本發(fā)明涉及火焰識(shí)別
技術(shù)領(lǐng)域：
，尤其涉及一種低秩分析的火焰識(shí)別算法。
背景技術(shù)：
：隨著計(jì)算機(jī)處理能力的不斷增強(qiáng)和信息社會(huì)對(duì)多媒體信息處理要求的不斷增加，基于圖象處理的火焰檢測(cè)技術(shù)得到了飛速的發(fā)展，這類(lèi)探測(cè)技術(shù)具有響應(yīng)速度快、檢測(cè)范圍廣、環(huán)境污染小等特點(diǎn)，具有顯著優(yōu)勢(shì)和廣闊的前景。近些年，許多學(xué)者進(jìn)行了基于圖像處理的火焰識(shí)別算法研究?，F(xiàn)有技術(shù)有的基于支持向量機(jī)和線(xiàn)性分類(lèi)器的視頻進(jìn)行火焰識(shí)別算法；有的現(xiàn)有技術(shù)根據(jù)火焰的溫度、邊界不規(guī)則、輪廓變化、面積變化等特點(diǎn)來(lái)識(shí)別火焰還有的現(xiàn)有技術(shù)提出采用小波特征和色彩特征，采用神經(jīng)網(wǎng)絡(luò)識(shí)別火焰，該算法對(duì)火焰素材要求較高，要能獲取比較完備的火焰素材庫(kù)，實(shí)現(xiàn)起來(lái)具有一定的難度。技術(shù)實(shí)現(xiàn)要素：本發(fā)明克服現(xiàn)有技術(shù)存在的不足，所要解決的技術(shù)問(wèn)題為提供一種低秩分析的火焰識(shí)別算法。為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：一種低秩分析的火焰識(shí)別算法，包括如下步驟，步驟一：視頻圖像的采集；采用紅外攝像儀采集視頻圖像，樣本一為火災(zāi)發(fā)生時(shí)的火焰圖像集合，記為ω1；樣本二為有白熾燈等干擾物的圖像集合，記為ω0；步驟二：圖像預(yù)處理；將步驟一采集到的視頻圖像，以監(jiān)控視頻中的當(dāng)前幀圖像中左上角的像素點(diǎn)為原點(diǎn)建立直角坐標(biāo)系，得到每個(gè)像素點(diǎn)的位置信息和灰度值信息，對(duì)采集的圖像進(jìn)行預(yù)處理；步驟三：灰度圖像二值化；將圖像上的點(diǎn)的灰度置為0或255，使得整個(gè)圖像呈現(xiàn)出明顯的黑白效果，即將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈撝颠x取獲得仍然可以反映圖像整體和局部特征的二值化圖像，大于等于閾值的設(shè)為255，小于閾值的設(shè)為0；步驟四：圖像序列低秩分析①模型分析：火焰圖像數(shù)據(jù)矩陣可表示為D，誤差矩陣為E，則D表示為D＝A+E，A表示滿(mǎn)足理想低維子空間假設(shè)的圖像數(shù)據(jù)矩陣，圖像數(shù)據(jù)矩陣D分解成低秩矩陣A和稀疏誤差矩陣E之和的形式，對(duì)應(yīng)的優(yōu)化模型為||·||*，||·||1分別表示矩陣的核范數(shù)(定義為矩陣的奇異值之和)和l1范數(shù)(定義為矩陣所有元素的絕對(duì)值之和)，λ是低秩矩陣和誤差矩陣之間的權(quán)衡參數(shù)；②對(duì)可疑的火焰圖像，提取當(dāng)前幀可疑區(qū)域的外接矩形，縮放成16*16，將其所有的數(shù)據(jù)轉(zhuǎn)化成列向量，記為D1；③依次取所述當(dāng)前幀后連續(xù)n-1幀圖像，提取火焰區(qū)域外接矩形，縮放成16*16，逐幀轉(zhuǎn)化成列向量，依次記為D1，D2，…，Dn；④把所有的Di(1≤i≤n)作為列構(gòu)成矩陣D，即D＝(D1，D2，…，Dn)；⑤求解滿(mǎn)足式(1)的低秩矩陣A，求A的奇異值；⑥以所述奇異值的平方計(jì)算各自的貢獻(xiàn)率，以累計(jì)貢獻(xiàn)率大于給定閾值T來(lái)確定奇異值的個(gè)數(shù)，如公式(3)，規(guī)定個(gè)數(shù)為矩陣D的新秩rank(D)；⑦通過(guò)實(shí)驗(yàn)計(jì)算出兩樣本數(shù)據(jù)的秩的分界點(diǎn)θ*，如公式(4)，求得的分界點(diǎn)θ即為θ*公式(4)中Precision表示準(zhǔn)確率，Recall表示召回率，t表示算法計(jì)算時(shí)間，設(shè)ω1是火焰圖像的集合，ω0是白熾燈等干擾物圖像的集合，分類(lèi)公式如式(5)公式(5)中當(dāng)秩大于等于θ*時(shí)，表示圖像中有火，當(dāng)秩小于θ*時(shí)，表示圖像中無(wú)火。