一种基于颜色模型与运动特征的视频烟雾精细分类方法技术

本发明专利技术提供了一种基于颜色模型与运动特征的视频烟雾精细分类方法，该方法包括：基于高斯混合模型与背景差分并构建颜色模型，检测运动像素点且进行初步筛选；获取运动目标连通区域，提取运动变化特征，进行阈值设定判别是否为可疑烟雾区域；对可疑烟雾区域预处理，基于图像块提取SIFT特征；结合SVM优化随机森林算法，基于可疑烟雾区域图像块进行训练，从而实现对火灾烟雾、香烟烟雾、水气等烟雾的精细分类。本发明专利技术基于颜色模型与运动特征、面向精细分类进行视频烟雾的检测，实现了实时快速烟雾检测，有效地排除了与火灾烟雾有相似效应干扰源的影响，提高了检测的效率与准确率。

【技术实现步骤摘要】

本专利技术涉及计算机图像处理、智能识别领域，尤其涉及一种基于颜色模型与运动特征的视频烟雾精细分类方法。
技术介绍
近年来，随着视频监控系统在城市和消防重点保护单位地普及，人工智能和模式识别技术不断地发展，基于视频的火灾检测方法愈来愈受到重视。视频火灾检测方法具有高效、实时、智能、低成本、方便等优点，实时地实现火灾检测，对于更早地检测到火灾从而避免更大的损失有着非常积极的意义。视频火灾探测方法，主要包括火焰检测方法和烟雾检测方法。烟雾探测方法是探测火灾产生的烟雾来检测火灾，判断视频图像中是否还有烟雾区域。一般的火灾发生初期经历阴燃阶段，在此阶段冒烟是火灾的主要表征。显然，这种方法可以发现火灾的阴燃阶段，能更早的探测出火灾，可以更多地减少人们财产的损失，因此基于烟雾的视频火灾检测技术更能满足市场的需求，也成为了当下的研究热点。在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题：虽然目前已有不少视频烟雾检测的相关研究，并取得了一定的成就，但受技术成熟度和成本的影响，基于烟雾的视频火灾检测技术还不能得到广泛的运用。已有算法对与火灾烟雾有类似效应的干扰源(如香烟烟雾、蚊香烟雾、水蒸汽等)，目前尚无算法可以实现较好的排除效果，而这种干扰源无法排除，那就无法从根本上进一步提升准确率与降低虚报率；背景较为复杂的环境对烟雾区域提取与检测，影响较大，现有算法在处理这种背景时效果较差；现有一些具备较好检测性能的算法所要求的时间复杂度并不能完全满足监控系统的实时处理要求，从而失去了视频烟雾检测技术最重要的意义。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决或者减缓上述问题的基于颜色模型与运动特征的视频烟雾精细分类方法。本专利技术采用的技术方案为：一种基于颜色模型与运动特征的视频烟雾精细分类方法，该方法步骤如下：步骤(1)、实时获取监控视频流，检测当前视频帧中的运动像素点，并构建颜色模型，对运动像素点进行初步筛选；步骤(2)、获取连通运动区域，并计算其运动参数，并依据阈值判别得到可疑烟雾区域；步骤(3)、对可疑烟雾区域进行图像预处理后生成图像块，提取SIFT特征，再依据已经生到的视觉码本将其映射为直方图，得到图像块的特征向量；步骤(4)、基于图像块进行特征训练，结合SVM分类算法对随机森林算法的节点分裂过程进行优化，对决策树的投票并行化，从而实现各类烟雾的精细分类。其中，所述的步骤(1)进一步包括：步骤(a)、针对视频帧，基于高斯混合模型与背景差分算法，分别进行运动目标的提取，对结果进行融合，以应对不同的环境；步骤(b)、构建颜色模型，对运动像素点进行初步判别保留可疑烟雾像素。所述的步骤(b)进一步包括：烟雾的半透明性使得烟雾在较为淡薄时其颜色与背景物体颜色相差无几，因此首先对检测到的运动区域进行前景色与背景色的对比判别：对于像素点x(i,j)，计算前景图与背景图相应通道的差值，得到diffR、diffG、diffB，若满足：diffR±α＝diffG±α＝diffB±α则认为前景图中的该像素点为可疑烟雾像素点，否则按以下步骤继续判别：不受背景物体颜色干扰的话，烟雾颜色一般为灰白色，在RGB空间下，三通道值非常接近，且均大于某一阈值，即若满足：R±β＝G±β＝B±β，R(G，B)＞γ则认为该像素点为可疑烟雾像素，否则排除掉。其中，所述的步骤(2)进一步包括：步骤(a)、采取一系列区域轮廓处理方法，获取连通运动区域；步骤(b)、根据处理得到的连通运动区域，计算其运动参数，并依据阈值进行判别，得到可疑烟雾区域。所述的步骤(b)进一步包括：选择运动目标区域面积变化率作为一个运动参数：隔N帧采样计算一次变化率，那么在t0时，采样相邻两帧图像间的烟雾面积变化率可表示为：ΔRt0=Σt0N/2(St+N/2-St)1(N/2)2Σt0N/2(St+N/2+St)]]>选择运动目标区域几何质心变化率作为一个运动参数：在t0时，垂直方向质心变化率的平均值可表示为：Δyt0=Σt0N/2(yt+N/2-yt)H(N/2)2]]>其中，所述的步骤(3)进一步包括：步骤(a)、视觉码本生成阶段，通过对训练图像集的预处理、提取SIFT特征，进而聚类生成视觉码本；步骤(b)、当前帧可疑烟雾区域特征表示阶段，通过对其预处理、生成图像块、提取SIFT特征，依据视觉码本得到图像块的映射直方图，继而得到可疑烟雾区域对应的特征向量。所述的步骤(b)进一步包括：记可疑烟雾区域经预处理后生成P个图像块，进行SIFT特征提取，得到图像块的SIFT特征矢量，计算图像块中的每一个SIFT特征到其视觉码本下视觉单词之间的欧氏距离，并将其映射为距离最近的视觉单词，即将该视觉单词的对应词频+1，完成这一步后，每一个图像块就映射为了一个与视觉单词序列相对应的直方图，最终待测图像可疑烟雾区域的每个图像块被表示为一个K维的特征向量，那么这个图像就有了P个K维特征向量。其中，所述的步骤(4)进一步包括：步骤(a)、在节点的分裂过程中选用强二值分类器SVM，以此增强决策树的分类的可靠性；步骤(b)、为了提高随机森林算法的预测分类速度，本专利技术在随机森林各决策树预测分类结果过程中，采用多线程并行化的实现方法。所述的步骤(a)进一步包括：传统的随机森林算法在生成决策树的过程中，对于决策树节点的分裂采用的是弱分类器，直接设定阈值，通过比较当前选定特征的特征值与阈值的大小，将当前节点中的样本划分到左右子节点。本专利技术拟在节点的分裂过程中选用强二值分类器SVM，以此增强决策树的分类的可靠性。通过SVM分类器来训练决策树中的每个中间节点，以这种方式得到的决策树更强壮。本专利技术与现有方法相比的主要优点在于：本专利技术提供的一种基于颜色模型与运动特征的视频烟雾精细分类方法，通过优化运动目标检测算法，构建合适的烟雾颜色模型，结合更为细致的区域处理方法，获取运动连通区域并提取运动变化特征，并融合随机森林与SVM进行精细分类，实现了实时快速烟雾检测，有效地排除了与火灾烟雾有相似效应干扰源的影响，提高了检测的效率与准确率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。在附图中：图1示出了本专利技术的基本流程图；图2示出了本专利技术的烟雾区域检测算法的流程图；图3示出了本专利技术的图像特征表示的流程图。具体实施方式下面参考附图，对本专利技术的实施例进行详细的说明。首先对本专利技术的方法全过程进行说明。图1示出了本专利技术示例的基本流程图，从中明确了解到本专利技术的四个关键步骤：(1)实时获取监控视频流，检测当前视频帧中的运动像素点，并构建颜色模型对像素点进行初步筛选；(2)获取连通运动区域，并计算其运动参数，并依据阈值判别得到可疑烟雾区域；(3)对可疑烟雾区域进行图像预处理后生成图像块，提取SIFT特征，再依据已经生到的视觉码本文档来自技高网...

