一种基于支持向量机的烟雾检测方法及装置,申请号CN201010285485.5-传众专利搜索

一种基于支持向量机的烟雾检测方法及装置

申请公布号：CN102013008B

申请号：CN201010285485.5

申请日期：2010.09.16

申请公布日期：2012.10.31

申请人：

北京智安邦科技有限公司

发明人：陆奇星

分类号：G06K9/00(2006.01)I;G06K9/62(2006.01)I;G08B17/10(2006.01)I

主分类号：G06K9/00(2006.01)I

代理机构：

北京乾诚五洲知识产权代理有限责任公司 11042

代理人：付晓青;杨玉荣

地址：100048 北京市海淀区首体南路9号主语国际4号楼5层

摘要：本发明提供了一种基于支持向量机的烟雾检测方法，该方法包括以下步骤：步骤101：建立背景图像，对连续的帧图像按照W*H的大小进行分块，然后对每个子块建立背景图像；步骤102：获取前景检测区域；步骤103：计算所述前景检测区域的特征；步骤104：根据特征采用支持向量机识别烟雾区域。本发明还提供了一种基于支持向量机的烟雾检测装置。本发明的基于支持向量机的烟雾检测方法和装置能够有效地检测出缓慢变化的烟雾，从而解决了对于诸如仓库、大型实验室等大型室内场景中的缓慢烟雾无法识别的实际问题。