進(jìn)一步的，所述步驟一中圖像采集采用工業(yè)ccd型號(hào)為：acA640-300gm，分辨率為640x480，接口為GIGE千兆以太網(wǎng)，PC平臺(tái)為：inteli7windowsx64，編程環(huán)境為：MatlabR2010a。進(jìn)一步的，所述步驟二對(duì)采集的圖像采用高斯平滑濾波算法進(jìn)行預(yù)處理，如公式(6)：f′(i，j)＝f(i，j)×g(i，j)(6)其中表示高斯函數(shù)，f(i，j)表示輸入的像素值，f′(i，j)表示輸出的像素值。進(jìn)一步的，所述步驟三中采用近似一維Means方法尋找二值化閾值，步驟如下：①采用人工設(shè)置或者根據(jù)隨機(jī)方法，生成一個(gè)初始化閾值T；②根據(jù)閾值圖將每個(gè)像素?cái)?shù)據(jù)P(n，m)分為對(duì)象像素?cái)?shù)據(jù)G1與背景像素?cái)?shù)據(jù)G2，其中n為行，m為列；③G1的平均值是m1，G2的平均值是m2；④一個(gè)新的閾值T’＝(m1+m2)/2⑤回到步驟②，用新的閾值繼續(xù)將像素?cái)?shù)據(jù)為對(duì)象數(shù)據(jù)和背景像素?cái)?shù)據(jù)，繼續(xù)步驟②-④，直到計(jì)算出來(lái)的新閾值等于上一次的閾值。進(jìn)一步的，所述步驟四中驗(yàn)證參數(shù)λ的取值為時(shí)，其中，m表示D的行數(shù)，n表示D的列數(shù)，公式(1)有最優(yōu)解。本發(fā)明的有益效果在于：本發(fā)明的算法，可對(duì)檢測(cè)區(qū)域二十四小時(shí)不間斷檢測(cè)，取得了較好的實(shí)時(shí)探測(cè)效果，建立了更加準(zhǔn)確可靠的火焰低秩識(shí)別方法，能夠有效的去除燈光對(duì)于圖像火焰探測(cè)技術(shù)的干擾。進(jìn)一步解決了火焰圖像探測(cè)技術(shù)的誤報(bào)率問(wèn)題，為大空間及室外大尺度開(kāi)放空間場(chǎng)所火災(zāi)早期滅火與人員疏散節(jié)省了時(shí)間，減少經(jīng)濟(jì)損失及人員傷亡。附圖說(shuō)明圖1是本發(fā)明的燈泡圖像序列(A)與火焰樣本序列(B)的對(duì)比圖。圖2是本發(fā)明的原始圖像(A)與閾值分割(B)的結(jié)果對(duì)比圖。圖3是本發(fā)明在長(zhǎng)度＝10時(shí)秩的頻數(shù)柱狀圖。圖4是本發(fā)明在長(zhǎng)度＝20時(shí)秩的頻數(shù)柱狀圖。圖5是本發(fā)明在長(zhǎng)度＝30時(shí)秩的頻數(shù)柱狀圖。圖6是本發(fā)明在長(zhǎng)度＝40時(shí)秩的頻數(shù)柱狀圖。圖7是本發(fā)明在長(zhǎng)度＝50時(shí)秩的頻數(shù)柱狀圖。圖8是本發(fā)明在長(zhǎng)度＝60時(shí)秩的頻數(shù)柱狀圖。圖9是本發(fā)明在長(zhǎng)度＝70時(shí)秩的頻數(shù)柱狀圖。圖10是本發(fā)明在長(zhǎng)度＝80時(shí)秩的頻數(shù)柱狀圖。圖11是本發(fā)明在長(zhǎng)度＝90時(shí)秩的頻數(shù)柱狀圖。圖12是本發(fā)明操作流程圖。具體實(shí)施方式下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。下面結(jié)合實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明，但本發(fā)明不限于所給出的。