基于多特征融合的视频烟雾检测方法
【技术领域】
[0001] 本发明属于计算机视觉技术领域，更为具体地讲，涉及一种基于多特征融合的视 频烟雾检测方法。
【背景技术】
[0002] 火灾是一种非常常见的灾害。随着社会的不断发展，社会财富的不断增加，火灾的 发生不仅造成巨大的经济损失、破坏和谐的生态环境，而且严重威胁到人们的财产和生命 安全，对社会的稳定繁荣发展造成影响。越早地准确发现火灾就越可能将各方面的损失降 低到最小。烟雾作为火灾前期的一种重要产物，准确的检测出烟雾即可对火灾进行预警。
[0003] 传统的烟雾检测器绝大多数还是采用感烟、感温、感光、感可燃气体以及集合其中 几种的复合型检测器。这些检测器是依靠检测燃烧过程中的副产物（烟雾粒子、物质燃烧 放热、可燃气体等）来检测烟雾的，因此只能在离火焰和烟雾源比较近的地方才能快速有 效的发挥探测作用，对于大的空间或者户外场所，其检测的可靠性较低。
[0004] 基于视频图像的烟雾检测属于计算机视觉中目标检测的范畴。其中对于烟雾特 征的提取是主要研宄的重点，目前已有多个研宄团队在烟雾的特征提取上进行了研宄。 Toreyin等人和帅师等人引入了小波变换来分析烟雾的纹理特征，主要分析随时间变化时 烟雾图像中小波能量的变化趋势，以此来区分烟雾和非烟雾区域。Gubbi等人采用了比较 热门的支持向量机（SVM)分类器，另外还利用多层小波分析了烟雾的纹理特征。Chen等人 主要分析了烟雾图像的颜色信息，给出了烟雾颜色在RGB三通道中的统计分布规则，利用 此规则加上烟雾其他的动态特征完成对烟雾的检测。袁等人认为烟雾的运动在燃烧的热能 的驱动下呈现向上的趋势，所以利用了主运动方向特征来统计烟雾运动方向，同时为了加 快速度，引入了积分图的方法来计算烟雾块之间的距离。吴等人提出了利用卡尔曼滤波来 检测运动目标区域，并结合基于高斯混合模型的烟雾颜色建模，由前二者来提取疑似烟雾 区域，再对烟雾的动态特征（小波能量变化趋势和颜色融合特性）分析，实现烟雾的智能检 测。
[0005] 总的来说，目前对视频烟雾检测进行研宄的人员越来越多，也取得了一些不错结 果。但是在对于综合环境复杂的现实情况下，现有的算法还是有些不足，主要是误检较高。
【发明内容】
[0006] 本发明的目的在于克服现有技术的不足，提供一种基于多特征融合的视频烟雾检 测方法，对疑似烟雾区域提取多个特征，对烟雾进行综合判定，提高烟雾的检测率。
[0007] 为实现上述发明目的，本发明基于多特征融合的视频烟雾检测方法，包括以下步 骤：
[0008] Sl:选取若干个含有火灾烟雾与其他运动目标的视频序列，提取得到各个运动目 标的特征向量作为训练样本，训练样本的获取方法包括以下步骤：
[0009] SI. 1 :对每个训练视频序列进行运动目标检测；
[0010] si. 2:对步骤SI. 1得到的运动目标区域，遍历区域内的每个像素，根据预设的颜 色特征判别公式判断该像素是否为烟雾像素，将不是烟雾像素的像素点去除，得到疑似烟 雾区域；
[0011] SI. 3 :对疑似烟雾区域进行动态特征提取，包括形状不规则特征、面积增长特征和 在主运动方向上的背景模糊特征，每种特征的提取方法为：
[0012] (1)形状不规则特征S的计算公式如下：
[0013] S=P/Q
[0014] 其中，P表示疑似烟雾区域边缘轮廓长度，Q表示疑似烟雾区域的面积；
[0015] (2)面积增长特征AA的计算公式如下：
【主权项】
1. 一种基于多特征融合的视频烟雾检测方法，其特征在于，包括w下步骤： 51 ;选取若干个含有火灾烟雾与其他运动目标的视频序列，提取得到各个运动目标的 特征向量作为训练样本，训练样本的获取方法包括W下步骤： S1. 1 ;对每个训练视频序列进行运动目标检测； S1. 2 ;对步骤S1. 1得到的运动目标区域，遍历区域内的每个像素，根据预设的颜色特 征判别方法判断该像素是否为烟雾像素，将不是烟雾像素的像素点去除，得到疑似烟雾区 域； S1. 3 ;对疑似烟雾区域进行动态特征提取，包括形状不规则特征、面积增长特征和在主 运动方向上的背景模糊特征，每种特征的提取方法为： (1) 形状不规则特征S的计算公式如下： S=P/Q 其中，P表示疑似烟雾区域边缘轮廓长度，Q表示疑似烟雾区域的面积； (2) 面积增长特征AA的计算公式如下：
