[发明专利]一种基于颜色模型与运动特征的视频烟雾精细分类方法

摘要

本发明提供了一种基于颜色模型与运动特征的视频烟雾精细分类方法，该方法包括：基于高斯混合模型与背景差分并构建颜色模型，检测运动像素点且进行初步筛选；获取运动目标连通区域，提取运动变化特征，进行阈值设定判别是否为可疑烟雾区域；对可疑烟雾区域预处理，基于图像块提取SIFT特征；结合SVM优化随机森林算法，基于可疑烟雾区域图像块进行训练，从而实现对火灾烟雾、香烟烟雾、水气等烟雾的精细分类。本发明基于颜色模型与运动特征、面向精细分类进行视频烟雾的检测，实现了实时快速烟雾检测，有效地排除了与火灾烟雾有相似效应干扰源的影响，提高了检测的效率与准确率。

主权项

1.一种基于颜色模型与运动特征的视频烟雾精细分类方法，其特征在于步骤如下：步骤(1)、实时获取监控视频流，检测当前视频帧中的运动像素点，并构建颜色模型，对运动像素点进行初步筛选；步骤(2)、获取连通运动区域，并计算其运动参数，并依据阈值判别得到可疑烟雾区域；步骤(3)、对可疑烟雾区域进行图像预处理后生成图像块，提取SIFT特征，再依据已经生到的视觉码本将其映射为直方图，得到图像块的特征向量；所述的步骤(3)进一步包括：步骤(31)、视觉码本生成阶段，通过对训练图像集的预处理、提取SIFT特征，进而聚类生成视觉码本；步骤(32)、当前帧可疑烟雾区域特征表示阶段，通过对其预处理、生成图像块、提取SIFT特征，依据视觉码本得到图像块的映射直方图，继而得到可疑烟雾区域对应的特征向量；步骤(4)、基于图像块进行特征训练，结合SVM分类算法对随机森林算法的节点分裂过程进行优化，对决策树的投票并行化，从而实现各类烟雾的精细分类；所述的步骤(4)进一步包括：步骤(41)、在节点的分裂过程中选用强二值分类器SVM，以此增强决策树的分类的可靠性；步骤(42)、为了提高随机森林算法的预测分类速度，在随机森林各决策树预测分类结果过程中，采用多线程并行化的实现方法。