【技术保护点】
一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于步骤如下：步骤(1)、实时获取监控视频流，检测当前视频帧中的运动像素点，并构建颜色模型，对运动像素点进行初步筛选；步骤(2)、获取连通运动区域，并计算其运动参数，并依据阈值判别得到可疑烟雾区域；步骤(3)、对可疑烟雾区域进行图像预处理后生成图像块，提取SIFT特征，再依据已经生到的视觉码本将其映射为直方图，得到图像块的特征向量；步骤(4)、基于图像块进行特征训练，结合SVM分类算法对随机森林算法的节点分裂过程进行优化，对决策树的投票并行化，从而实现各类烟雾的精细分类。

【技术特征摘要】
1.一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于步骤如下：步骤(1)、实时获取监控视频流，检测当前视频帧中的运动像素点，并构建颜色模型，对运动像素点进行初步筛选；步骤(2)、获取连通运动区域，并计算其运动参数，并依据阈值判别得到可疑烟雾区域；步骤(3)、对可疑烟雾区域进行图像预处理后生成图像块，提取SIFT特征，再依据已经生到的视觉码本将其映射为直方图，得到图像块的特征向量；步骤(4)、基于图像块进行特征训练，结合SVM分类算法对随机森林算法的节点分裂过程进行优化，对决策树的投票并行化，从而实现各类烟雾的精细分类。2.根据权利要求1所述的一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于，所述的步骤(1)进一步包括：步骤(a)、针对视频帧，基于高斯混合模型与背景差分算法，分别进行运动目标的提取，对结果进行融合，以应对不同的环境；步骤(b)、构建颜色模型，对运动像素点进行初步判别保留可疑烟雾像素。3.根据权利要求1所述的一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于，所述的步骤(2)进一步包括：步骤(a)、采取一系列区域轮廓处理方法，获取连通运动区域；步骤(b)、根据处理得到的连通运动区域，计算其运动参数，并依据阈值进行判别，得到可疑烟雾区域。4.根据权利要求1所述的一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于，所述的步骤(3)进一步包括：步骤(a)、视觉码本生成阶段，通过对训练图像集的预处理、提取SIFT特征，进而聚类生成视觉码本；步骤(b)、当前帧可疑烟雾区域特征表示阶段，通过对其预处理、生成图像块、提取SIFT特征，依据视觉码本得到图像块的映射直方图，继而得到可疑烟雾区域对应的特征向量。5.根据权利要求1所述的一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于，所述的步骤(4)进一步包括：步骤(a)、在节点的分裂过程中选用强二值分类器SVM，以此增强决策树的分类的可靠性；步骤(b)、为了提高随机森林算法的预测分类速度，在随机森林各决策树预测分类结果过程中，采用多线程并行化的实现方法。6.根据权利要求2所述的一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于，所述的步骤(b)...

【专利技术属性】
技术研发人员：王强，郎波，刘祥龙，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11