步骤三中k均值聚类算法采用下式计算平均视频帧信息，

其中，n是视频帧个数，X_i是第i视频帧的视频信息；

将式(4)代入式(5)计算协方差矩阵，

其中，W＝{w₁,w₂,…,w_d}为假定投影变换后得到的坐标系，

计算协方差矩阵M的d个特征值{λ₁,λ₂,…,λ_d}和对应的特征向量{p₁,p₂,…,p_d}，将求得的特征值排序，提取前c个特征值对应的特征向量即为第c帧视频图像对应的主要特征信息，同时对余下视频帧运用PCA算法求取主要特征信息，其中主成分特征个数d根据具体实验需求选择；

帧间相似程度采用式(6)的欧氏距离表示，

其中，分别为PCA算法处理后的两个视频帧，

获取k帧图像作为初始的聚类簇中心，计算当前帧X_i与k个聚类簇中心的欧氏距离，求得最小距离D_min，若D_min小于设定的阈值T,判定该视频帧属于距离最近的簇中心的类别，否则单独成簇，根据式(7)重新计算聚类簇中心，

其中，m_i为第1簇中第i个视频帧，S_l为第1簇中所有的视频帧，C_t为新的簇中心，

不断加入新的视频帧，更新聚类簇中心，直到簇中心不再改变，聚类结束，聚类完成后，选取与聚类中心最邻近的一帧作为关键帧，选取每个聚类中心的一帧图像组成多序列图像，即为关键帧。

4.根据权利要求1所述的基于关键帧与快速支持向量机融合的视频火焰识别方法，其特征在于：步骤四中获取视频的m个关键帧X'＝{X₁'，X₂'，…X_m'}，利用PCA算法处理这些关键帧得到的特征值，特征值越大，该关键帧包含的图像信息越大，所获权值越大，采用式(8)求得关键帧对应权值，

其中，λ_i'为每个关键帧中的特征值，q_i为第i个关键帧所对应的权重，对关键帧加权求和，得到视频的HOG静态特征。