一种基于多光谱特征的视频火焰检测方法
【技术领域】
[0001] 本发明设及物理意义上的视频火焰检测方法，属于计算机视觉领域，具体设及一 种基于多光谱特征的视频火焰检测方法。
【背景技术】
[0002] 火灾是破坏力很强的自然灾害之一，时刻影响着人们的日常生活，火灾检测技术 受到人们的日益关注。由于火灾一旦发生，蔓延迅速，火灾报警越早越好，所W，研究快速准 确的火焰检测技术，一直都是国内外相关学者的工作重点之一。
[0003]最早的火焰检测方法是人工监视方法，运种方法通常用来监控森林火灾，通过在 瞭望塔上安排监控人员，可W进行准确的火灾报警。但是由于人力资源昂贵且效率低，所W 应用较少。另一种火灾检测技术是火焰传感器技术，通过火焰传感器检测火焰产生的粒子、 环境溫度或相对湿度等发出火灾报警，然而运种技术具有很大缺陷，如感应范围较小，通常 局限于室内环境，传输延迟长，且不能提供有关燃烧过程的有效信息，例如火灾位置、火势 大小、扩散速度、传播方向等。
[0004] 随着视频监控技术和图像处理技术的飞速发展，基于视频的火焰检测技术成为目 前主流的火焰检测技术，弥补了传统方法的种种缺点，成本低、监控范围广，且能提供燃烧 现场的实时信息，然而，由于火焰现象混乱复杂、外观变化巨大，具有实时的多变性和无规 则性，现有的视频火焰检测方法都是从色域建模火焰特征，不具有实际的物理意义，而且在 特定环境下错误检测时常发生。
[0005] 对于计算机视觉领域，尤其是当今火灾早报警等需求的日益增长，实时准确的视 频火焰检测技术将有着广阔的前景，而其中建模有辨识力的、具有实际物理意义的火焰特 征将扮演非常重要的角色。
【发明内容】
[0006] 本发明的目的是解决视频火焰检测领域没有实现具有实际物理意义的火焰检测 的问题，提出一种基于多光谱特征的视频火焰检测方法，可W实现图像从色域到福射域的 转换，并进行物理意义上的视频火焰检测。
[0007]为完成本发明的目的，本发明采用的技术方案是：一种基于多光谱特征的视频火 焰检测方法，包括W下步骤：
[0008]步骤（1)、利用YCb化颜色空间的基于规则的火焰颜色模型提取候选的火焰区域；
[0009]步骤（2)、通过事先标定相机从单颜色通道到单光谱的福射照度的映射，计算得到 图像像素亮度值对应不同单光谱的福射照度；
[0010] 步骤（3)、通过步骤似得到火焰像素对应不同单光谱的福射照度，提取火焰多光 谱福射照度特征，对火焰光谱的时空特征进行建模；
[0011]步骤（4)、构建基于径向基函数核的二分类的支持向量机，通过对步骤（3)提取的 火焰光谱时空特征进行训练，得到火焰分类模型，实现基于火焰物理特征的火焰检测。
[0012]其中，所述步骤（1)用于提取候选火焰区域的火焰颜色模型是一个建立在YCb化 颜色空间上的基于规则的火焰颜色模型，由于火焰是发光体，而YCb化空间将亮度与色度 分离，所WYCb化比RGB颜色空间更适合表示火焰颜色，通过将已有的RGB空间定义的火 焰颜色模型，如公式（1) (2)所示，转换到YCb化空间，如公式（3) (4)所示，并建模火焰在 YCb化空间呈现的独有的规律，如公式巧）（6)所示，得到一个有效的火焰颜色模型，如公式 (3-6)所示：
[001引R>G>B (1)
[0014] R^Rmean 似
[001引 Y(x，y) > Cb(x，y) 做
[001引 Cr(X，y) > Cb(X，y) (4)
[0017]
[0019]其中，R、G、B分别是图像像素在RGB颜色空间的S个颜色分量，Y(x，y)、Cb(x，y)、 化(X，y)分别是图像像素p(x，y)在YCb化颜色空间的S个颜色分量，（X，y)是像素p(x， y)在图像中的位置，Rme。。、Yme。。、Cbme。。和Crme。。分别是图像所有像素的R、Y、Cb和Cr颜色分 量的均值，X是一个阔值，通过在大量数据集上进行R0C分析，综合考虑模型对有火数据集 和无火数据集的分割结果，取T=40,保证正样本识别率高于90%，且负样本的错误率低 于 40%。
[0020] 其中，所述步骤（2)进一步分为3个步骤：
[0021] 步骤（A1):相机响应函数反映图像接收福射照度与图像亮度之间的关系，利用多 次曝光算法标定出相机响应函数，从而由图像像素亮度值计算得到其接收到的福射照度； [002引步骤（A。：由步骤（A1)得到的福射照度实际是全光谱下的福射照度，为了得到不 同单光谱下像素接收的福射照度，在相机镜头前添加不同中屯、波长的窄带滤光片，标定滤 光片的通光系数，得到全光谱福射照度到单光谱福射照度的衰减；
[002引步骤（A^ :由步骤（A1)和（A。的标定结果，已知彩色图像像素的亮度值，通过相 机响应函数计算得到其对应的全光谱福射照度，再由不同中屯、波长的窄带滤光片的通光系 数得到其对应的不同单光谱下的福射照度。