一種低秩分析的火焰識(shí)別算法，包括如下步驟，步驟一：視頻圖像的采集；實(shí)驗(yàn)圖像采集采用工業(yè)ccd型號(hào)為：acA640-300gm，分辨率為640x480，接口為GIGE千兆以太網(wǎng)，PC平臺(tái)為：inteli7windowsx64，編程環(huán)境為：MatlabR2010a，樣本一為火災(zāi)發(fā)生時(shí)的火焰圖像集合，記為ω1；樣本二為有白熾燈等干擾物的圖像集合，記為ω0，樣本一和樣本二圖像各1800張，如圖1所示，第一行是原始圖像，第二行是提取的外接矩形區(qū)域，第三行是外接矩形區(qū)域數(shù)據(jù)對(duì)應(yīng)的列向量，從圖1可以看出，火焰圖像序列的變化遠(yuǎn)遠(yuǎn)高于燈泡圖像序列的變化。步驟二：圖像預(yù)處理；一幅數(shù)字圖像由若干個(gè)數(shù)據(jù)點(diǎn)構(gòu)成，每個(gè)數(shù)據(jù)點(diǎn)稱(chēng)為像素。比如一幅256×400，就是指該圖像是由水平方向256列像素和垂直方向400行像素組成的矩形圖。每一個(gè)像素具有自己的屬性，如顏色、灰度等，灰度是決定一幅圖像的關(guān)鍵因素之一。將步驟一采集到的視頻圖像，以監(jiān)控視頻中的當(dāng)前幀圖像中左上角的像素點(diǎn)為原點(diǎn)建立直角坐標(biāo)系，得到每個(gè)像素點(diǎn)的位置信息和灰度值信息，對(duì)采集的圖像采用高斯平滑濾波算法進(jìn)行預(yù)處理，如公式(6)：f′(i，j)＝f(i，j)×g(i，j)(6)其中表示高斯函數(shù)，f(i，j)表示輸入的像素值，f′(i，j)表示輸出的像素值。步驟三：灰度圖像二值化；將圖像上的點(diǎn)的灰度置為0或255，使得整個(gè)圖像呈現(xiàn)出明顯的黑白效果，即將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈撝颠x取獲得仍然可以反映圖像整體和局部特征的二值化圖像，大于等于閾值的設(shè)為255，小于閾值的設(shè)為0；采用近似一維Means方法尋找二值化閾值，步驟如下：①采用人工設(shè)置或者根據(jù)隨機(jī)方法，生成一個(gè)初始化閾值T；②根據(jù)閾值圖將每個(gè)像素?cái)?shù)據(jù)P(n，m)分為對(duì)象像素?cái)?shù)據(jù)G1與背景像素?cái)?shù)據(jù)G2，其中n為行，m為列；③G1的平均值是m1，G2的平均值是m2；④一個(gè)新的閾值T’＝(m1+m2)/2⑤回到步驟②，用新的閾值繼續(xù)將像素?cái)?shù)據(jù)為對(duì)象數(shù)據(jù)和背景像素?cái)?shù)據(jù)，繼續(xù)步驟②-④，直到計(jì)算出來(lái)的新閾值等于上一次的閾值，實(shí)驗(yàn)中，一幀圖片的閾值分割結(jié)果如圖2所示，閾值分割完整的提取出了火焰區(qū)域，但同時(shí)也保留了高溫干擾物區(qū)域，對(duì)此，還要利用火焰的其他特征進(jìn)行排除。步驟四：圖像序列低秩分析①模型分析：火焰圖像數(shù)據(jù)矩陣可表示為D，誤差矩陣為E，則D表示為D＝A+E，A表示滿(mǎn)足理想低維子空間假設(shè)的圖像數(shù)據(jù)矩陣，圖像數(shù)據(jù)矩陣D分解成低秩矩陣A和稀疏誤差矩陣E之和的形式，對(duì)應(yīng)的優(yōu)化模型為||·||*，||·||1分別表示矩陣的核范數(shù)(定義為矩陣的奇異值之和)和l1范數(shù)(定義為矩陣所有元素的絕對(duì)值之和)，λ是低秩矩陣和誤差矩陣之間的權(quán)衡參數(shù)，驗(yàn)證參數(shù)λ的取值為時(shí)，其中，m表示D的行數(shù)，n表示D的列數(shù)，公式(1)有最優(yōu)解，采用不精確增廣拉格朗日乘子法求解公式(1)。