[发明专利]一种基于局部极值共生模式和能量分析的烟雾检测

权利要求书

1.一种基于局部极值共生模式和能量分析的视频烟雾检测方法，其特征在于，包括如下步骤:

第一步，使用VIBE算法提取视频图像帧里的运动前景区域；所述的VIBE算法具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。该模型主要包括三个方面：模型的工作原理；模型的初始化方法；模型的更新策略；

第二步，根据第一步得到的运动前景区域，利用烟雾的HSV颜色空间提取烟雾区域；所述烟雾图像的HSV空间指烟雾图像的三个颜色分量H,S,V；

第三步，根据第二步得到的烟雾区域，使用局部极值共生模式计算纹理特征矢量；利用烟雾能量分析计算能量特征矢量，将纹理特征矢量和能量特征矢量归一化合成为一个特征矢量；

第四步，根据第三步得到的特征矢量训练支持向量机SVM，得到识别烟雾和非烟雾的分类器，通过分类器得到视频图像中的烟雾区域。

2.根据权利要求1所述的基于局部极值共生模式和能量分析的视频烟雾检测方法，其特征在于:所述第一步中，VIBE模型的工作如下:

背景物体就是指静止的或是非常缓慢的移动的物体，而前景物体就对应移动的物体。所以我们可以把物体检测看出一个分类问题，也就是来确定一个像素点是否属于背景点。在ViBe模型中，背景模型为每个背景点存储了一个样本集，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。可以知道如果一个新的观察值属于背景点那么它应该和样本集中的采样值比较接近。具体的讲，我们记v(x)：x点处的像素值；M(x)＝{V₁,V₂,…V_N}为x处的背景样本集(样本集大小为N)；SR(v(x))：以x为中心R为半径的区域，如果M(x)[{SR(v(x))∩{V₁,V₂,…V_N}}]大于一个给定的阈值#_min,那么就认为x点属于背景点。

3.根据权利要求1所述的基于局部极值共生模式和能量分析的视频烟雾检测方法，其特征在于:所述第一步中，烟雾图像的HSV空间确定如下:

根据RGB颜色模型和HSV颜色模型的转换公式：

V＝max(R,G,B)

颜色分析采用以下规则判定烟雾像素:如果满足等式，则判定为烟雾像素，否则判定为非烟雾像素，S_l、S_h、V_l、V_h为设定的阈值。

4.根据权利要求1所述的基于局部极值共生模式和能量分析的视频烟雾检测方法，其特征在于:所述第三步中，烟雾图像的纹理特征确定如下:

HSV色彩空间用于提取图像中色调，饱和度和值的细节。我们对色调分量进行三种不同的量化，即18,36和72，这三种量化方案将所有颜色划分为不同的部分，以便可以提取最佳的颜色信息。类似地，为了提取合理的信息，饱和度量化值为10和20。然后我们可以分别对色调和饱和度构建一个直方图。对应于图像纹理的每个像素的局部信息使用局部极值模式(LEP)方法提取。LEP作用于图像的值通道，它能得到一个和图像尺寸相同的LEP映射图。直方图提取关于强度频率的信息，只暗示在整体图像中每个图案的出现，忽视了像素之间共同出现的信息。灰度共生矩阵揭示了图像中强度对的相对出现，所以可以以矩阵形式(GLCM)提取LEP图中每个像素对出现的局部信息,得到一个GLCM矩阵，GLCM被转换到一个单一矢量。为了直方图的级联，然后由GLCM单个矢量，色调和饱和度直方图联合成一个直方图，这个直方图就是我们需要的纹理特征矢量。

5.根据权利要求1所述的基于局部极值共生模式和能量分析的视频烟雾检测方法，其特征在于:所述第三步中，烟雾图像的能量特征确定如下:

烟雾图像经过滤波器组，即包括低通滤波器和高通滤波器，烟雾图像分解为低频部分LH，代表烟雾图像的平均信息，高频部分HL和HH，分别代表烟雾图像的水平边缘信息、垂直边缘信息和对角线边缘信息；帧中每个像素的小波能量通过下式计算：E(i,j)＝HL(i,j)²+LH(i,j)²+HH(i,j)²对于视频序列里的n帧图像，空间小波能量是通过每个像素的平均能量来计算，如下式：