[发明专利]一种基于多维信息特征融合的交通场景烟雾智能检测方法

权利要求书

1.一种基于多维信息特征融合的交通场景烟雾智能检测方法，其特征在于，包括如下步骤：

S1获取交通领域内的视频数据并进行预处理；

S2对预处理后的视频数据中的图像进行混合高斯模型与码本算法融合建模，并提取前景区域和背景区域；

S3提取前景区域的颜色特征，得到初级感兴趣区域,即疑似烟雾区域；

S4提取初级感兴趣区域三个动态特征，所述三个动态特征包括迅速膨胀特征，边缘不规则特征及高频能量衰减特征；

S5将训练样本分为烟雾正样本和非烟雾负样本，根据动态特征建立训练样本集，采用支持向量机作为分类器进行训练，输入测试样本进行烟雾的自动检测；

所述S2具体步骤为：

S2.1将视频数据场景中每个像素点的状态用K个加权的高斯分布模型来描述，设t时刻场景图像中某像素点的观测值为X_t，则求得观测值为X_t时出现的概率密度函数，将概率密度函数与设定的阈值范围进行比较，小于阈值的点设置为背景，大于阈值的点设置为前景，即运动目标；

S2.2根据视频数据建立背景模型，对背景模型中的每个像素建立码本，并将图像像素与对应的码本中的码字进行匹配，若匹配成功，则该像素为背景，否则为前景，即运动目标；

S2.3将高斯混合模型提取出的前景与码本算法提取出的前景进行逻辑与运算，得到融合后的前景区域及背景区域；

S2.4利用形态学方法，对融合后的前景区域进行除噪声处理。

2.根据权利要求1所述的交通场景烟雾智能检测方法，其特征在于，S3提取前景区域的颜色特征，得到初级感兴趣区域，具体如下：

对前景区域的像素点RGB通道分量进行归一化处理，然后将RGB颜色空间映射到HSV色彩空间，形成基于RGB通道和HSV通道的综合条件判据，进一步处理得到初级感兴趣区域。

3.根据权利要求1所述的交通场景烟雾智能检测方法，其特征在于，所述S4具体包括：

迅速膨胀特征：具体为单位时间内烟雾面积增长率

其中，P_i+k为i+k时刻初级感兴趣区域内像素的总个数，P_i为i时刻初级感兴趣区域内像素的总个数，T表示时间间隔；

边缘不规则特征：具体为单位时间内的不规则度γ

其中，C_s为初级感兴趣区域的周长，P_t为初级感兴趣区域外接矩形的像素总个数；

高频能量衰减特征包括前景背景高频能量比、高频能量变化率、高频能量时变率及高频能量变化剧烈程度，具体采用sym小波基初级感兴趣区域进行二维单次小波变换，将其分解为低频部分LL，高频部分水平分量LH、垂直分量HL、对角分量HH，计算前景背景高频能量比，计算相应的高频能量变化率，高频能量时变率，高频能量变化剧烈程度。

4.根据权利要求1所述的交通场景烟雾智能检测方法，其特征在于，所述S5具体为：

S5.1建立训练样本集：获取正负比例相同的测试样本，对测试样本重复S1-S4的步骤得到动态特征向量，并在向量末尾增加一维，表示样本的属性，所述样本的属性为正样本或负样本，最后采用支持向量机进行离线训练，得到训练好的SVM模型；

S5.2样本测试：选择新的待测样本，输入训练好的SVM模型中进行测试，实现对视频中烟雾的识别。

5.根据权利要求4所述的交通场景烟雾智能检测方法，其特征在于，采用径向基核函数作为支持向量机的参数，对样本进行训练。