一种烟雾检测方法和装置制造方法
【专利摘要】本发明公开了一种烟雾检测方法和装置，属于数字图像与视频处理领域。该方法包括：对输入的视频图像进行目标区域检测，得到目标区域；计算内部相似性和与周围区域差异性目标区域内部相似性；计算内部相似性和与周围区域差异性目标区域与周围区域差异性；根据内部相似性和与周围区域差异性内部相似性和与周围区域差异性判决内部相似性和与周围区域差异性目标区域是否为烟雾。采用本发明实施例，通过对目标区域内的子块特征进行分类，还同时考虑目标区域与周围背景区域的差异性得到最终的判定结果，从而能有效地区分烟雾目标与类烟雾目标。
【专利说明】一种烟雾检测方法和装置
【技术领域】
[0001]本发明涉及数字图像与视频处理领域，尤其涉及火灾监控的一种基于ULBP以及Adaboost的烟雾检测方法和装置。
【背景技术】
[0002]纹理特征是烟雾检测中使用的重要特征,局部二值模式(Local Binary Pattern,简称LBP)作为代表性的纹理特征之一，更是受到了广泛的关注，基于LBP的各种烟雾检测算法更是近年来研究的热点问题。自从Ojala首次把LBP定义为均匀模式的LBPUniformLocal Binary Pattern,简称 ULBP),方定转不变的 LBP (rotation-1nvariant Local BinaryPattern,简称 RLBP)以及均匀的旋转不变的 LBP (rotation-1nvariant-uniform LocalBinary Pattern,简称RULBP)这三种模式，就有越来越多的研究者开始研究LBP相关的算法。为了提高LBP特征的区分性，很多LBP的改进算法被纷纷提出。比如:为了避免LBP使用过程中造成的全局信息丢失，计算出每个像素点的LBP值的一系列衍生的LBP。再如:通过拉东变换得到纹理图像的主方向，然后在主方向上计算小波变换产生的能量特征。还有一种拉长的局部二值模式(Elongated Local Binary Pattern,简称ELBP),该方法中利用椭圆形区域代替原来的原形区域来作为LBP提取的基本子块。
[0003]基于LBP与Adaboost的方法虽然证明在烟雾的检测上能取得较好的效果，但因为在一些场景中的类烟雾目标都拥有着和烟雾相近的特性，所以单纯考虑目标区域的特征很难将烟雾与验视频进行准确的区分，即不能有效的区分烟雾与类烟雾目标。
【发明内容】
[0004]有鉴于此，本发明要解决的技术问题是提供一种烟雾检测方法和装置，以针对以往的烟雾检测方法难以区分烟雾和类烟雾目标的技术问题。
[0005]本发明解决上述技术问题所采用的技术方案如下:
[0006]根据本发明的一个方面，提供的一种烟雾检测方法包括:
[0007]对输入的视频图像进行目标区域检测，得到目标区域；
[0008]计算目标区域内部相似性；
[0009]计算目标区域与周围区域差异性；
[0010]根据内部相似性和与周围区域差异性判决目标区域是否为烟雾。
[0011]优选地，计算目标区域内部相似性进一步包括:
[0012]在目标区域内随机选取子块；
[0013]提取每个子块的ULBP特征；
[0014]利用Adaboost分类器对ULBP特征进行分类，得到内部相似性。
[0015]优选地，利用Adaboost分类器对ULBP特征进行分类按以下公式计算
[0016]Sim = ΣKK=1 WkXH(Xk)/ΣKk=1 wk[0017]其中，sim表示内部相似性，K表示子块数量，Xk表示第k个子块U-LBP特征，Wk每个随机块的权重，H(xk)为Adaboost分类器对输入特征Xk得到的分类结果。
[0018]优选地，计算目标区域与周围区域的周围差异性进一步包括:
[0019]将目标区域周围划分成若干个子区域；
[0020]提取周围区域子区域内的ULBP特征及颜色特征；
[0021]计算周围区域子区域与目标区域子块的相似性。
