基于YUV颜色空间和多特征融合的视频烟雾检测

被引：21

作者：

刘恺 ^{[1
]}

刘湘 ^{[1
]}

常丽萍 ^{[1
]}

陈滨 ^{[2
]}

吴哲夫 ^{[1
]}

机构：

[1] 浙江工业大学信息工程学院

[2] 浙江工业大学设计艺术学院

来源：

传感技术学报 | 2019年 / 32卷 / 02期

基金：

浙江省自然科学基金;

关键词：

图像识别; 烟雾检测; YUV烟雾像素过滤; 离散小波变换; 均匀局部二进制模式;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度。多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。

引用

页码：237 / 243

页数：7

共 14 条

[11] Smoke detection in video using wavelets and support vector machines [J].

Gubbi, Jayavardhana ;

Marusic, Slaven ;

Palaniswami, Marimuthu .

FIRE SAFETY JOURNAL, 2009, 44 (08) :1110-1115

[12] Improved boosting algorithms using confidence-rated predictions [J].

Schapire, RE ;

Singer, Y .

MACHINE LEARNING, 1999, 37 (03) :297-336

[13] A decision-theoretic generalization of on-line learning and an application to boosting [J].

Freund, Y ;

Schapire, RE .

JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) :119-139

[14]

Texture Analysis of Smoke for Real-Time Fire Detection .2 Yu Chunyu,Zhang Yongming,Fang Jun,et al. International Workshop on Computer Science and Engineering . 2010

← 1 2 →