主权项：1.一种基于支持向量机的烟雾检测方法，其特征在于，所述方法包括以下步骤：步骤101：建立背景图像，对连续的帧图像按照W*H的大小进行分成子块，然后对每个子块建立背景图像；步骤102：获取前景检测区域，从子块中提取候选初始区域，然后计算子块的积分值，根据积分值将积分值大于第三阈值T3的子块作为当前帧图像的初始区域，最后计算当前帧图像的初始区域与所述初始区域对应的背景图像的相关系数，并根据该系数获取前景检测区域；步骤103：计算所述前景检测区域的特征Tz，所述特征Tz包括图像的对比度特征、图像的共生矩阵特征、图像的梯度特征、图像的梯度变化量特征和LBP特征；和步骤104：根据特征采用支持向量机识别烟雾区域，首先分别选择N1个烟雾区域样本和N2个非烟雾区域样本，计算所述N1个烟雾区域样本和所述N2个非烟雾区域样本的特征Tz，然后采用支持向量机的分类器对特征Tz进行样本训练，以获得烟雾和非烟雾的分类机制，最后将步骤103中得到的前景检测区域的特征输入到支持向量机的分类器中，根据支持向量机的分类器中的烟雾和非烟雾的分类机制来识别所述前景检测区域是否为烟雾区域，若是则输出；其中，步骤101中所述对每个子块建立背景图像的方法如下：输入第一帧图像时，建立背景图像<img file="FSB00000839088400011.GIF" wi="228" he="61" />其中<img file="FSB00000839088400012.GIF" wi="73" he="60" />表示第k块子块的背景图像，<img file="FSB00000839088400013.GIF" wi="72" he="61" />表示第k块子块的当前帧图像，从第二帧图像开始，计算当前帧图像与前一帧图像的差值<img file="FSB00000839088400014.GIF" wi="215" he="61" />其中<img file="FSB00000839088400015.GIF" wi="69" he="60" />表示第k块子块的前一帧图像，统计所述差值<img file="FSB00000839088400016.GIF" wi="186" he="62" />大于第一阈值T1的像素点的个数NUM1，计算所述NUM1与第k块子块的面积的比值R1，如果比值R1大于第二阈值T2，则将下一帧图像的背景图像更新为<img file="FSB00000839088400017.GIF" wi="238" he="61" />其中T1∈[10，20]且为整数，T2∈[0.2，0.4]；步骤102中所述提取候选初始区域包括：计算每个子块的当前帧图像与当前帧图像的背景图像的差值<img file="FSB00000839088400018.GIF" wi="219" he="61" />其中<img file="FSB00000839088400019.GIF" wi="72" he="60" />表示第k块子块的当前帧图像，<img file="FSB000008390884000110.GIF" wi="73" he="61" />表示第k块子块的当前帧图像的背景图像，统计所述差值<img file="FSB00000839088400021.GIF" wi="194" he="59" />大于第一阈值T1的像素点的个数NUM2，计算所述NUM2与第k块子块的面积的比值R2，如果所述比值R2大于第二阈值T2，则将第k块子块设定为候选初始区域，其中T1∈[10，20]且为整数，T2∈[0.2，0.4]；所述计算子块的积分值包括：假设当前帧图像的子块的积分值为m(x，y)，并设定接收的第一帧图像内的所有子块的所述积分值m(x，y)为0，将属于所述候选初始区域的子块的积分值m(x，y)都加上第一固定值D1，如果子块的积分值m(x，y)大于250，则令该子块的积分值m(x，y)为250；将不属于所述候选初始区域的子块的积分值m(x，y)都减去第二固定值D2，如果子块的积分值m(x，y)小于0，则令该子块的积分值m(x，y)为0；其中，D1∈[8，20]，D2∈[8，20]，且D1、D2均为整数；所述计算当前帧图像的初始区域与所述初始区域对应的背景图像的相关系数包括：设定当前帧图像内的初始区域的像素值为Icur，所述初始区域对应的背景图像的像素值为IBack，当前帧图像内的初始区域与所述初始区域对应的背景图像的相关系数Cor为：<maths num="0001"><![CDATA[<math><mrow><mi>Cor</mi><mo>=</mo><mfrac><mrow><munder><mi>Σ</mi><mi>x</mi></munder><munder><mi>Σ</mi><mi>y</mi></munder><mrow><mo>(</mo><mrow><mo>(</mo><msub><mi>I</mi><mi>cur</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>I</mi><mi>curavg</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>×</mo><mrow><mo>(</mo><msub><mi>I</mi><mi>Back</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>I</mi><mi>Backavg</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>)</mo></mrow></mrow><msqrt><munder><mi>Σ</mi><mi>x</mi></munder><munder><mi>Σ</mi><mi>y</mi></munder><msup><mrow><mo>(</mo><msub><mi>I</mi><mi>cur</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>I</mi><mi>curavg</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup><mo>×</mo><munder><mi>Σ</mi><mi>x</mi></munder><munder><mi>Σ</mi><mi>y</mi></munder><msup><mrow><mo>(</mo><msub><mi>I</mi><mi>Back</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>I</mi><mi>Backavg</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></msqrt></mfrac></mrow></math>]]></maths>其中，Icuravg(x，y)表示所述初始区域内所有像素点的像素值的平均值，IBackavg(x，y)表示所述初始区域对应的背景图像内所有像素点的像素值的平均值；所述根据该系数获取前景检测区域具体操作如下：若相关系数Cor＞第四阈值T4，将初始区域滤除；若相关系数Cor≤第四阈值T4，则该初始区域设为前景检测区域，将其提取出来，T4∈[0.8，0.9]；步骤103中所述图像的共生矩阵特征的计算方法如下：对于对应于所述前景检测区域的当前帧图像内的一点(x，y)，首先分别计算所述点(x，y)与邻边点(x-2，y+1)、(x-1，y+2)、(x，y+2)、(x+1，y+2)、(x+2，y+1)、(x+2，y)的像素值的差值的绝对值，从而获得所述点(x，y)与所述邻边点的6个灰度差值，将所述前景检测区域内所有点的6个灰度差值汇聚成灰度直方图，然后计算所述灰度直方图所围成的面积，该灰度直方图所围成的面积即为图像的共生矩阵特征；其中，W∈[15，30]，H∈[15，30]且W、H均为整数；T3∈[150，200]且为整数；N1≥5000，N2≥5000，且N1、N2均为整数。