[发明专利]一种基于视频的多种特征融合的烟雾识别方法

摘要

本发明提供了一种基于视频的多种特征方法融合的烟雾检测方法。该方法通过对背景建模去除背景、根据烟雾区域与非烟雾区域的各通道最小值的不同筛选烟雾候选区、并根据角点轮廓和小波变换统计特征去除非烟雾物体。该方法将多种特征有机结合起来，构造出一种复合的、具有较好适应性和准确性的烟雾识别算法。本发明的有益之处是有效地融合了多种区分烟雾与非烟雾的特征，具有较好的适用性，能够检测多种颜色、多种形态的烟雾；准确率较高，能够有效去除与烟雾颜色相同或相近物体的干扰，并及时准确地识别烟雾，故可用于多种火灾预报警系统中，从而火灾发生的初期为人们提供预警。

主权项

一种基于视频的多种特征融合的烟雾识别方法，其特征在于，包括以下步骤：(1)设定背景帧和阈值帧；(2)读取视频帧，更新背景和阈值；(3)对视频的第n帧In(x,y)与第n帧背景Bn(x,y)做差，差值图像为differIn(x,y)；(4)判断是否有训练模型M，如果有直接进行步骤(5)，否则建立训练模型M后进行步骤(5)；(5)将视频的第n帧转化为k*k大小的块，取块中所有像素点的三通道的最小值，使用步骤4中的训练模型M识别，将所有非烟雾区域设值为0，烟雾区域设值为1，得图像minIn；(6)寻找视频第n帧中的角点；(7)对步骤6中找到的角点进行聚类，绘制包围每类角点的轮廓，将轮廓内的所有点设值为0，得到图像cornerIn；(8)采用基波函数，对步骤2中的第n帧背景Bn(x,y)和视频中第n帧图像In(x,y)分别作二维离散小波变换，分解后的图像包含四个区域，LL区域表现图像的低频部分；HL、LH和HH区域分别包含水平方向、垂直方向和对角方向的边缘信息，求小波变换后图像帧与背景帧的差值；(9)对步骤8中的HL、LH和HH区域分块求块内系数和，如果系数和大于阈值T1，则判定为非烟雾，否则判定为烟雾，然后根据HL、LH和HH区域中像素点的位置设置原视频帧，得到图像waveletIn；步骤(1)中，背景帧初始时取视频第一帧，阈值帧中所有像素点的初始值均设为10；步骤(2)中，阈值更新公式如下：其中，Tn+1(x,y)表示第n+1帧阈值图像中(x,y)点的灰度值，Tn(x,y)表示第n帧阈值图像中(x,y)点的灰度值，Bn(x,y)表示第n帧背景图像中(x,y)点的对应灰度值，α为常数，表示阈值更新速度，In(x,y)表示第n帧视频帧中(x,y)点对应的值；背景更新公式如下：Bn+1(x,y)表示第n+1帧背景图像中(x,y)点的对应灰度值；步骤(4)中使用支持向量机SVM算法进行训练；步骤(6)中使用OpenCV中函数cvGoodFeaturesToTrack寻找视频第n帧中的角点；步骤(7)中使用基于距离和密度的聚类算法DBSCAN聚类；使用convexHull绘制包围每类角点的轮廓；步骤(8)中选用db4小波函数作为基波函数；步骤(9)之后包括以下步骤：(10)对步骤3中得到的差值图像differIn(x,y)，步骤5中得到的图像minIn，步骤7中得到的图像cornerIn，以及步骤9中得到的图像waveletIn做与运算，得到图像tmpResultIn；(11)对步骤10中的图像tmpResultI_n做中值平滑运算，得到图像resultI_n；(12)计算步骤11图像resultI_n中所有非0点的面积，若面积大于等于阈值T2，则将报警标志数num加1，如果num的值大于等于3，则报警；若面积小于阈值T2，则将报警标志数num置0；(13)如果视频未结束，则跳至步骤1；否则，结束；选取黄色、灰色、淡蓝色、红色及棕色的烟雾图片，图片中仅包含烟雾，抽取图片中大小为k*k块的所有像素点的三通道的最小值，以抽取的数据作为训练集，建立训练模型M。