一種視頻火焰圖像復(fù)合識別方法
【專利摘要】本發(fā)明公開了一種視頻火焰圖像復(fù)合識別方法，屬于在環(huán)境不適合傳統(tǒng)的探測器工作以及在空曠大環(huán)境下的火焰識別領(lǐng)域，該方法首先通過對現(xiàn)有的火焰圖片進行處理分析，獲取對應(yīng)火焰區(qū)域RGB的均值和方差，構(gòu)建單峰高斯模型，用其檢測圖片中火焰顏色像素點；使用光流法得到像素點的運動速率大小，使用GBVS模型得到圖片中的顯著性區(qū)域；最后使用最大類方差法對前景目標(biāo)和背景進行分割，對得到的二值圖進行形態(tài)學(xué)處理，獲取最終的識別結(jié)果。通過大量的仿真驗證，本發(fā)明結(jié)合了顏色、運動法和顯著性區(qū)域檢測的復(fù)合視頻火焰區(qū)域檢測方法可以取得很好的識別火焰效果，并且可以濾除可能存在噪聲和對圖像邊緣進行平滑處理。
【專利說明】一種視頻火焰圖像復(fù)合識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于在環(huán)境不適合傳統(tǒng)的探測器工作以及在空曠大環(huán)境下的火焰識別領(lǐng) 域，具體涉及一種視頻火焰圖像復(fù)合識別方法。

【背景技術(shù)】
[0002] 火災(zāi)在人們的日常生活中是不可避免的，其對人類的財產(chǎn)和人身安全，以及工業(yè) 和環(huán)境造成的危害不可估量。因而一直以來都在尋找更加合適的處理火災(zāi)預(yù)警的方式。傳 統(tǒng)方式如傳感器會受到眾多因素的干擾影響，并且使用的場合有很大的局限性，對與大庫 房或者地域空曠的森林，傳統(tǒng)的傳感器就失去其存在的意義。隨著計算機視覺技術(shù)的發(fā)展 和嵌入式設(shè)備性能的不斷完善，使得運用視頻圖像進行火災(zāi)檢測，成為一種趨勢。
[0003] 傳統(tǒng)的煙溫傳感器，主要有三類：獨立式：單獨的煙感傳感器驅(qū)動報警電路和判 定芯片組成；有線式：通過將煙溫傳感器分布式布線，集中控制；無線式：通過紅外煙霧傳 感器進行信號傳遞，集中控制。適合于干擾較小的小廠所，但是對于大場合或者大型倉庫沒 有實際的作用。電子眼的視頻監(jiān)控過分的依賴人，必須時刻要求注視顯示屏。
[0004] 視頻圖像進行火災(zāi)檢測領(lǐng)域也有許多現(xiàn)存的方法。如Phi 11 ips W等利用色彩視頻 序列圖像中物體的顏色和抖動來確定火焰的存在，沉詩林等提出一種基于圖像相關(guān)性進行 火災(zāi)檢測的方法以Yamagaishi等提出基于HSV空間和神經(jīng)網(wǎng)絡(luò)的色彩圖像火焰檢測算法， 對靜態(tài)圖像判別較好，沒有利用動態(tài)特征。袁菲牛提出的通過度量火焰輪廓信息，在頻譜內(nèi) 進行分析對火焰進行識別，能夠準(zhǔn)確度量圖像的時空閃爍特征，張本礦等提出神經(jīng)網(wǎng)絡(luò)和 模糊函數(shù)相結(jié)合的方法，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能，自動生成隸屬度函數(shù)，但是算法復(fù)雜，在 嵌入式系統(tǒng)中實現(xiàn)困難。
[0005] 大量的文獻表明，一些火焰識別算法沒有考慮到多種情況下的火焰識別；一些火 焰識別算法足夠的復(fù)雜、識別率低以及識別的響應(yīng)時間較長等原因，并不能很好的滿足我 們對火焰識別的高識別率和低延時響應(yīng)的要求。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提出了一種視頻火焰圖像復(fù)合識別方 法，并且取得了很好的識別效果。
[0007] 為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0008] 一種視頻火焰圖像復(fù)合識別方法，包括以下步驟：
[0009] 1)收集含有火焰區(qū)域的圖片并標(biāo)記火焰區(qū)域，統(tǒng)計火焰區(qū)域的火焰像素點值，得 到火焰區(qū)域的RGB各分量的均值和方差，構(gòu)造單峰高斯模型；
[0010] 2)利用單峰高斯模型對待識別預(yù)處理圖像中每個像素點利用公式⑴和公式（2) 得到相應(yīng)的高斯概率，把高斯概率小于設(shè)定閾值的像素點設(shè)為0,高斯概率大于等于設(shè)定閾 值的像素點設(shè)為1，得到待識別預(yù)處理圖像的顏色圖；

【權(quán)利要求】
1. 一種視頻火焰圖像復(fù)合識別方法，其特征在于，包括以下步驟： 1) 收集含有火焰區(qū)域的圖片并標(biāo)記火焰區(qū)域，統(tǒng)計火焰區(qū)域的火焰像素點值，得到火 焰區(qū)域的RGB各分量的均值和方差，構(gòu)造單峰高斯模型； 2) 利用單峰高斯模型對待識別預(yù)處理圖像中每個像素點利用公式（1)和公式（2)得到 相應(yīng)的高斯概率，把高斯概率小于設(shè)定閾值的像素點設(shè)為0,高斯概率大于等于設(shè)定閾值的 像素點設(shè)為1，得到待識別預(yù)處理圖像的顏色圖；
式中，PiS某一個分量圖Ii(X，y)對應(yīng)像素點的高斯概率； Ii (X，y)為待識別預(yù)處理圖像在RGB模型中的某一個分量圖，x、y分別為待識別預(yù)處理 圖像中矩陣坐標(biāo)的橫坐標(biāo)和縱坐標(biāo)； Ui對應(yīng)單峰高斯模型的均值； C7 .為對應(yīng)里瘍高ffi摁型的卞荖.