[0024] 其中，所述步骤（3)根据步骤（2)计算得到火焰像素对应的红、绿、蓝，即波长分别 为650nm、532nm、450nm的=个单光谱的福射照度，提取火焰不同于其他物体的多光谱福射 照度特征，并对光谱时空特征进行建模，得到具有物理意义的火焰光谱时空特征模型。
[00巧]其中，所述步骤（4)构建基于径向基函数核的二分类的支持向量机，W步骤（3)提 取的火焰光谱时空特征作为输入，通过在训练集上进行五折交叉验证，寻找最优参数，然后 用最优参数在训练集上训练分类器，得到火焰分类模型，实现基于真实物理特征的火焰检 测方法。
[0026] 与现有技术相比，本发明的有益效果是：
[0027] (1)本发明使用一种YCb化空间的基于规则的火焰颜色模型进行火焰区域预分 害d，可W减少算法后续处理的数据量，增强方法的实时性。
[0028] (2)本发明通过对相机的标定，可W将图像数据从色域转换到福射域，进而提取火 焰福射域的特征，与现有使用色域特征进行火焰检测的方法相比，本方法具有实际的物理 意义。
[0029] (3)本发明针对现有的仅基于火焰低级特征的火焰检测方法检测率低的问题，本 方法利用小波分析、时空特征建模等方法建立火焰特征模型，检测效率高。
[0030] (4)本发明与现有的使用特征阔值进行火焰判定的方法相比，本方法采用基于径 向基函数核的二分类的支持向量机对火焰特征数据进行训练分类，可W得到更准确的检测 结果。
【附图说明】
[0031] 图1为本发明的基于多光谱特征的火焰检测方法的示意图；
[0032]图2为本发明的基于多光谱特征的火焰检测方法的流程图；
[0033] 图3为本发明的基于多光谱特征的火焰检测方法的技术路线图；
[0034]图4为本发明的图像数据从色域到多光谱福射域转换过程的示意图。
【具体实施方式】
[0035] 下面结合附图和实施例对本发明作进一步的描述。
[0036] 如图1所示，本发明提出了一种基于多光谱特征的视频火焰检测方法，该方法利 用火焰颜色模型进行候选火焰区域提取，由事先相机标定的结果将图像数据从色域转换到 福射域，进而将候选区域从全光谱彩色图像转换成不同单光谱的福射照度图，提取火焰的 多光谱福射照度特征，并建立火焰光谱时空特征模型，作为一种基于径向基函数核的二分 类的支持向量机的输入，对火焰特征数据进行训练得到火焰分类模型，实现基于多光谱特 征的视频火焰检测方法，本方法的流程图如图2所示。
[0037] 根据本发明的目的和上述方法过程，确定的技术路线如图3所示，下面分别详细 加W介绍。
[0038] 火焰通常呈现红黄色，明显不同于其他物体，通过建立火焰颜色模型对视频帖进 行预分割，剔除非火焰颜色的像素，可W大大提高算法效率。由于火焰是发光体，YCb化颜 色空间将亮度与色度分离，所W YCb化比RGB颜色空间更适合表示火焰颜色，通过将已有的 RGB空间定义的火焰颜色模型转换到YCb化空间，并建模火焰在YCb化空间呈现的独有的 规律，得到一个火焰颜色模型，如公式（3)-(6)所示。该模型可W有效的剔除非火焰颜色像 素，有效缩减了后续处理的数据量，不过一些颜色与火焰相似的物体也会被提取出来，所W 还需要对候选区域做进一步处理，下面介绍数据采集相机的标定过程。
[0039] 相机响应函数f反映了图像像素亮度值P与该像素接受福射照度E、相机曝光时间 AtS者的关系，如公式（7)所示：
[0040]P=f巧?At) (7)
[0041] 使用多次曝光算法标定相机响应函数，可由图像的像素值得到其对应的福射照度 值，不过运个福射照度是全光谱下的福射照度，为了得到不同单光谱的福射照度，可通过在 相机镜头前添加相应中屯、波长的窄带滤光片，只允许特定波长的光线通过镜头进入CCD成 像，然后标定窄带滤光片的通光系数，可得到全光谱福射照度与相应单光谱福射照度的映 射关系。本方法分别标定了中屯、波长为650nm、532nm、450nm的S种窄带滤光片的通光系 数。
[0042] 由标定得到的相机响应函数和滤光片的通光系数，可W按照图4所示的过程计 算每个候选像素p(i,j)对应的650nm、532nm、450nmS个单光谱的福射照度，分别记为 化(i，j)、Eg(i，j)、化(i，j)，接着将研究火焰特征，提取火焰多光谱福射照度特征，并对火 焰光谱时空特征建模，从候选区域中进一步提取火焰区域。为了更好的表示火焰特征，将图 像分割成16X16大小的块，块内候选像素个数大于一定阔值t的块才被作为候选块提取火 焰特征，本方法中t= 20%。
[0043] 由火焰独特的颜色呈现决定着火焰在特定波长的福射能也具有一定规律，定义= 个火焰特征表示火焰颜色的特点：红色光谱能量