本發(fā)明涉及圖像處理和模式識(shí)別技術(shù)領(lǐng)域，尤其涉及明火檢測(cè)方法和系統(tǒng)。

背景技術(shù)：
隨著計(jì)算機(jī)硬件水平的提高和信息處理技術(shù)的不斷發(fā)展，圖像處理和模式識(shí)別技術(shù)廣泛應(yīng)用于對(duì)象檢測(cè)和安全監(jiān)控領(lǐng)域。火災(zāi)是最常見(jiàn)的災(zāi)害之一，傳統(tǒng)的火災(zāi)探測(cè)技術(shù)主要是利各類傳感器及信號(hào)處理技術(shù)實(shí)現(xiàn)早期探測(cè)報(bào)警。現(xiàn)在人們更多嘗試使用普通的攝像頭檢測(cè)，基于圖像處理與模式識(shí)別技術(shù)進(jìn)行火災(zāi)的監(jiān)控與報(bào)警。基于視頻的火災(zāi)檢測(cè)技術(shù)與傳統(tǒng)傳感器探測(cè)手段相比，具有諸多優(yōu)點(diǎn)：設(shè)備簡(jiǎn)單，使用范圍大，準(zhǔn)確率高，放映速度快，便于火災(zāi)原因調(diào)查等。明火檢測(cè)是火災(zāi)檢測(cè)最核心的步驟?，F(xiàn)有的基于圖像處理和模式識(shí)別的明火檢測(cè)方法，主要利用明火劇烈燃燒時(shí)火焰圖像在顏色、形狀、邊緣、閃爍特征及其面積、位置隨時(shí)間變化的特性，從監(jiān)控視頻圖像序列中識(shí)別明火信息，達(dá)到明火檢測(cè)的目的。運(yùn)動(dòng)和顏色檢測(cè)是較為基礎(chǔ)的步驟，其中顏色檢測(cè)不僅實(shí)現(xiàn)快速，而且檢測(cè)范圍廣。但現(xiàn)有的顏色檢測(cè)方法多是基于簡(jiǎn)單的RGB彩色模型各個(gè)分量或飽和度獨(dú)立的顏色信息。如授權(quán)公告日為2010.09.08，授權(quán)公告號(hào)為CN101826153A的發(fā)明專利：火災(zāi)檢測(cè)方法；以及授權(quán)公告日為2009.5.27，授權(quán)公告號(hào)為CN101441771A的發(fā)明專利：基于色彩飽和度與運(yùn)動(dòng)模式的視頻火災(zāi)煙霧檢測(cè)方法。另一方面只依賴于顏色、形狀特征檢測(cè)較為簡(jiǎn)單，會(huì)存在大量誤檢，如路燈，車燈，以及墻壁反射光等；邊緣、閃爍及面積變化率等特征計(jì)算較為復(fù)雜，且很大程度依賴于檢測(cè)閾值的設(shè)置，不能實(shí)現(xiàn)智能有效的識(shí)別檢測(cè)。

技術(shù)實(shí)現(xiàn)要素：
針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于多色彩模型和矩形特征的明火檢測(cè)方法和系統(tǒng)。本發(fā)明提供一種基于多色彩模型和矩形特征的明火檢測(cè)方法，其包括如下步驟：步驟（1）：檢測(cè)監(jiān)控視頻當(dāng)前幀的運(yùn)動(dòng)區(qū)域；步驟（2）：檢測(cè)運(yùn)動(dòng)區(qū)域中每個(gè)像素的在不同彩色模型下相關(guān)的顏色特征，將符合明火特征的像素點(diǎn)標(biāo)記為明火候選像素，對(duì)標(biāo)記是否為明火候選像素的二值圖像進(jìn)行形態(tài)學(xué)處理，提取處理后的圖像中連通像素所在區(qū)域外輪廓的最小矩形區(qū)域，將重疊或相鄰將近的矩形區(qū)域合并為一個(gè)矩形區(qū)域，標(biāo)記為明火候選區(qū)域；步驟（3）：對(duì)每個(gè)明火候選區(qū)域，提取其矩形特征，輸入預(yù)先構(gòu)建并訓(xùn)練好的分類器，判斷是否為明火區(qū)域。一種檢測(cè)監(jiān)控視頻當(dāng)前幀運(yùn)動(dòng)區(qū)域的方法，還包括：使用背景差分法，幀間差分法，高斯混合背景模型，光流法的任意一種檢測(cè)當(dāng)前幀運(yùn)動(dòng)區(qū)域。