多特征融合的视频火焰检测算法研究-论文.pdf

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

1、ISSN1009-3044E—mail：eduf@dnzs．net．cnCompu~rKnowledgeandTechnology电脑知识与技术http：／／w~v．dnzs．net．cn多特征融合的视频火焰检测算法研究谢伟(1．安徽理大学计算机科学与一稗学院，安徽淮南232001；2．淮南市大通区安全生产监督管理局．安徽淮南232000)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，往往不能达到实时性。文

2、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；火焰检测；运动区域；颜色模型；频闪中图分类号：TP391文献标识码：A文章编号：1009—3044(2014)22—5303—04TheResearchofFlameDetecti

3、onjnVideoBased-ouMulti-featureFusionXIEWei，(1．SchoolofComputerScienceAndEngineering，AnhuiUniversityofScienceandTechnology，Huainan232001，China；2．TheBureauofSafeProductionSupervisionandAdministrationofDatongdistrictHuainan230000，China)Abstract：Theflamedetectionbased—onvideos

4、provideanewwayforsolvingtheproblemthattheconventionalflamedetectionmethodsbased—ondetectingsmokeorheatarelimitedbycircumstance．Commonvideoflamedetectionprincipallyemploythecolor，shapeandfrequencyfeaturestodetectflame．Thesemethodsaretoocomplextobeusedinreal—timeenvironment．

5、Thispa—percombinesthecolor，movementandflickerandproposesasimpieandeficientvideofl~medetectionmethod．FirstlyusetheViBealgorithmtoextractmovingregionsinvideoascandidatesforreducingcalculation，thenselectthesuspectsthroughthecolormodelofflame，andlastlyaccordingtOtheflickerprop

6、ertybuildasimplemodeltoremovethenon—flameareashavingcolorsimi—lartoflame．Theexperimentsshowthattheproposedmethodcandetectflameinvariouscircumstancesalldperformeficiently．Keywords：video；flamedetection；movingreon；colormodel；flicker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

7、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。为r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。文献[41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

8、图像中的火焰，文献[5J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