[发明专利]一种基于运动和亮度显著性特征的视频森林烟火检测方法

说明书

本发明公开了一种基于运动和亮度显著性特征的视频森林烟火检测方法，包括读入原视频；将原视频图像转换成灰度图，按X‑Y‑T方向将连续帧图像重新整合，采用ROSL算法以及全局显著性算法得到全局显著性运动区域；采用运动显著性算法得到运动显著性运动区域；提取亮度显著性运动区域；计算显著性均值得到最终显著性区域显著特征值；基于得到的最终显著性区域显著特征值，采用组稀疏背景检测算法，得到视频显著性前景区域；提取得到的视频显著性前景区域的LBP特征，采用SVM分类器进行分类识别。本发明通过亮度和运动显著性算法，一方面去除了森林中非显著性运动目标干扰，另一方面将烟火区域从视频中分割出来，提高了烟火检测的正确率。

技术领域

本发明属于视频图像处理领域，涉及一种基于运动和亮度显著性特征的视频森林烟火检测方法。

背景技术

森林火灾检测与预防对生命财产保护起着重要的作用，燃烟作为早期烟火，对其的检测能更早的发现火灾警情并进行预防。视频图像检测方法能实时提供烟火位置，范围浓度等重要信息，因此在森林烟火检测中得到广泛应用。视频图像烟火检测系统主要依赖于对运动目标的特征提取与识别，通过背景减除将前景分离，然而在森林环境中这种方法对非显著性运动目标同样敏感，例如水波，晃动的树木以及由于摄像机抖动带来的非显著性前景区域，这些运动区域的特征提取与检测不仅会带来干扰增加误检，且影响实时性，降低了烟火检测效率。

基于以上考虑，本发明提出了一种基于运动和亮度显著性特征的视频森林烟火测方法。该方法基于全局显著性，运动以及亮度显著性算法，得到显著性前景区域，并采用自适应归一化参数和组稀疏算法得到显著性前景。提取显著性前景的LBP特征，采用SVM分类器识别待检测烟火区域。

发明内容

发明目的：本发明提供了一种基于运动和亮度显著性特征的视频森林烟火检测方法，减少了森林中非显著性运动目标对于烟火检测的干扰，提高了烟火检测的效率和准确性。

技术方案：为实现上述发明目的，本发明采用以下技术方案：

一种基于运动和亮度显著性特征的视频森林烟火检测方法，该方法包括以下步骤：

(1)读入原视频，视频由T帧图像序列组成，每帧图像的大小为M×N×3；

(2)将原视频图像转换成灰度图，按X-Y-T方向将连续帧图像重新整合为M×N行T列矩阵，采用ROSL鲁棒正交子空间学习算法以及全局显著性算法得到全局显著性运动区域；

(3)结合步骤(2)得到的X-Y-T方向上的全局显著性运动区域，采用运动显著性算法得到运动显著性运动区域；

(4)根据人类视觉对亮度的敏感程度条件，提取亮度显著性运动区域；

(5)基于全局显著性，运动显著性以及亮度显著性，计算得到最终显著性区域显著值；

(6)基于得到的最终显著性区域显著值，采用组稀疏背景检测算法，得到视频显著性前景区域；

(7)提取得到的视频显著性前景区域的LBP局部二值模式特征，采用SVM分类器进行分类识别。

进一步的，步骤(2)包括以下步骤：

(21)将原视频图像转换成灰度图，按X-Y-T方向将连续帧图像重新整合为M×N行T列矩阵；

(22)采用ROSL算法得到备选运动区域：

其中，_X为M×N行T列矩阵，E为前景，B为提取的背景，k取1表示视频只有一个背景图像，在矩阵中表示背景序列的矩阵秩为1；D为标准正交矩阵，α为系数矩阵；

(23)针对上述步骤中得到的备选运动区域，为得到全局显著性运动区域，除保留较大像素外，较小像素采用基于高斯分布的全局显著性算法进行过滤：