[发明专利]一种基于机器学习监测视频图像烟雾的火情预警方法

权利要求书

1.一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，包括如下步骤：

步骤1)收集并标记各种烟雾场景的图片数据集，其中非火情预警烟雾场景归为A类，火情预警烟雾场景归为B类；

步骤2)上下文目标检测层非火灾预警烟雾场景训练：

21)将标注好的A类烟雾场景图片作为训练集；

22)获得所给图像的Gist特征；

23)对图片的场景进行划分；

24)单一基础目标检测；

25)子场景下的子树模型学习；

26)子树型模型参数的学习；

步骤3)上下文目标检测层火情预警烟雾场景训练，重复步骤2)，训练图片为B类火情预警烟雾图片；

步骤4)疑似火情烟雾图片检测：

41)进行场景选择；

42)利用单一基础检测器DPM获得每个目标的检测窗口和分值；

43)利用获得的基于上下文信息的多层目标检测模型推理出目标位置和目标出现的判断是否正确；

所述步骤43)的判断方法为：

如果场景选择为B类，且步骤43)判断结果正确，则图片判断为火情预警图片，发出预警，并将图片添加入相应场景，训练特征值；

如果场景选择为A类，且步骤43)判断结果正确，则图片判断为非火情预警图片，不发出预警,并将图片添加入相应场景，训练特征值；

如果场景选择不为A类且不为B类，则发出预警，人为干预判断，将图片添加入新的场景，并对其特征进行训练。

2.根据权利要求1所述的一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，所述步骤1)中非火情预警烟雾场景归为A类，包括：燃放爆竹场景、汽车尾气排放场景、已有消防人员灭火场景、寺庙焚香冒烟场景、野炊生火冒烟场景和烟囱冒烟场景；火情预警烟雾场景归为B类，包括：建筑物失火场景、森林失火场景、仓库失火场景、厂房失火场景和田野失火场景。

3.根据权利要求1所述的一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，所述步骤22)具体内容为：

a)利用一组不同尺度和方向的Gabor滤波器组对图像进行滤波，得到一组经过处理滤波之后的图像；

b)把滤波后的图像按照大小进行无重叠的网格划分，并对图像划分后的每个网格求取均值；

c)把图像组获得的每个网格均值级联形成全局特征，获得图像最终的Gist特征：x^j表示第j个样本图像的Gist特征，cat表示特征级联，I^j表示划分网格后的第j个图像灰度图，表示图像灰度图与Gabor滤波器的卷积运算；g代表Gabor滤波器，二维Gabor滤波器定义为一个用高斯函数调制的复指函数，即其中x，y为二维图像像素点坐标值，λ为正弦函数波长，θ为Gabor核函数方向，为相位偏移，σ为高斯函数的标准差，γ为空间的宽高比，i为虚数单位。

4.根据权利要求3所述的一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，所述步骤23)的具体内容为：

231)利用机器学习中随机森林分类器获得表示训练集中每个样本之间相似性的相似矩阵；

232)将该相似矩阵作为输入，利用谱聚类的方法，对训练集图片进行聚类；

233)图片场景的划分，分为燃放爆竹场景、汽车尾气排放场景、已有消防人员灭火场景、寺庙焚香冒烟场景、野炊生火冒烟场景和烟囱冒烟场景。

5.根据权利要求4所述的一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，所述步骤24)的具体内容为：

241)利用单一目标基础检测器DPM获得每个目标检测的窗口和分值；

242)给出先验目标位置和出现的判断结果，检测到每个场景下目标对。