一種檢測(cè)運(yùn)動(dòng)區(qū)域中每個(gè)像素的在不同彩色模型下相關(guān)的顏色特征的方法，還包括：統(tǒng)計(jì)各個(gè)連通區(qū)域在RGB色彩模型下紅色通道顏色分量、綠色通道顏色分量、藍(lán)色通道顏色分量；統(tǒng)計(jì)各個(gè)連通區(qū)域在HSV色彩模型下色調(diào)分量、飽和度分量、亮度分量；統(tǒng)計(jì)各個(gè)分量之間的特征關(guān)系，和預(yù)先設(shè)定、存儲(chǔ)的明火顏色特征進(jìn)行比較判斷是否滿足明火顏色特征。將滿足明火顏色特征的像素點(diǎn)標(biāo)記為候選像素點(diǎn)。一種提取候選區(qū)域矩形特征，包括如下步驟：對(duì)標(biāo)記是否為明火像素的二值圖像做圖像形態(tài)學(xué)處理使相鄰較近的像素點(diǎn)或區(qū)域連通，提取連通區(qū)域外輪廓所在的最小矩形區(qū)域，合并相互覆蓋或相鄰較近的矩形區(qū)域作為明火候選區(qū)域；只要面積大于一定閾值，就進(jìn)行處理；面積太小的則拋棄。將每個(gè)明火候選區(qū)域縮放至統(tǒng)一尺寸；利用積分圖像法快速計(jì)算每個(gè)連通區(qū)域的矩形特征。所述矩形特征為：每個(gè)連通區(qū)域邊緣特征、線特征、中心環(huán)繞特征、對(duì)角線特征及明火內(nèi)焰、中焰、外焰組合矩形特征構(gòu)成特征向量。一種分類器，構(gòu)造方式包括如下方式：簡(jiǎn)單矩形特征分類器、簡(jiǎn)單分類器組合的強(qiáng)分類器、強(qiáng)分類器級(jí)聯(lián)的分類器中的至少一種。其中，一種級(jí)聯(lián)分類器的構(gòu)造使用Adaboost算法，包括如下步驟：利用單一的矩形特征構(gòu)成弱分類器；用無(wú)關(guān)的圖像數(shù)據(jù)集訓(xùn)練分類器；根據(jù)分類錯(cuò)誤率選出最優(yōu)弱分類器構(gòu)成強(qiáng)分類器；重新用樣本訓(xùn)練分類器權(quán)值輸出強(qiáng)分類器。由上述技術(shù)方案可知，本發(fā)明可較好的利用明火內(nèi)焰、中焰、外焰的形態(tài)特征，通過(guò)訓(xùn)練樣本生成準(zhǔn)確率較高的分類器，對(duì)初步運(yùn)動(dòng)、顏色模型過(guò)濾得到的候選區(qū)域進(jìn)一步檢測(cè)是否為明火區(qū)域。計(jì)算速度快，誤檢率低，提高了明火檢測(cè)的有效性。本發(fā)明提供一種基于多色彩模型和矩形特征的明火檢測(cè)系統(tǒng)，其包括如下模塊：信號(hào)采集模塊，由視頻圖像采集設(shè)備構(gòu)成，用于采集連續(xù)的視頻圖像幀序列，輸送到分析處理模塊；分析處理模塊，用于提取信號(hào)采集模塊采集到的圖像幀中的運(yùn)動(dòng)區(qū)域，并通過(guò)色彩模型選擇候選明火點(diǎn)，經(jīng)過(guò)形態(tài)學(xué)處理后，提取相連的候選明火點(diǎn)所在區(qū)域外輪廓所在的最小矩形區(qū)域，合并相互覆蓋或相鄰較近的矩形區(qū)域，得到候選明火區(qū)域。提取候選明火區(qū)域的矩形特征，將得到的特征向量輸入分類器進(jìn)行分類處理，得到分類結(jié)果；結(jié)果顯示預(yù)警模塊，用于將分析處理模塊得到的分類結(jié)果，即是否為明火的結(jié)果顯示在顯示裝置之上。附圖說(shuō)明圖1為本發(fā)明明火檢測(cè)流程框圖；圖2為本發(fā)明提取的矩形特征示意圖；圖3為本發(fā)明一實(shí)例提取的明火內(nèi)焰、中焰、外焰組合矩形特征示意圖；具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例做詳細(xì)說(shuō)明：本實(shí)施例在以技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過(guò)程。應(yīng)理解的是本發(fā)明提供的檢測(cè)方法能夠在不同的實(shí)例上具有各種變化，基于本發(fā)明思想的各種變化的實(shí)例皆不脫離本發(fā)明的范圍；且本發(fā)明中的附圖只為解釋說(shuō)明本發(fā)明的方法及系統(tǒng)，而非用以限制本發(fā)明。即本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。