式中，p(I(X，y))為某一像素點I(X，y)的高斯概率； Pi(IiUy))為公式（1)計算得到的分量概率； 3) 由待識別預(yù)處理圖像及其前一幀圖像計算得到光流場，對光流場中每個像素點的運 動速度進行處理，把運動速度小于設(shè)定閾值的像素點設(shè)為0,運動速度大于等于設(shè)定閾值的 像素點設(shè)為1，得到待識別預(yù)處理圖像的運動圖； 4) 利用GBVS模型對待識別預(yù)處理圖像檢測其顯著性區(qū)域，得到待識別預(yù)處理圖像的 顯著性圖； 5) 將通過單峰高斯模型獲得的顏色圖、通過光流場獲得的運動圖以及基于GBVS模型 獲取的顯著性圖結(jié)合，并將三幅圖像素點都為1的像素設(shè)為1，其他的設(shè)為0,得到二值圖； 6) 對二值圖進行形態(tài)學(xué)操作以平滑邊緣和填補空洞，得到最終的火焰識別結(jié)果。
2. 如權(quán)利要求1所述的一種視頻火焰圖像復(fù)合識別方法，其特征在于，步驟1)中，均值 和方差由不少于400幅火焰圖片，將其中的火焰區(qū)域標(biāo)記出來，對其中火焰像素進行統(tǒng)計 計算，得到均值和方差。
3. 如權(quán)利要求1或2所述的一種視頻火焰圖像復(fù)合識別方法，其特征在于，步驟2)中， 設(shè)定閾值的取值為〇. 001?〇. 007。
4. 如權(quán)利要求1所述的一種視頻火焰圖像復(fù)合識別方法，其特征在于，在步驟3)中，設(shè) 在時刻t時，待識別預(yù)處理圖像前一幀圖像中點（X，y)處的灰度值為I(X，y,t)，在dt時刻 后移動到待識別預(yù)處理圖像中點（x+dx，y+dy)處，則相應(yīng)的灰度值為I(x+dx，y+dy，t+dt); 由于時間間隔dt小于40ms，貝Ij有 I(x+dx,y+dy,t+dt) =I(x,y,t) (3) 將公式（3)左邊項使用泰勒級數(shù)展開，當(dāng)dx- 0,dy- 0,dt- 0時，得到下式：
結(jié)合上述公式（3)和（4)得到：
公式⑶西仂同時除以dt即犋，
dx dv 令" =^7v= _57,則上式寫為：
cldldl 式中，（u，v)表示待識別預(yù)處理圖像中像素的速度矢量，忍乂 =·^;假 定在空間中局部領(lǐng)域內(nèi)速度矢量是相同或一致的，然后使用加權(quán)的最小二乘法來得到矢量 場，即光流場，對光流場中每個像素點的運動速度進行處理，把運動速度小于設(shè)定閾值的像 素點設(shè)為0,運動速度大于等于設(shè)定閾值的像素點設(shè)為1，得到待識別預(yù)處理圖像的運動 圖。
5.如權(quán)利要求1所述的一種視頻火焰圖像復(fù)合識別方法，其特征在于，在步驟4)中，選 擇基于光流法的運動檢測并結(jié)合圖像顯著性分析來提取待識別預(yù)處理圖像中的運動區(qū)域； 假設(shè)給定特征圖M:[?]2 4? ,目標(biāo)為計算得到待識別預(yù)處理圖像的顯著圖丄[?]2 4?， 則兩個節(jié)點（i，j)和（P，q)之間距離定義為：
式中^(^)為使得點（^)在顯著_.心["]:^?中顯著于其周圍點； M(p，q)為使得點（p，q)在顯著圖.4:[?T 中顯著于其周圍點； 把特征圖中的每兩個點兩兩連接起來得到一個全連通有向圖Ga，對從點（i，j)到點 (P,q)的邊賦予權(quán)重
式中，F(xiàn)(/- /V/·D士exp'-（卜/;Γ +?7 r ，σ為無量綱，其取值為待識別預(yù)處理 2. J 圖像寬度的1/10?1/5 ; 這樣節(jié)點間的權(quán)重與節(jié)點之間的差異程度和在特征圖中的遠近成比例；在全連通有向 圖GaI定義一個馬爾科夫鏈，并且把從節(jié)點出去的邊的權(quán)重歸一化，得到馬爾科夫鏈的平 衡分布，它反映了隨機游走點在節(jié)點經(jīng)過的頻率，顯著值由特征圖中節(jié)點兩兩對比得到；最 后對顯著值圖整體歸一化得到待識別預(yù)處理圖像的顯著性圖。
【文檔編號】H04N7/18GK104463869SQ201410741201
【公開日】2015年3月25日 申請日期:2014年12月5日 優(yōu)先權(quán)日:2014年12月5日
【發(fā)明者】葛思擘, 鄒建華, 種李根, 王開, 王森 申請人:西安交通大學(xué)