[0022]优选地，计算周围区域子区域与目标区域子块的相似性包括按以下公式计算:
[0023]SimBj= ω csimbj? c+ ω Lsimbj? L
[0024]其中，ω。和col分别为颜色和ULBP的权重，Siml^cJP simb」』分别按以下公司计算:
【权利要求】
1.一种烟雾检测方法，其特征在于，该方法包括: 对输入的视频图像进行目标区域检测，得到目标区域； 计算所述目标区域内部相似性； 计算所述目标区域与周围区域差异性； 根据所述内部相似性和与周围区域差异性判决所述目标区域是否为烟雾。
2.根据权利要求1所述的烟雾检测方法，其特征在于，计算所述目标区域内部相似性进一步包括: 在目标区域内随机选取子块； 提取每个子块的ULBP特征； 利用Adaboost分类器对ULBP特征进行分类，得到内部相似性。
3.根据权利要求2所述的烟雾检测方法，其特征在于，所述利用Adaboost分类器对ULBP特征进行分类按以下公式计算:
4.根据权利要求1所述的烟雾检测方法，其特征在于，计算所述目标区域与周围区域的周围差异性进一步包括: 将目标区域周围划分成若干个子区域； 提取周围区域子区域内的ULBP特征及颜色特征； 计算周围区域子区域与目标区域子块的相似性。
5.根据权利要求4所述的烟雾检测方法，其特征在于，计算周围区域子区域与目标区域子块的相似性包括按以下公式计算:
SimBj= cocsimbj，c+coLsimbj，L 其中，ω。和分别为颜色和ULBP的权重，simbj，。和simbji分别按以下公司计算:
6.根据权利要求1所述的烟雾检测方法，其特征在于，根据所述内部相似性和与周围区域差异性判决所述目标区域是否为烟雾包括: 当目标区域内部相似性大于预设的第一阈值时，且目标区域与周围区域差异性大于预设的第二阈值时，则判断该目标区域为烟雾区域。
7.根据权利要求1所述的烟雾检测方法，其特征在于，所述方法之后还包括根据目标区域的颜色特征以及运动特征验证是否是烟雾区域，进一步包括: 提取目标区域内的颜色特征； 利用基于块匹配的光流提取目标区域内所有子块的运动速度和方向作为运动特征； 检验提取的颜色特征以及运动特征是否满足烟雾的特性。
8.一种烟雾检测装置，其特征在于，该装置包括: 目标区域检测模块，用于对输入的视频图像进行目标区域检测，得到目标区域； 内部相似性计算模块，用于计算所述目标区域内部相似性； 周围区域差异性计算模块，用于计算所述目标区域与周围区域差异性； 判决模块，用于根据所述内部相似性和与周围区域差异性判决所述目标区域是否为烟雾。
9.根据权利要求8所述的烟雾检测装置，其特征在于，内部相似性计算模块进一步包括 子块选取单元，用于在目标区域内随机选取子块； ULBP特征提取单元，用于ULBP特征提取每个子块的ULBP特征； 分类单元，用于利用Adaboost分类器对ULBP特征进行分类，得到内部相似性。
10.根据权利要求8所述的烟雾检测装置，其特征在于，周围区域差异性计算模块进一步包括: 子区域单元，将目标 区域周围划分成若干个子区域； ULBP及颜色特征提取单元，用于提取周围区域子区域内的ULBP特征及颜色特征； 计算单元，用于计算周围区域子区域与目标区域子块的相似性。
11.根据权利要求8所述的烟雾检测装置，其特征在于，该装置还包括根据目标区域的颜色特征以及运动特征验证是否是烟雾区域的验证模块，所述验证模块具体用于:提取目标区域内的颜色特征；利用基于块匹配的光流提取目标区域内所有子块的运动速度和方向作为运动特征；检验提取的颜色特征以及运动特征是否满足烟雾的特性。
【文档编号】G06K9/00GK103870818SQ201410126512
【公开日】2014年6月18日 申请日期:2014年3月31日 优先权日:2014年3月31日
【发明者】田永鸿, 陈佳秋, 王耀威, 黄铁军 申请人:中安消技术有限公司, 北京大学