基于新的运动特征的火焰检测方法

被引：3

作者：

李涛 ^{[1
,2
]}

向涛 ^{[1
]}

黄仁杰 ^{[1
]}

赵雪专 ^{[3
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 河南广播电视大学信息工程系

[3] 中国科学院成都计算机应用研究所

来源：

计算机仿真 | 2014年 / 31卷 / 09期

关键词：

火焰检测; 光流; 运动特征; 频率特征; 核支持向量机;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

当前火焰检测方法在刻画火焰特征时忽略了火焰的运动方向信息,从而对于复杂背景环境下的火焰目标可能会产生错误的检测结果。为了更准确的刻画火焰,在层次火焰检测方法的基础上,对多个层面,融入光流法获取的火焰方向信息,提出一种新的火焰运动特征,从而实现火焰检测。首先利用光流获得火焰候选区域每个点在四个方向区域的分布,统计不同区域像素的比例信息获得火焰方向特征;然后在时空层次上结合方向特征进行分析形成火焰频率特征;最后把方向和频率特征结合形成火焰的运动特征,利用核支持向量机(Kernel-SVM)对该特征进行训练,得到火焰检测模型。实验结果表明,火焰运动特征能显著提高火焰检测的准确性和降低误报率。

引用

页码：392 / 396

页数：5

共 11 条

[1] Real-time optic flow computation with variational methods. A Bruhn,et al. Computer Analysis of Images and Patterns . 2003
[2] An early fire detection method based on image processing. T H Chen,P H Wu,Y C Chiou. Image Processing In IEEE Int Conf on Image Processing . 2004
[3] Fire detection in video sequences using a generic color model. ?elik, Turgay,Demirel, Hasan. Fire Safety Journal . 2009
[4] Early Fire Detection Based on Flame Contours in Video. Xiao-Lin Zhou,Fa-Xin Yu,Yu-Chun Wen,Zhe- Ming Lu,Guang-Hua Song. Information Technology Journal . 2010
[5] Fire detection based on hidden markov models. Teng, Zhu,Kim, Jeong-Hyun,Kang, Dong-Joong. International Journal of Control, Automation and Systems . 2010
[6] A tutorial on support vector regression
Smola, AJ
Schölkopf, B
[J]. STATISTICS AND COMPUTING, 2004, 14 (03) : 199 - 222
[7] Fire detection based on vision sensor and support vector machines[J] . Byoung Chul Ko,Kwang-Ho Cheong,Jae-Yeal Nam. &nbspFire Safety Journal . 2008 (3)
[8] Fire flame detection in video sequences using multi-stage pattern recognition techniques
Tung Xuan Truong
Kim, Jong-Myon
[J]. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2012, 25 (07) : 1365 - 1372
[9] 基于连通区域和SVM特征融合的火灾检测
王文豪
陈晓兵
刘金岭
[J]. 计算机仿真, 2014, 31 (01) : 383 - 387
[10] Hybrid fire detection using hidden Markov model and luminance map. L Wang,et al. Computers and Electronic Engineering . 2011

← 1 2 →