[发明专利]一种基于最大间距准则的火灾颜色模型的火灾火焰和烟雾识别方法

摘要

本发明提供一种基于最大间距准则的火灾颜色模型的火灾火焰和烟雾识别方法，包括以下步骤：第一步，建立一个图像库，用来作为训练集，其中包括三种图像：火焰、烟雾和干扰图像。第二步，利用最大间距准则对训练集进行特征向量提取，得出系数矩阵，获得火焰和烟雾特征。第三步，根据特征建立K最近邻结点算法分类器；第四步，利用第三步的分类器对待检测图像进行分析识别，如果是，则给出火灾报警信号。本发明利用最大间距准则来统计分析大量的数据，计算出最合理的权值，得出适合于火焰和烟雾的最佳描述，能够有效地区分火焰、烟雾和干扰，有效地提高火灾识别率。

主权项

一种基于最大间距准则的火灾颜色模型的火灾火焰和烟雾识别方法，其特征在于，包括以下步骤：第一步，建立一个图像库，用来作为训练集，其中包括三种图像：火焰、烟雾和干扰图像；第二步，利用最大间距准则对训练集进行特征提取，得出系数矩阵，获得火焰和烟雾特征；第二步中最大间距准则的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，它能够保证投影后模式样本在新的空间中有最小的类内距离和最大的类间距离，使同一类别的数据点模式在该空间中有最佳的可分离性，因此，它是一种有效的特征抽取方法，可以将这一思想结合到火灾探测中，下面是简单的推导过程：A_ij是第i类中的第j幅图像，当i＝0时代表无火，i＝1时代表有火焰或者烟雾，j＝1,2,3,…,M_i，M_i代表第i类样本容量，M是总体样本容量，M＝M₁+M₂，通常用RGB彩色模型来表示，R是红色分量，G是绿色分量，B是是蓝色分量；第i类的平均图像为：总体的平均图像为：引进新的Z空间：Z_ij＝x₁R_ij+x₂G_ij+x₃B_ij＝[R_ij,G_ij,B_ij]X这里X＝[x₁,x₂,x₃]^T，类间散布矩阵和类内散布矩阵可以分别表示为：这里和n_i分别代表第i类图像的平均向量和先验概率，n_i＝M_i/M，代表总体平均向量，由于X是未知的，S_b(X)和S_w(X)可以看成是X的线性泛函，所以最大间距准则可以表示为：J(w,X)＝w^TS_b(X)w‑w^TS_w(X)ww是投影基向量，根据瑞利商，可以知道最大间距准则与下式等价：这里w和X均是未知量，所以固定一个求另外一个，上式可以求得最佳的w，同理可以用下面的公式来求X，首先引入L_b(w),L_w(w)，其中w^TS_b(X)w＝X^TL_b(w)X,w^TS_w(X)w＝X^TL_w(w)X因此可以写成：采用循环迭代算法来计算最佳的投影基向量w和转换向量X，根据拉格朗日乘数法，可求解S_b(X)‑S_w(X)和L_b(w)‑L_w(w)的特征值和特征向量；第三步，根据特征建立K最近邻结点算法分类器；第四步，利用第三步的分类器对待检测图像进行分析识别，如果是，则给出火灾报警信号。