[发明专利]一种结合烟雾运动趋势和纹理特征的火灾检测方法

权利要求书

1.一种结合烟雾运动趋势和纹理特征的火灾检测方法，其特征在于，包括以下步骤：

(1)采集火灾烟雾视频，并抽取火灾烟雾视频中的定长帧数的视频帧作为训练数据，用矩形框标注出视频帧上的火灾烟雾，并将标注的结果形成标注文件，将标注文件及其对应视频帧作为训练视频集；

(2)构建火灾视频烟雾检测模型，该模型由烟雾纹理特征深度网络、全连接网络和Softmax层构成，所述烟雾纹理特征深度网络结构为LeNet除去全连接层的网络，用于逐帧定位视频中的烟雾位置；将步骤(1)中的训练视频集输入到烟雾纹理特征深度网络中，输出为经过神经网络编码的特征向量。

(3)火灾视频烟雾检测模型通过提取HOG特征的方法计算训练视频集中火灾烟雾各方向上的运动剧烈程度以及整体趋势。

所述提取HOG特征具体为：对输入训练视频集的视频帧通过帧差法计算运动图像，并对运动图像进行灰度化，归一化后，逐像素计算梯度，将输入帧分成6*6的Cell，并统计每个Cell的梯度直方图，将每3*3个Cell内的梯度直方图串联并扫描全图，即得到HOG特征，该HOG特征包含火灾烟雾各方向上的运动剧烈程度以及整体趋势；

(4)将烟雾纹理特征深度网络输出的特征向量和HOG特征进行拼接，然后输入到全连接网络判别训练视频集中是否有烟雾，并通过Softmax层输出训练视频集中的火灾烟雾概率的置信度。

(5)将待测视频逐帧输入到火灾视频烟雾检测模型中，通过输出结果的置信度是否达到设定的阈值，来判断当前帧中有无火灾产生的烟雾，并根据检测结果通过扬声器警告。

2.根据权利要求1所述的一种结合烟雾运动趋势和纹理特征的火灾检测方法，其特征在于，将采集火灾烟雾视频作为正样本，并采集不含有火灾烟雾的自然云雾视频作为负样本，一起构建训练视频集对火灾视频烟雾检测模型进行训练，提升火灾视频烟雾检测模型的抗干扰能力。

3.根据权利要求1所述的一种结合烟雾运动趋势和纹理特征的火灾检测方法，其特征在于，所述步骤(5)中，逐帧进行的烟雾检测，只有当连续数次检测出烟雾才会触发报警，如果连续的帧数，达不到触发报警帧数的阈值，则认为是噪声。