構(gòu)造拉格朗日函數(shù)如下：則矩陣A和E迭代更新公式如下：得到不精確的拉格朗日乘子法算法流程如下：Input：觀測(cè)矩陣D，參數(shù)λInitialize：Y0＝E0＝0；μo＞0；ρ＞1Whilenotconvergedo1：2：3：Yk+1＝Y(jié)k+μk(D-Ak+1-Ek+1)4：更新μk至μk+15：k←k+1endWhile②對(duì)可疑的火焰圖像，提取當(dāng)前幀可疑區(qū)域的外接矩形，縮放成16*16，將其所有的數(shù)據(jù)轉(zhuǎn)化成列向量，記為D1；③依次取所述當(dāng)前幀后連續(xù)n-1幀圖像，提取火焰區(qū)域外接矩形，縮放成16*16，逐幀轉(zhuǎn)化成列向量，依次記為D1，D2，…，Dn；④把所有的Di(1≤i≤n)作為列構(gòu)成矩陣D，即D＝(D1，D2，…，Dn)；⑤求解滿(mǎn)足式(4)的低秩矩陣A，取參數(shù)求A的奇異值；⑥以所述奇異值的平方計(jì)算各自的貢獻(xiàn)率，以累計(jì)貢獻(xiàn)率大于給定閾值T來(lái)確定奇異值的個(gè)數(shù)，如公式(3)，規(guī)定個(gè)數(shù)為矩陣D的新秩rank(D)；⑦通過(guò)實(shí)驗(yàn)計(jì)算出兩樣本數(shù)據(jù)的秩的分界點(diǎn)θ*，如公式(4)，求得的分界點(diǎn)θ即為θ*公式(4)中Precision表示準(zhǔn)確率，Recall表示召回率，t表示算法計(jì)算時(shí)間，設(shè)ω1是火焰圖像的集合，ω0是白熾燈等干擾物圖像的集合，分類(lèi)公式如式(5)公式(5)中當(dāng)秩大于等于θ*時(shí)，表示圖像中有火，當(dāng)秩小于θ*時(shí)，表示圖像中無(wú)火。本發(fā)明采用以下三個(gè)指標(biāo)來(lái)對(duì)模型進(jìn)行θ的選取：1、準(zhǔn)確率(見(jiàn)表1)(Precision)＝(TP+TN)/(P+N)；(10)2、召回率(見(jiàn)表2)(Recall)＝TP/P；(11)3、每組計(jì)算時(shí)間t(見(jiàn)表3)其中，P(Positive)表示樣本一的總個(gè)數(shù)，N(Negative)表示樣本二的總個(gè)數(shù)，TP(TruePositive)表示被正確判定為火的個(gè)數(shù)，TN(TrueNegative)表示被正確判定為干擾物的個(gè)數(shù)。表1θ取不同值時(shí)的準(zhǔn)確率(％)表1數(shù)據(jù)是θ取不同值時(shí)各序列長(zhǎng)度下的準(zhǔn)確率，SL表示序列長(zhǎng)度，從表中可以看出，θ固定時(shí)準(zhǔn)確率先遞增后遞減。表2θ取不同值時(shí)的召回率(％)SL/θ234567891056.111.000.060.000.000.000.000.002096.4469.8334.118.330.060.000.000.003097.0092.8365.4441.9423.560.060.000.004097.8994.9490.6759.6141.507.500.000.005098.3396.5094.0679.7858.1726.720.000.006098.4497.5095.3988.4471.2248.221.390.007098.9498.2296.1793.4483.2863.3911.220.728099.7898.9497.2295.0087.4474.6724.336.399099.8399.1198.1796.6790.1783.3342.0612.4410099.9499.1798.6197.6793.1786.6763.2221.17表2數(shù)據(jù)是θ取不同值時(shí)各序列長(zhǎng)度下的召回率，從表中可以看出，θ固定時(shí)召回率逐漸遞減。表3計(jì)算時(shí)間t(秒)SL102030405060708090t0.190.200.220.240.280.340.360.410.47表3數(shù)據(jù)是θ取不同值時(shí)程序算法用時(shí)時(shí)間，從表中可以看出，隨著序列長(zhǎng)度的增加用時(shí)越長(zhǎng)。滿(mǎn)足的條件下，選取長(zhǎng)度＝90，分界點(diǎn)θ*＝5合理。當(dāng)前第1頁(yè)1 2 3