實(shí)施例步驟（1）：檢測(cè)監(jiān)控視頻當(dāng)前幀的運(yùn)動(dòng)區(qū)域。所述檢測(cè)運(yùn)動(dòng)區(qū)域的方法之一是背景剪除法，具體步驟是：使用視頻第一幀作為初始背景；用當(dāng)前幀圖像每個(gè)像素點(diǎn)的灰度值和背景圖像每個(gè)像素點(diǎn)的灰度值做幀差運(yùn)算，得到視頻圖像中每個(gè)點(diǎn)的像素變化的差分圖像；將差分圖像進(jìn)行二值化處理，像素值大于閾值Tm像素的標(biāo)記為運(yùn)動(dòng)區(qū)域；對(duì)二值化的差分圖像做腐蝕運(yùn)算；所述的對(duì)二值化的差分圖像做腐蝕運(yùn)算的一個(gè)實(shí)例為：其中，A為標(biāo)為是否為明火候選區(qū)域的二值圖像，B為進(jìn)行腐蝕操作的5×5全1模版，AΘB表示用B腐蝕A的過(guò)程，即A用B腐蝕的結(jié)果是所有x的集合，其中B平移x后仍在A中。對(duì)二值化的差分圖像做膨脹運(yùn)算；所述的對(duì)二值化的差分圖像做膨脹運(yùn)算的一個(gè)實(shí)例為：其中，A為標(biāo)為是否為明火候選區(qū)域的二值圖像，B為進(jìn)行膨脹操作的5×5全1模版，表示用B膨脹A的過(guò)程，及先對(duì)B做關(guān)于原點(diǎn)的映射，再將其映像平移x,這里要求A與B映像的交集不為空。將當(dāng)前幀圖像和原始背景圖像加權(quán)相加得到更新的背景圖像。也可以使用其他方法，如幀間差分法，高斯混合背景模型，光流法。步驟（2）：檢測(cè)運(yùn)動(dòng)區(qū)域中每個(gè)像素的在不同彩色模型下相關(guān)的顏色特征，將符合明火特征的像素點(diǎn)標(biāo)記為明火候選像素；對(duì)標(biāo)記是否為明火候選點(diǎn)的二值圖像進(jìn)行形態(tài)學(xué)處理，提取處理后的圖像中連通像素所在區(qū)域外輪廓的最小矩形區(qū)域，將重疊或相鄰將近的矩形區(qū)域合并為一個(gè)矩形區(qū)域，標(biāo)記為候選明火區(qū)域所述檢測(cè)明火顏色特征的一個(gè)實(shí)例為：統(tǒng)計(jì)當(dāng)前幀運(yùn)動(dòng)區(qū)域?qū)?yīng)像素點(diǎn)紅、綠、藍(lán)色彩分量以及飽和度、亮度值，分別記為R、G、B、S、Y，計(jì)算運(yùn)動(dòng)區(qū)域的平均亮度值VY；將滿足如下所有條件的像素點(diǎn)標(biāo)記為明火候選點(diǎn)：紅、綠色彩分量的差大于閾值TRG，即R-G＞TRG；紅、藍(lán)色彩分量的差大于閾值TRB，即R-G＞TRB；平均亮度值不大于TVL，即VY≤TVL；紅色分量的值大于閾值TR＝VY+DRY，即R＞VY+DRY；亮度值大于閾值TY＝VY+DRY，即Y＞TY+DRY；飽和度值大于閾值TS，即S＞TS；其中，TRG為紅綠色彩分量差的閾值，TRB為紅藍(lán)色彩分量差的閾值，TVL為平均亮度閾值，TR為紅色分量閾值，DRY為紅色分量與亮度閾值關(guān)系差，TY為亮度閾值，TS為飽和度閾值。所述的形態(tài)學(xué)處理的一個(gè)實(shí)例為：二值膨脹操作，定義為：其中，A為標(biāo)為是否為明火候選區(qū)域的二值圖像，B為進(jìn)行膨脹操作的5×5全1模版，表示用B膨脹A的過(guò)程，及先對(duì)B做關(guān)于原點(diǎn)的映射，再將其映像平移x,這里要求A與B映像的交集不為空。所述的提取連通像素所在區(qū)域外輪廓的最小矩形區(qū)域，以及將相互覆蓋或相鄰較近的矩形區(qū)域合并的實(shí)例為：其中，TopLeft為矩形區(qū)域左上角點(diǎn)，BottomRight為矩形區(qū)域右下角點(diǎn)，x,y分別為像素點(diǎn)的橫縱坐標(biāo)，P為形態(tài)學(xué)處理后的候選明火像素點(diǎn)，H為候選像素點(diǎn)所在集合。即提取最小矩形框以及合并矩形框的規(guī)則是，用最左最上的點(diǎn)作為矩形框的左上角點(diǎn)，最右最下的點(diǎn)作為矩形框的右下角點(diǎn)。步驟（3）：對(duì)每個(gè)連通的候選區(qū)域，提取其矩形特征，輸入預(yù)先構(gòu)建的Adaboost模型，判斷是否為明火區(qū)域。