基于光流视频处理的早期火灾检测.doc

基于光流视频处理的早期火灾检测.doc

ID:59211875

大小:520.50 KB

页数:11页

时间:2020-09-10

基于光流视频处理的早期火灾检测.doc_第1页
基于光流视频处理的早期火灾检测.doc_第2页
基于光流视频处理的早期火灾检测.doc_第3页
基于光流视频处理的早期火灾检测.doc_第4页
基于光流视频处理的早期火灾检测.doc_第5页
资源描述:

《基于光流视频处理的早期火灾检测.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于光流视频处理的早期火灾检测摘要:我们提出了一种基于Lucas-Kanade光流法的早期火灾检测方法。它能够从一个单目摄像机的视频流里实时检测火灾。这种方法在室内外都能工作。它在燃烧过程的初始阶段就能检测到火灾,能够比传统的火灾检测器更早的做出反应。该方法用背景差分在场景里确定出移动像素,然后过滤出与火焰颜色一致的像素。之后对轮廓用增长率分析(进行火灾)确认。随后对用增长率分析确认的区域运用Lucas-Kanade光流金字塔算法,分析光流特征点运动的变化情况。把只用增长率方法与结合增长率和光流分析法两种方法进行实验对比发现算法改善了早期阶段火灾报警的准确性,并减少了错误警

2、报。关键字:火焰检测;背景差分;色度特征;增长率;金字塔Lucas-Kanad光流I介绍火灾总是威胁财产和人们的生命。大部分传统的火灾检测技术是基于颗粒,、温度,和烟雾的分析,但是用这些技术的火灾检测系统因为高的错误警报率而有局限性。光学方法越来越适合取代传统的方法。因为数字摄像机技术和计算机视觉系统的快速发展,许多基于图像处理的技术被引进火灾探测技术。基于系统的图像处理一般考虑了运动,、颜色,、形状或者动态特征。颜色信息作为探测可能的火焰颜色而被引入作为前期的处理步骤【1】。然后,增长率和闪烁分析被用来从类似火焰的区域中提取真实火焰【2】。在文献[3]里,作者用模糊逻辑找

3、到报警率产生报警信号。缺点是使用者必须有火灾情况的经验,从而设计一个模糊集和真值表。火灾和烟雾检测流行的方法是小波分析,它通过提取比如运动,、边缘模糊,、边缘增强的图像特征把移动,、闪烁,、边缘模糊,、边缘增强的区域从录像中分割出来。背景差分,、时域小波转换,、空域小波转换都被用于提取这些特征【4】。另外一些研究,比如文献[5]是基于通过离散小波转换评估后探究强度图能量的变化。当烟雾出现或者试图平滑图像的边界时能量值会变低。这篇论文里,光流技术将被用于计算火焰的流分析,这能用于把火焰从其他移动物体里提取出来。注意到光流在机器视觉运动分析里是种重要的技术。光流技术包括微分,匹

4、配,基于能量和基于阶段的方法。LucasandKanade发现一阶局部微分法是其中最可靠的方法。在文献[7]里,作者用LucasandKanade光流法结合金字塔技术提取烟雾运动特征并基于神经网络给出了一个规则和真值表。然而,当有移动物体时,从火灾探测方法先前的技术得出的结果往往有较高的误警率,并且不能提供早期的火灾探测。因为这些局限性,现在大部分系统将在除了火焰而没有其他移动物体时工作。所以这个研究将专注于用结合增长率方法和金字塔LucasandKanade方法用普通摄像机探测火灾,以解决那些局限性。我们报告给出了我们的结合方法和标准增长率分析方法相比较的结果。II移动区

5、域检测背景差分通常用于在场景里分割出移动物体。一个找到前景图像的简单方法是平均观察到的来自录像的图像帧,并把他作为背景图像。这样当每次新的帧被捕获时,背景图像将被更新并从而提取新的前景图像。让I(x,y;n)代表第n个视频帧(x,y)位置处的强度值。评估背景强度值B(x,y;n+1)在相同像素位置的计算方法是:B(x,y;n+1)=I(x,y;n)+(1-)B(x,y;n)对于静止物体B(x,y;n+1)=B(x,y;n)对于运动物体B(x,y;n)是在相同位置之前评估的背景强度值。更新参数是接近于1的正实数.像素(x,y)将被认为是移动像素如果:

6、I(x,y;n)-I(x

7、,y;n-1)

8、>T(x,y;n)&&

9、I(x,y;n)-B(x,y;n)

10、>T(x,y;n)像素(x,y)将被认为是移动像素III色度特征火焰的颜色总是出现在红到黄的范围内,从这点来看,火焰的颜色能够映射到如表一0到60度的色相范围内。表一。Hue和RGB颜色模型颜色范围的比较颜色范围色相(角度)RGB模型红到黄0-60R>=G和且G>B黄到红绿60-120G>=R和且R>B色相和RGB颜色模型之间的关系如以下所示RG>B&&R>RTR,、G,、B分别是像素的红,、绿,、蓝像素的灰度分量值,红的灰度分量值应该大于阈值RT。此外,背景亮度图也可能影响具有火焰的颜色从而导致错

11、误火灾检测。为了解决这个问题,被检测的像素饱和度S应该大于阈值RTST,如图一1所示。S[(255-R)*]饱和度(%)红色灰度级图1.红色灰度级的阈值和饱和度此外,当火焰在黑暗的背景环境下,火焰将成为主要的光源。因为这个原因,火焰将在图像里呈现一片白色。因此,强度应该大于阈值强度IT.I>ITIV增长率分析一般情况下,燃烧的火焰将会变大,这依赖于空气流动和燃料的种类。所以,火焰的大小将会根据总的气流变化。但是它总是变大,特别是在初始燃烧阶段和持续燃烧阶段。增长率规则可以导出为如下所示:Gi表示当前帧到第n帧的数量

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。