[发明专利]一种低秩分析的火焰识别方法

摘要

本发明提出了一种低秩分析的火焰识别算法，首先用红外摄像仪采集视频图像，用高斯平滑滤波对图像预处理，灰度图像二值化，提取当前帧可疑区域的外接矩形，缩放，将外界矩形的数据作为列向量，依次取该帧后连续n‑1帧图像，同样的提取火焰区域外接矩形的数据，缩放为同样的大小，逐帧将数据作为列向量，所有的列向量构成矩阵D，矩阵D分解成低秩矩阵A与稀疏误差矩阵E之和，对低秩矩A求奇异值分解，以奇异值的平方计算各自的贡献率，以累计贡献率大于给定阈值来确定奇异值的个数，规定个数为矩阵D的新秩rank(D)，通过实验求得分界点θ^*，当大于等于θ^*时报警。通过大量实验，证明该算法具有较好的识别率和鲁棒性，证明了该方法的有效性。

主权项

1.一种低秩分析的火焰识别方法，其特征在于，包括如下步骤:步骤一：视频图像的采集；采用红外摄像仪采集视频图像，样本一为火灾发生时的火焰图像集合，记为ω₁；样本二为有白炽灯干扰物的图像集合，记为ω₀；步骤二：图像预处理；将步骤一采集到的视频图像，以监控视频中的当前帧图像中左上角的像素点为原点建立直角坐标系，得到每个像素点的位置信息和灰度值信息，对采集的图像进行预处理；步骤三：灰度图像二值化；将图像上的点的灰度置为0或255，使得整个图像呈现出明显的黑白效果，即将256个亮度等级的灰度图像通过适当的阈值选取获得仍然可以反映图像整‑体和局部特征的二值化图像，大于等于阈值的设为255，小于阈值的设为0；步骤四：图像序列低秩分析①模型分析：火焰图像数据矩阵可表示为D，误差矩阵为E，则D表示为D＝A+E，A表示满足理想低维子空间假设的图像数据矩阵，图像数据矩阵D分解成低秩矩阵A和稀疏误差矩阵E之和的形式，对应的优化模型为||·||_*表示矩阵的核范数，定义为矩阵的奇异值之和；||·||₁表示l₁范数，定义为矩阵所有元素的绝对值之和；λ是低秩矩阵和误差矩阵之间的权衡参数；②对可疑的火焰图像，提取当前帧可疑区域的外接矩形，缩放成16*16，将其所有的数据转化成列向量，记为D₁；③依次取所述当前帧后连续n‑1帧图像，提取火焰区域外接矩形，缩放成16*16，逐帧转化成列向量，依次记为D₂,…,D_n；④把所有的D_i作为列构成矩阵D，其中1≤i≤n，即D＝(D₁,D₂,…,D_n)；⑤求解满足式(1)的低秩矩阵A，求A的奇异值；⑥以所述奇异值的平方计算各自的贡献率，以累计贡献率大于给定阈值T来确定奇异值的个数，如公式(3)，规定个数为矩阵D的新秩rank(D)；定义信噪比：给定阈值：⑦通过实验计算出两样本数据的秩的分界点θ^*，如公式(4)，求得的分界点θ即为θ^*公式(4)中Precision表示准确率，Recall表示召回率，t表示算法计算时间，length表示序列长度，设ω₁是火焰图像的集合，ω₀是白炽灯干扰物图像的集合，分类公式如式(5)公式(5)中当秩大于等于θ^*时，表示图像中有火，当秩小于θ^*时，表示图像中无火。