一种基于动态特征的视频烟雾识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107590418A(43)申请公布日2018.01.16(21)申请号201610532520.6(22)申请日2016.07.08(71)申请人尹航地址110000辽宁省沈阳市沈北新区道义开发区正义四路27-3号申请人曹国强(72)发明人尹航曹国强(74)专利代理机构北京华仲龙腾专利代理事务所(普通合伙)11548代理人李静(51)Int.Cl.G06K9/00(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种基于动态特征的视频烟雾识别方法(57)摘要本发明公开了一种基于动态特征的视频烟雾识别方法，该方法兼具实时性与准确性。(1)首先提取输入视频连续关键帧，通过中值滤波器过滤噪点，轮廓修补提高清晰度；(2)再通过连续帧的前景差处理为动目标建模，用VR特征分类器提取动态特征，结合典型动态特征对动目标分类，并识别其中烟雾目标；(3)最后将烟雾目标与典型烟雾图像进行相似度比对，提高识别准确度。本发明的特色之处是：设计VR特征分类器，有效的提取复杂场景下目标动态特征，通过目标动态特征差异去除人、车、树木、旗帜等干扰，准确识别其中烟雾目标，提供了一个适应性强、且具实时性和准确率的烟雾识别方法，可用于复杂环境下火灾发生初期的烟雾预警。CN107590418ACN107590418A权利要求书1/3页1.一种基于动态特征的视频烟雾识别方法，其特征在于，包括以下步骤：(1)通过回调函数提取输入视频的连续关键帧；(2)对步骤1中得到的关键帧进行中值滤波器过滤，过滤噪点；进行轮廓修补，提高目标清晰度，得到工作关键帧；(3)对步骤2中得到的工作关键帧进行连续β次前景差，得到复杂场景中全部动目标Di,j标识；动态分配三维数组samples[][][]存储前景像素点被连续检测到的次数；如果某个像素点连续β次被检测为前景，则认为一块静止区域被误判为运动，将其更新为背景点，否则为动点：式中：Di,j为当前某个像素点的动点标志，β为动点标识的阈值，i，j分别为横向纵向像素点数量。(4)对步骤3中得到的动目标Di,j标识进行相邻判别，相邻的Di,j构成动目标区域的二值矩阵Vi,j；(5)对步骤4中得到的Vi,j，依据Vi,j出现的顺序对动目标进行编号，产生动目标集合P，其公式为；Pk＝(vi,j)第k个出现(3)式中：Pk标识第k个出现的动目标，k的最大值由阈值N控制，N为现有条件下可同时跟踪的动目标的最大数，(6)对步骤5中得到的动目标P进行相邻帧之间动目标区域覆盖，实现第k个动目标Pk的跟踪标识；(7)对步骤5中得到的动目标Pk进行连续M帧动目标区域检测，计算Pk的动态特征，包括：平均目标面积变化(Δr)、平均区域中心位置(Δx、Δy)、平均区域宽度变化(Δwid)、平均区域高度变化(Δheg)、移动指数(Δmove)、扩张指数(Δexp)；(8)对步骤7中得到的动目标Pk的动态特征，用VR特征分类器提取特征变化，采用阈值界定对动目标进行分类，得到的渐变目标J为疑似烟雾目标。(9)对步骤8中得到的疑似烟雾目标J，采用用聚类算法优化的K-means协同过滤算法与典型烟雾图像进行相似度比对，相似度S大于阈值则认为识别烟雾完成。2.如权利要求1所述的基于动态特征的视频烟雾识别方法，其特征在于，步骤(3)中，用于界定运动前景和背景的连续帧次数的阈值β被选取为50。3.如权利要求1所述的基于动态特征的视频烟雾识别方法，其特征在于，步骤(4)中，由相邻的动目标Di,j构成的动目标区域二值矩阵Vi,j为；2CN107590418A权利要求书2/3页式中：V描述了画面中全部动目标区域，0标识为无前景像素点，di,j为前景像素点；其中，Vi,j描述了某个动目标区域，di,j为中心点，wid为区域宽度，heg为区域的高度。4.如权利要求1所述的基于动态特征的视频烟雾识别方法，其特征在于，步骤(5)中，现有条件下可同时跟踪的动目标的最大数N，其阈值被选取为50。5.如权利要求1所述的基于动态特征的视频烟雾识别方法，其特征在于，步骤(6)中，实现动目标Pk的跟踪标识，其公式如下：6.如权利要求1所述的基于动态特征的视频烟雾识别方法，其特征在于，步骤(7)中，依据连续M帧动目标区域的变化，计算动目标Pk的动态特征，其公式如下：平均目标面积变化：平均区域中心位置(Δx、Δy)变化：平均区域宽度变化：平均区域高度变化：移动指数：3CN107590418A权利要求书3/3页扩张指数：Δexp＝Δwid*Δheg(10)式中：rk为动目标Pk的前景像素点数目(不包括背景)；M为连续帧数，已连续M帧的变化为动态特征；其中面积变化(Δr)衡量动目标P中前景像素点的数目，即动目标前景面积，而扩张