所述提取候選區(qū)域矩形特征的方式為：對(duì)候選區(qū)域使用高斯模版做下采樣；對(duì)候選區(qū)域使用高斯模版做上采樣；對(duì)候選區(qū)域做膨脹運(yùn)算；提取矩形特征；利用積分圖像法快速計(jì)算每個(gè)連通區(qū)域的矩形特征。所述的矩形特征如附圖2與附圖3所示，包括邊緣特征201、線特征202、中心環(huán)繞特征203、對(duì)角線特征204及明火內(nèi)焰、中焰、外焰組合矩形特征301。單個(gè)矩形的值定義為黑色矩形內(nèi)所有像素值的和減去白色矩形內(nèi)所有像素值的和。最終提取的矩形特征用如下公式表示：featureI表示第I個(gè)連通區(qū)域提取的矩形特征；ωi為第i個(gè)矩形的權(quán)值；RecSum(ri)為第i個(gè)矩形內(nèi)所有像素值的和；{1,...N}為組成特征featureI的矩形個(gè)數(shù)；r＝(x,y,w,h,α)為五數(shù)組表示候選區(qū)域子圖中的任意矩形，其中(x,y)為矩形左上角頂點(diǎn)坐標(biāo)，w、h為矩形的長(zhǎng)和寬，α∈{0°,45°}為矩形選擇的角度。所述積分圖像快速計(jì)算法具體為：對(duì)于矩形角度α＝0°的正矩形特征，積分圖像定義為：SAT(x,y)表示圖像中像素點(diǎn)(x,y)左上方所有像素值之和，其中I(x′,y′)是候選區(qū)域圖像上的一個(gè)像素值。利用積分圖像表示矩形像素和的值為：RecSum(r)＝SAT(x-1,y-1)+SAT(x+w-1,y+h-1)-SAT(x-1,y+h-1)-SAT(x+w-1,y-1)對(duì)于矩形角度α＝45°的正矩形特征，積分圖像定義為：RSAT(x,y)表示圖像中像素點(diǎn)正上方延伸出的傾角為45°的區(qū)域所有像素值之和，I(x′,y′)是原候選區(qū)域圖像上的一個(gè)像素值。利用積分圖像表示矩形像素和的值為：RecSum(r)＝RSAT(x-h+w,y+w+h-1)+RSAT(x,y-1)-RSAT(x-h,y+h-1)-RSAT(x+w,y+w-1)所述構(gòu)造Adaboost模型方式為：采集與監(jiān)控視頻無(wú)關(guān)圖像構(gòu)成訓(xùn)練樣本(x1,y1),(x2,y2),...,(xn,yn)，其中yi＝1表示正樣本（明火），yi＝0表示負(fù)樣本（非明火）；初始化樣本權(quán)重：對(duì)于明火樣本ω1,i＝1/2n，對(duì)于非明火樣本w1,i＝1/2n，其中明火與非明火樣本數(shù)量相等，均為n；歸一化權(quán)重對(duì)每個(gè)特征j訓(xùn)練弱分類器hj，即確定閾值θj和偏置pj使目標(biāo)函數(shù)最?。粡娜醴诸惼髦羞x擇具有最小εt的弱分類器ht；更新每個(gè)樣本對(duì)應(yīng)權(quán)重若第i個(gè)樣本被正確分類，則ei＝0，反之ei＝1,βt＝εt/1-εt；構(gòu)成強(qiáng)分類器：其中統(tǒng)計(jì)當(dāng)前幀每個(gè)連通的明火區(qū)域大小，如果不存在連通明火區(qū)域像素面積和S＞THS的區(qū)域，則繼續(xù)對(duì)監(jiān)控視頻進(jìn)行明火檢測(cè)；如果存在，則輸出明火位置框。THS＝0.05×W×H，其中W，H分別為視頻幀寬和高。綜上所述，本發(fā)明提出一種基于多色彩模型和矩形特征的明火檢測(cè)方法和系統(tǒng)。檢測(cè)準(zhǔn)確率高，能有效排除路燈等誤檢，且運(yùn)算簡(jiǎn)單，檢測(cè)速度快，實(shí)現(xiàn)了實(shí)時(shí)有效的早期明火檢測(cè)。雖然本發(fā)明已以優(yōu)選實(shí)例公開(kāi)如上，然而所公開(kāi)實(shí)例并非用以限制本發(fā)明的范圍。任何所屬領(lǐng)域的技術(shù)人員，在不脫離本發(fā)明的精深和范圍內(nèi)，可以對(duì)上述實(shí)例進(jìn)行多種變更、修飾和補(bǔ)充，并且這樣的變更、修飾和補(bǔ)充要被看作在本發(fā)明的思想范圍內(nèi)。因此本發(fā)明的保護(hù)范圍當(dāng)視后附的權(quán)利要求所界定的范圍為準(zhǔn)。