[发明专利]一种基于串并行处理的多特征交通视频烟雾检测方法

说明书

本发明公开了一种基于串并行处理的多特征交通视频烟雾检测方法，其特征在于，包括以下步骤：101、获取拍摄的交通领域内的图像数据并进行预处理；102、混合高斯建模并提取感兴趣区域；103、对感兴趣区域进行颜色特征提取、形状特征提取及小波特征提取；104、基于串并行处理的烟雾颜色特征、形状特征及小波特征综合判断，并采用动态阈值的方法对阈值进行动态实时调节，对所分析的结果进行动态判断。本发明公开的基于串并行处理的多特征交通视频烟雾检测方法适用于交通领域内的火灾检测，具有检测速度快、可靠性和鲁棒性高等优点。

技术领域

本发明涉及一种交通场景的烟雾检测技术，特别涉及一种基于串并行处理的多特征交通视频烟雾检测方法。

背景技术

目前，现有技术中的火灾检测技术有两种方式，一是基于传感器的传统火灾检测，二是基于视频的火灾检测。基于传感器的火灾检测技术易受外界环境的影响，例如灰尘、空气湿度等，检测鲁棒性和实时性较差。对于基于视频的烟雾检测技术，烟雾图像识别的处理实时性、准确性不高，导致烟雾检测系统可靠性不强。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于串并行处理的多特征交通视频烟雾检测方法，该检测方法是一种快速准确的烟雾检测算法，解决了传统火灾检测器和视频图像处理实时性及准确性差的技术缺陷，有效地提高了烟雾检测系统的实时性与精确性。

本发明的目的通过以下技术方案实现：一种基于串并行处理的多特征交通视频烟雾检测方法，包括以下步骤：

步骤101、交通摄像头拍摄交通场景中的图像数据，并将获取到的图像数据进行预处理；

步骤102、将步骤1的图像数据进行混合高斯建模，提取感兴趣区域；

步骤103、在感兴趣区域内，进行颜色特征、形状特征及小波特征的提取；

步骤104、在步骤3的基础上，对提取多个特征进行融合，并采用动态阈值的方法进行动态分析，最终判断视频图像中有无烟雾。

所述步骤102实现的方法为：

将视频场景中的每个像素点利用K个高斯分布构建，并用这K个高斯分布的加权和描述视频场景。一般来说，K越大，处理场景变化的能力就越强，算法也更复杂。可根据计算机配置适当选取，K的取值范围为3～7，例如，K的取值可以为5。

步骤21、高斯模型构建；

设t时刻场景图像中某像素点的观测值为X_t，则观测值为X_t出现的概率密度函数为：

式(1)

其中，P(X_t)为观测值为X_t的情况出现的概率，X_t为t时刻像素点的值；K为高斯分布个数；ω_i,t为t时刻第i个模型的权值，所述t时刻第i个模型的权值满足0≤ω_i,t≤1且η(X_t,μ_i,t,∑_i,t)为t时刻第i个高斯分布，η(X_t,μ_i,t,∑_i,t)定义为：

式(2)

其中，i＝1,2,…K，m为X_t的维数，μ_i,t为t时刻第i个高斯模型，X_t为t时刻像素点的值。

步骤22、随后根据所设定阈值的范围对图像像素点灰度值进行判断，在阈值内的像素点设定为背景，阈值外的像素点标记为运动前景，并用红色线框标出此运动前景，设定其为感兴趣区域。