其中，At表示当前第t帖视频图像中疑似烟雾区域的面积，A,_,表示在第t-k帖视频图 像中对应的疑似烟雾区域的面积，k的取值范围为k> 1 ; (3) 在主运动方向上的背景模糊特征： 对疑似烟雾区域的运动目标进行主运动方向分析，得到疑似烟雾区域的主运动方向， 并得到疑似烟雾区域在主运动方向上的外接矩形；然后对当前第t帖图像F(t)和对应的背 景图像B(t)分别进行高通滤波，得到高通滤波后的当前帖图像和背景图像，计算外接矩形 区域内每个像素点的相对衰减系数C(m，n，t)，计算公式为：
其中，Bh(m，n，t)表示滤波后背景图像Bh(t)中像素点（m，n)的灰度值，Fh(m，n，t)表示 滤波后当前帖图像Fh(t)中像素点（m，n)的灰度值； 将外接矩形沿主运动方向平均分为K段，K的取值范围为K> 2,分别计算各段区域内 的平均衰减系数，将K个平均衰减系数作为K个背景模糊特征； S1. 4 ;将步骤S1. 3中得到的形状不规则特征、面积增长特征和K个背景模糊特征，组合 成为特征向量； S1. 5 ;判断疑似烟雾区域是否确实为火灾烟雾区域，如果是，则将该疑似烟雾区域的特 征向量作为正样本，否则该疑似烟雾区域的特征向量作为负样本； 52 ;将步骤S1得到的各个训练样本的特征向量输入至预设的分类器，W对应的样本类 型作为输出，对分类器进行训练； 53 ;对待检测视频，首先进行运动目标检测，然后根据颜色特征判断运动目标是否为疑 似烟雾区域，如果不是，不作任何处理，如果是，对疑似烟雾区域提取得到形状不规则特征、 面积增长特征和K个背景模糊特征，组合成特征向量，最后将特征向量输入至步骤S2训练 得到的分类器，得到是否为烟雾的判定结果。
2. 根据权利要求1所述的视频烟雾检测方法，其特征在于，所述的颜色特征判别的方 法为： 对每个像素采用W下烟雾颜色特征判别公式进行判别： P-P<Tmax min ?'?1 了2<I< 了3 其中，P>"y、Pmi。分别表示某个像素R、G、B值中的最大值和最小值，T1则为预设最大值与 最小值的差值阔值，T,、T3分别表示预设的烟雾像素色彩亮度I的最小阔值和最大阔值； 当W上两个判据公式均满足时，像素为烟雾像素，否则为非烟雾像素。
3. 根据权利要求1所述的视频烟雾检测方法，其特征在于，所述疑似烟雾区域在提取 动态特征之前，先采用形态学去噪方法进行预处理。
4. 根据权利要求1所述的视频检测方法，其特征在于，所述主运动方向分析的具体方 法为： 采用光流法得到当前帖视频图像中每个像素点的运动矢量，将360度平面分为丫个区 间，遍历疑似烟雾区域内的像素点，判断像素点的运动矢量的方向位于哪个区间，将其速度 大小累加至该区间的速度大小；将各区间的速度大小进行归一化，然后将归一化后速度大 小最大的区间作为运动目标的主运动方向区间，W该方向区间的中间值作为主运动方向。
5. 根据权利要求1所述的视频烟雾检测方法，其特征在于，所述分类器采用BP神经网 络。
【专利摘要】本发明公开了一种基于多特征融合的视频烟雾检测方法，首先对训练视频序列提取运动目标，根据颜色特征判断是否为疑似烟雾区域，对疑似烟雾区域提取形状不规则特征、面积增长特征和K个背景模糊特征，组合成特征向量，然后对特征向量进行正负样本划分，得到训练样本；将训练样本的特征向量作为输出、样本类型作为输出，对分类器进行训练；对于待检测图像，采用相同方法提取得到特征向量，输入分类器进行判定是否为烟雾。本发明对疑似烟雾区域提取多个特征，对烟雾进行综合判定，提高烟雾的检测率。
【IPC分类】G06K9-00, G06K9-62
【公开号】CN104794486
【申请号】CN201510170159
【发明人】周雪, 邹见效, 徐红兵, 邓林
【申请人】电子科技大学
【公开日】2015年7月22日
【申请日】2015年4月10日