时空视觉选择性注意机制的视频火焰检测

被引：8

作者：

杜静 ^{[1
,2
]}

严云洋 ^{[1
,2
]}

高尚兵 ^{[2
]}

刘以安 ^{[1
]}

机构：

[1] 江南大学物联网工程学院

[2] 淮阴工学院计算机工程学院

来源：

计算机辅助设计与图形学学报 | 2014年 / 03期

关键词：

火焰检测; 视觉显著性; 主成分分析; 局部二值模式; 累积差分;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

引入计算视觉领域中的显著性思想,结合自上而下的视觉注意模型,构建了基于时空视觉选择性注意机制的视频火焰检测模型.该模型用HSV空间的V分量表示火焰的亮度显著性,用RGB空间火焰R和B分量的关系表示火焰的颜色显著性,用局部二值模式的3种形式组合成的特征向量之间的距离表示火焰的纹理显著性;为降低模型时间、空间的复杂度,采用主成分分析对局部二值模式特征向量降维,用改进的基于火焰颜色的累积差分表示火焰的运动显著性.最后经加权线性组合各静态、动态特征图,得到当前视频帧的综合显著图.对Bilkent大学火焰视频库中全部的13段火焰视频和通过互联网获得的2段非火焰视频进行实验的结果表明,与其他流行模型相比,该模型可以更准确地检测出视频序列中的火焰区域.

引用

页码：479 / 485

页数：7

共 8 条

[1] 使用多尺度LBP特征和SVM的火焰识别算法
严云洋
唐岩岩
刘以安
张天翼
[J]. 山东大学学报(工学版), 2012, 42 (05) : 47 - 52+58
[2] SIFT和旋转不变LBP相结合的图像匹配算法
郑永斌
黄新生
丰松江
[J]. 计算机辅助设计与图形学学报, 2010, 22 (02) : 286 - 292
[3] 基于视觉特征的早期农林火灾检测方法的基础研究[D]. 康锋.浙江大学. 2010
[4] 支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学. 2010
[5] 火灾预警的机器视觉方法研究[D]. 林宏.昆明理工大学. 2007
[6] Video-based smoke detection with histogram sequence of LBP and LBPV pyramids
Yuan, Feiniu
[J]. FIRE SAFETY JOURNAL, 2011, 46 (03) : 132 - 139
[7] An image processing technique for fire detection in video images
Marbach, G
Loepfe, M
Brupbacher, T
[J]. FIRE SAFETY JOURNAL, 2006, 41 (04) : 285 - 289
[8] Independent component analysis by transforming a scatter diagram of mixtures of signals[J] . Taro Yamaguchi,Katsuhisa Hirokawa,Kazuyoshi Itoh.Optics Communications . 2000 (1)

← 1 →