多特征融合的视频火焰检测算法研究

《多特征融合的视频火焰检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、多特征融合的视频火焰检测算法研究摘要：基于视频的火焰检测算法为解决传统感烟感温火焰检测方法受环境制约的问题提供了一条新的路径。通常的视频火焰检测算法主要利用火焰的颜色、形状、频域特征等信息来进行检测，计算较为复杂，往往不能迗到实时性。文中结合火焰的颜色、运动特性以及频闪特性，提出一种简单高效的视频火焰检测方法。首先使用ViBe算法提取出视频中的运动区域作为火焰候选区域，以降低计算量，再通过火焰的颜色模型筛选出疑似火焰区域，最后根据火焰的频闪特性建立一个简单的频闪模型，进一步滤除与火焰颜色相似的非火焰运动区域。通过实验证明，该文提出的算法能够检测

2、出不同环境下火焰的发生，且执行效果较高。关键词：视频；火焰检测；运动区域；颜色模型；频闪分类号：TP391文献标识码：A文章编号：1009-3044(2014)22-5303-04当今社会人们的生活、办公越来越密集化，物资存储也更加集中，一旦发生火灾将会对人们的生命和财产安全造成巨大的威胁，人们对火灾预防重视程度不断加强。传统的火灾预防技术主要是基于温度、烟雾的感应［1］。这类方法需要在检测环境中安装温度或者烟雾传感器，对火灾的检测效果往往会受到距离、温度、粉尘等物理条件的影响［2］。为多特征融合的视频火焰检测算法研究摘要：基于视频的火焰检测算

3、法为解决传统感烟感温火焰检测方法受环境制约的问题提供了一条新的路径。通常的视频火焰检测算法主要利用火焰的颜色、形状、频域特征等信息来进行检测，计算较为复杂，往往不能迗到实时性。文中结合火焰的颜色、运动特性以及频闪特性，提出一种简单高效的视频火焰检测方法。首先使用ViBe算法提取出视频中的运动区域作为火焰候选区域，以降低计算量，再通过火焰的颜色模型筛选出疑似火焰区域，最后根据火焰的频闪特性建立一个简单的频闪模型，进一步滤除与火焰颜色相似的非火焰运动区域。通过实验证明，该文提出的算法能够检测出不同环境下火焰的发生，且执行效果较高。关键词：视频；火焰

4、检测；运动区域；颜色模型；频闪分类号：TP391文献标识码：A文章编号：1009-3044(2014)22-5303-04当今社会人们的生活、办公越来越密集化，物资存储也更加集中，一旦发生火灾将会对人们的生命和财产安全造成巨大的威胁，人们对火灾预防重视程度不断加强。传统的火灾预防技术主要是基于温度、烟雾的感应［1］。这类方法需要在检测环境中安装温度或者烟雾传感器，对火灾的检测效果往往会受到距离、温度、粉尘等物理条件的影响［2］。为了克服传统火灾检测系统存在的问题，研究人员提出了基于视频分析的火灾检测技术。该类方法通过摄像机获取监控场景中的实时视

5、频画面，利用图像处理和视频分析技术检测火灾的发生，这种非接触式的检测方法直观主动，对监控场景具有普适性，可以克服传统火灾检测系统受物理条件限制的缺点［3］。文献［4］结合火焰颜色统计模型和序列模式挖掘的方法，能够检测出一幅图像中的火焰，文献［5］利用视频中火焰区域的火焰颜色概率模型、火焰区域的形状以及火焰外形的变化规律来检测火灾的发生。文献［6］采用一种基于色觉和无序性测量的RGB模型来检测火焰和烟雾，而文献［7］则是通过在HIS颜色空间下使用直方图特征分割的方法来判断是否有火灾发生。为了提高火焰检测的效率和准确率，该文首先通过运动检测算法提取

6、出视频中运动的区域，进一步使用火焰颜色模型来选择出候选区域，最后根据火焰的频闪特性建立简化的火焰频闪模型，进一步滤除非火焰区域，提高检测精度。1运动区域提取运动区域提取的目的是将不断运动的区域从背景图像中提取出来，是视频分析算法的关键基础环节，是目标定位、识别和跟踪的前提［8］。众所周知，由于受到气流等因素的影响，火焰在燃烧过程中会持续不断的运动，该文先使用ViBe(VisualBackgroundExtractor)[9]算法提取出视频中的运动区域，缩小检测范围，提高火焰检测的效率和精度。ViBe算法由OlivierBarnich和MarcV

7、anDroogenbroeck于2011年提出，是一种像素级视频运动提取算法，由于它计算简单，效率较高，能够较准确的提取出完整目标，且占用硬件资源较少，目前得到了广泛的应用。ViBe算法是一种基于统计背景模型的运动区域检测算法，其基本流程如图1。算法首先根据第一帧图像建立背景模板，图像的每个像素点在背景模版中都有一个维数为N的样本集合，初始化时样本集合里的值从每个像素点的R[X]R邻域内随机抽取。对后续图像帧的处理包含匹配和背景更新两个部分。匹配过程中计算当前像素点与其样本集合中的元素值在颜色空间中的距离，并统计距离小于一定阈值D的元素个数，当

8、个数大于一定阈值T，则判定该像素点为背景点，否则判定其为前景点。对判定为背景点的像素要更新对应的样本集合，首先随机抽取NUM个样本集合中的元素，将其值