基于視頻圖像特征提取的煙霧檢測算法研究.pdf

1、煙霧檢測的一個重要應用就是用于火災預警，因為火災發(fā)生的前期往往伴隨著煙霧的產(chǎn)生。而傳統(tǒng)的火災檢測方法主要根據(jù)光電傳感器件或粒子傳感器監(jiān)測火災發(fā)生過程中產(chǎn)生的副產(chǎn)品或一些其他的環(huán)境變量，比如溫度的監(jiān)測，火焰顏色的監(jiān)測，煙霧顆粒濃度的監(jiān)測，環(huán)境濕度的監(jiān)測等。但是傳統(tǒng)火災探測器一般是基于單一數(shù)據(jù)判別的檢測方法，僅適用于室內(nèi)低小空間，距離近，干擾少的情況，有很大的局限性。而基于視頻圖像處理的煙霧檢測技術可以很好的克服這些問題，它是基于計算機圖像

2、處理技術、模式識別技術和機器學習技術的發(fā)展而來的，它的諸多優(yōu)點包括:檢測范圍廣和檢測信息量直觀豐富，對視頻圖像信息的反應速度快，同時遠離火源并滿足對廣闊空間火災探測的要求。
　　基于視頻圖像處理的煙霧檢測技術在火災監(jiān)測領域里表現(xiàn)出來的優(yōu)勢，使得這種煙霧檢測方法正發(fā)揮著越來越重要的作用。本文主要研究基于視頻圖像特征提取的煙霧檢測算法，涉及的研究內(nèi)容包括視頻中煙霧的運動檢測和煙霧區(qū)域的提取，視頻圖像中煙霧特征的提取，以及基于隨機森林(

3、RandomForest，RF)算法和支持向量機(Support Vector Machine，SVM)的分類器選擇和煙霧塊識別。通過提取煙霧的靜態(tài)特征和動態(tài)特征，利用煙霧區(qū)域凸形度和增長率分析以及基于隨機森林的特征分析，本文提出了兩種基于視頻圖像處理的煙霧檢測方法:
　　(1)根據(jù)煙霧運動的擴散性以及煙霧圖片中煙霧的半透明性，首先提出了一種基于小波能量及煙霧增長率的煙霧檢測方法。該方法主要分三步完成:首先，利用視頻圖像中煙霧的運

4、動擴散性，采用背景估計法提取疑似煙霧區(qū)域;其次，根據(jù)煙霧的半透明性，視頻煙霧圖片在小波變換域里的高頻能量相對于無煙背景圖片，會因紋理和邊緣信息的丟失而減少，將視頻中背景幀和當前幀進行分塊，分別求出背景幀和當前幀各塊的小波高頻能量，相互比較后進一步判斷煙霧區(qū)域;最后，根據(jù)煙霧運動的不規(guī)則性和擴散性，對煙霧區(qū)域進行凸形度分析和增長率分析，并最終由此確定煙霧區(qū)域，得到煙霧檢測的結(jié)果。實驗結(jié)果表明，該方法復雜度低，能快速有效的進行視頻煙霧檢測，

5、實現(xiàn)火災的提前預警。
　　(2)通過將視頻中煙霧的檢測問題轉(zhuǎn)化為視頻中煙霧的模式識別問題，利用隨機森林的分類回歸模型，提出了一種基于隨機森林特征選擇的視頻煙霧檢測方法。該方法的主要步驟如下:首先，確定四種表征煙霧的主要特征:RGB顏色特征，小波變換高頻子圖，多尺度局部最大飽和度，多尺度暗通道;其次，為得到視頻中的煙霧區(qū)域，將視頻圖片進行分塊，并根據(jù)煙霧圖像信息模型利用離線視頻無煙背景圖片塊合成煙霧圖片塊，然后用隨機森林方法結(jié)合提取

6、的特征訓練煙霧塊樣本和非煙霧塊樣本，得到特征選擇的結(jié)果;再利用支持向量機結(jié)合隨機森林選擇的特征得到分類煙霧塊和非煙霧塊的分類器，將分類器檢測的煙霧塊組合得到煙霧區(qū)域;最后分析視頻煙霧區(qū)域的凸形度和增長率，得到煙霧檢測的結(jié)果。實驗結(jié)果表明，該方法能夠及時的預警煙霧同時降低火災預警的誤報率;提出的算法將煙霧檢測問題轉(zhuǎn)化為圖像中煙霧塊和非煙霧塊的二分類問題，能夠在不依賴于實驗閾值設定的情況下得到煙霧區(qū)域;利用隨機森林的特征選擇，能夠自動的進行