[发明专利]一种基于颜色特征最优组合的CART决策树火灾图像识别方法

权利要求书

1.一种基于颜色特征最优组合的CART决策树火灾图像识别方法，其特征在于，包括如下步骤：

步骤一、构建火灾图像与非火灾图像样本集，并随机划分为训练样本集和测试样本集；

步骤二、基于Lab、RGB、HSV三种色彩模式提取火灾与非火灾样本库颜色特征；

步骤三、在Lab、RGB、HSV色彩模式下分别基于精细决策树寻找最优特征，得到最优特征组合集；

步骤四、基于步骤三得到的最优特征组合集以及训练样本集进行CART决策树模型的训练，得到最优CART决策树模型；

步骤五、将测试样本集输入到最优CART决策树模型，完成火灾图像的识别；

在步骤二中，所述基于Lab、RGB、HSV三种色彩模式提取火灾与非火灾样本库颜色特征具体包括：在Lab模式下提取到的特征为Ka、Kb1、var1；在RGB模式下提取到的特征为Kr、Kg、Kb2、Var2；在HSV模式下提取到的特征为Kh、Ks、Kv、Var3；

在步骤三中，在Lab、RGB、HSV色彩模式下分别基于精细决策树寻找最优特征具体是：在Lab色彩模式基于预测火灾图像精度最优的特征组合，具体最优特征为Kb+Var1；在RGB色彩模式基于预测火灾图像精度最优的特征组合，具体最优特征为Kg+Kb1+Var2；在HSV色彩模式基于预测火灾图像精度最优的特征组合，具体最优特征为Kh+Ks+Kv；

在步骤三中，所述最优特征组合集具体为Kb+Var1+Kg+Kb1+Var2+Kh+Ks+Kv。

2.根据权利要求1所述的基于颜色特征最优组合的CART决策树火灾图像识别方法，其特征在于：在步骤一中，所述训练样本集和测试样本集的划分比例为1:1。

3.根据权利要求1所述的基于颜色特征最优组合的CART决策树火灾图像识别方法，其特征在于：在步骤四中，所述的CART决策树模型是基于基尼系数来选择划分属性的。

4.根据权利要求1或3所述的基于颜色特征最优组合的CART决策树火灾图像识别方法，其特征在于：在步骤四中，所述CART决策树模型的训练中还进行验证准确度与测试准确度的计算，并依据计算得到的验证准确度与测试准确度数据判断是否满足火灾图像识别精度阈值要求，作为最优CART决策树模型；

如果不满足，则调整分裂数数量，优化CART参数或更换训练样本集，直至找到测试、验证准确度最高的CART决策树模型，作为最优CART决策树模型。

5.根据权利要求4所述的基于颜色特征最优组合的CART决策树火灾图像识别方法，其特征在于：所述的阈值要求是验证准确度≥90％，测试准确度≥60％。