一种基于视频的火焰检测方法-论文.pdf

《一种基于视频的火焰检测方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第1期计算机应用与软件Vo1．31No．12014年1月ComputerApplicationsandSoftwareJan．2014一种基于视频的火焰检测方法吴建胜高云玲张宾(辽宁科技大学软件学院辽宁鞍山114051)摘要根据火焰的颜色特征提出一种基于OHTA颜色空间并利用Otsu阈值选取来分割火焰区域的方法。该方法能够在室外不同环境下准确地分割出含有火焰的区域。结合火焰的动态特征，利用三帧差分法进一步去掉具有火焰颜色的静止物体。该方法时间复杂度低，能够满足视频检测的实时性要求。关键词火灾检

2、测运动检测图像处理OHTA空间Otsu闽值中图分类号TP391文献标识码ADOI：10．3969／j．issn．1000-386x．2014．01．045AVIDEo．BASEDFLAMEDETECTIONMETHoDWuJianshengGaoYunlingZhangBin(SchoolofSoftware，LiaoningUniversityofScienceandTechnology，Anshan114051，Liaoning，China)AbstractAccordingtothecharac

3、teristicsofflameco]our，weproposeanewmethod，itisbasedonOHTAcolourspaceandUSeSOstuthresholdtosegmentflamearea．Themethodcanaccuratelysegmenttheareacontainingtheflameindifferentenvironmentoutdoors．Combiningwithdynamiccharacteristicsoftheflame，weusethree—fra

4、medifferencemethodtofurtherremovethestationaryobjectwithflamecolour．Themethodhaslowtimecomplexity，canmeetthereal—timerequirementsofvideodetection．．KeywordsFiredetectionMotiondetectionImageprocessingOHTAspaceOstuthreshold火焰颜色的运动区域，进而识别出火焰。0引言1相关理论知识火焰是图像

5、型火灾检测中判断是否有火灾发生的关键信息。火焰的颜色与燃烧物和燃烧时的温度都有关，火焰的温度由焰心到外焰逐渐升高，表现在颜色上依次为白色、蓝白色、黄色、橙色、红色、暗红色。许多火灾检测算法“都以火焰的这种颜色分布特性在不同的颜色空间中来分析和提取火焰区域。文献[2，3]利用火焰在RGB空间的特性通过实验确定一个R、G、B各分量的取值范围来分析和提取火焰。文献[1，2]分割具有火焰颜色的区域效果还可以，但是在光线接近火焰颜色的情况下或者是火焰周围环境与火焰很接近的情况下，就会导致非火焰的区域被判断为火焰

6、区域，这导致后续对火焰的识别会变的很复杂，还有一种基于训练的火焰识别方法J。另外火焰的分割方法还有颜色直方图、颜色矩、RGB三分量差值的直方图、HIS的线性组合。㈩笔者通过选取多幅跟火焰颜色相近环境下且具有不同亮度的火焰图片，在各种颜色空间中通过实验分析发现，在OHTA颜色空间中火焰区域的分割效果最好。因此本文提出一种新的基于OHTA颜色空间，并利用最大类间方差法选取自适应阈值的分割火焰的方法。运动物体检测最常用的方法有背景差分法和帧间差分法，而其中最常用也最有效的是混合高斯背景建模差分法和三帧差分法

7、。本文通过分析上述方法对火收稿日期：2012—08—31。辽宁省教育厅科技项目(12010202)。吴焰区域分割的优劣，最终选用三帧差分法来分割火焰区域。通建胜，教授，主研领域：数字图像处理，信息安全。高云玲，硕士生。张过上述颜色分割和运动区域分割相结合就能够准确分割出具有宾，硕士。190计算机应用与软件2014丘用SVM和K—SVM的集成学习模型漏诊率较高。[14]DeBT．Deployingsdpformachinelearning[C]／／ProceedingsofthefifteenthEur

8、opeanSymposiumonArtificialNeuralNetworks，2007．综上：①相比单分类学习方法，采用基于PFKSVM的集成学习模型在非平衡医疗数据辅助诊断中表现出较好的效果；[15]蒋莎，张晓龙．一种用于非平衡数据的SVM学习算法[J]．计算机工程，2008，34(2o)：198—202．②在集成学习模型中，采用PFKSVM的基本分类器能有效处理[16]翟永杰，韩璞．基于损失函数的SVM算法及其在轻微故障诊断中数据集的非平衡问题，