基于多分类器融合的视频火焰检测方法与流程

技术特征：

1.基于多分类器融合的视频火焰检测方法，其特征在于：包括以下步骤：

步骤1：读取视频火焰图像序列；

步骤2：基于YCbCr颜色空间对候选火焰区域进行初步分割，从视频图像序列中分割出有火焰颜色的区域；

步骤3：对初步分割出的候选火焰区域分别进行整体移动特征、纹理特征和频闪特征的提取；

步骤4：将步骤3所提取的3种特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林分类器进行分析；

步骤5：对步骤4中所用的4种分类器进行基于置信度函数的融合，即多分类器融合，并且对多个分类器的输出结果之间存在冲突的，使用拒绝准则，拒绝错误的识别结果。

步骤6：根据步骤5进行分类器融合后所产生的新基本概率分配函数再次进行置信度函数分类器融合，根据融合后的概率结果判断是火焰或非火焰，判断结果是火焰则进行报警处理。

2.根据权利要求1所述的基于多分类器融合的视频火焰检测方法，其特征在于：所述步骤4中将对候选火焰区域提取的整体移动特征、纹理特征和频闪特征分别输入支持向量机、朴素贝叶斯、决策树和随机森林分类器，即将三种特征同时输入上述四种分类器进行分析。

3.根据权利要求1所述的基于多分类器融合的视频火焰检测方法，其特征在于：所述步骤5中对4种分类器利用置信度函数(D-S证据理论)进行融合，为了进一步提高火焰的正确识别率，降低对疑似火焰的误识率，在置信度函数融合的基础上，对于三种特征输入不同分类器时输出结果存在冲突时，使用拒绝准则，在性能表现和舍弃率之间进行权衡，融合方法如下公式：

其中，A1、A2、A3、A4分别表示支持向量机(SVM)分类器、朴素贝叶斯分类器、决策树分类器和随机森林分类器，m1(A1)、m2(A2)、m3(A3)、m4(A4)分别表示为置信度函数分配给支持向量机、朴素贝叶斯、决策树、随机森林分类器的mass函数，也称基本概率分配函数，k为归一化常数。

4.根据权利要求1所述的基于多分类器融合的视频火焰检测方法，其特征在于：当对火焰的多个特征分别基于置信度函数进行多分类器融合后，再对于每个特征产生的新的mass函数进行置信度函数融合，根据最终的最大融合概率得出识别结果是火焰或非火焰。

5.根据权利要求1所述的基于多分类器融合的视频火焰检测方法，其特征在于：在多分类器进行融合的过程中，某个分类器的输出结果若与其它分类器的输出结果存在冲突，这时就需要对存在冲突的分类器进行冲突解决，所以在置信度函数融合的基础上利用冲突拒绝准则，冲突拒绝准则的公式如下：

单一mass函数中的冲突公式：

每个mass函数冲突的平均值公式：