一種基于Parzen窗和貝葉斯分類器的明火檢測方法
【專利摘要】本發(fā)明公開了一種基于Parzen窗和貝葉斯分類器的明火檢測方法，本發(fā)明針對室內(nèi)場景，設計了一種基于Parzen窗和貝葉斯分類器的明火檢測方法。該方法首先加載已訓練的顏色模型特征文件；然后從視頻流獲取每幀圖像，轉(zhuǎn)化為CIE?Lab顏色空間圖像，并利用高斯混合模型進行前背景提?。辉俦闅vLab圖像的每個像素，利用Parzen窗口法確定是否是似明火像素；其次利用前景圖與似明火圖做“與”運算得到更精確的似明火圖，提取似明火圖的連通域，并根據(jù)連通域計算邊界粗糙度、表面粗糙度、偏度三個特征；最后利用貝葉斯分類器確認連通區(qū)域是否是明火區(qū)域。本發(fā)明能有效提高明火的檢測率和顯著減少誤檢率。
【專利說明】-種基于Parzen窗和貝葉斯分類器的明火檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機視覺【技術(shù)領(lǐng)域】，特別涉及一種基于Parzen窗和貝葉斯分類器 的明火檢測方法。

【背景技術(shù)】
[0002] 火災是我們常見的自然災害之一，給人民的生命財產(chǎn)造成了巨大的損失。如果在 火災發(fā)生時能夠及時報警，那么它所帶來的損失將會大大減少，因此設計一種高效率的明 火檢測算法并研制相應的明火檢測系統(tǒng)，具有重要經(jīng)濟意義和現(xiàn)實意義。當前，隨著計算機 視覺技術(shù)快速發(fā)展，基于智能視頻監(jiān)控的明火檢測越來越受到人們的重視，目前已經(jīng)成為 計算機視覺領(lǐng)域的一個研究熱點。
[0003] 現(xiàn)階段最常見的明火檢測方法是基于顏色的明火檢測，該方法對于燃燒充分、無 風、周圍無似明火圖像等的檢測效果好。但對燃燒不夠充分、有風、周圍有似明火背景的場 景檢測率不高、誤檢多。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是對燃燒不夠充分、有風、周圍有似明火背景的場景 檢測率不高、誤檢多。
[0005] 為實現(xiàn)上述發(fā)明目的，本發(fā)明提供一一種基于Parzen窗和貝葉斯分類器的明火 檢測方法，提高了明火的檢測率和顯著減少誤檢率。
[0006] 本發(fā)明采用如下技術(shù)方案：
[0007] -種基于Parzen窗和貝葉斯分類器的明火檢測方法，包括：
[0008] 1)從視頻流獲取每幀圖像，轉(zhuǎn)化為CIE Lab顏色空間圖像，并利用高斯混合模型 進行前背景提?。?br> [0009] 2)遍歷Lab圖像的每個像素，利用Parzen窗口法確定是否是似明火像素；
[0010] 3)利用前景圖與似明火圖做"與"運算得到更精確的似明火圖，提取似明火圖的連 通域，并根據(jù)連通域計算邊界粗糙度、表面粗糙度、偏度三個特征
[0011] 4)最后利用貝葉斯分類器確認連通區(qū)域是否是明火區(qū)域。

【專利附圖】

【附圖說明】
[0012] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可 以根據(jù)這些附圖獲得其他的附圖。
[0013] 圖1為本發(fā)明實施例中的明火檢測總體流程圖；

【具體實施方式】
[0014] 為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。顯然，所描述的實施例僅是本發(fā)明一部分實施例，而 不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動 前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

【具體實施方式】 [0015] 為：
[0016] 1)加載已訓練的顏色模型特征文件。
[0017] 2)從視頻流獲取每幀圖像，轉(zhuǎn)化為CIE Lab顏色空間圖像，并利用高斯混合模型 進行前背景提??；
[0018] 3)遍歷Lab圖像的每個像素，利用Parzen窗口法確定是否是似明火像素；
[0019]

【權(quán)利要求】
1. 一種基于Parzen窗和貝葉斯分類器的明火檢測方法，其特征在于：首先加載已訓練 的顏色模型特征文件；然后從視頻流獲取每幀圖像，轉(zhuǎn)化為CIE Lab顏色空間圖像，并利用 高斯混合模型進行前背景提?。辉俦闅vLab圖像的每個像素，利用Parzen窗口法確定是否 是似明火像素；其次利用前景圖與似明火圖做"與"運算得到更精確的似明火圖，提取似明 火圖的連通域，并根據(jù)連通域計算邊界粗糙度、表面粗糙度、偏度三個特征；最后利用貝葉 斯分類器確認連通區(qū)域是否是明火區(qū)域。
2. 根據(jù)權(quán)利要求1所述的一種基于Parzen窗和貝葉斯分類器的明火檢測方法，其特征 在于：所述從視頻流獲取每幀圖像，并轉(zhuǎn)化為CIE Lab顏色空間圖像，并利用高斯混合模型 進行前背景提取。
3. 根據(jù)權(quán)利要求1所述的一種基于Parzen窗和貝葉斯分類器的明火檢測方法，其特征 在于：所述遍歷Lab圖像的每個像素，利用Parzen窗口法確定是否是似明火像素。
4. 根據(jù)權(quán)利要求1所述的一種基于Parzen窗和貝葉斯分類器的明火檢測方法，其特征 在于：所述利用前景圖與似明火圖做與運算得到更精確的似明火圖，提取似明火圖的連通 域，并根據(jù)連通域計算邊界粗糙度、表面粗糙度、偏度三個特征。
5. 根據(jù)權(quán)利要求1所述的一種基于Parzen窗和貝葉斯分類器的明火檢測方法，其特征 在于：所述利用貝葉斯分類器確認連通區(qū)域是否是明火區(qū)域。
【文檔編號】G06T7/00GK104156950SQ201410367198
【公開日】2014年11月19日 申請日期:2014年7月26日 優(yōu)先權(quán)日:2014年7月26日
【發(fā)明者】周明輝, 馮琰一, 張少文 申請人:佳都新太科技股份有限公司