论文部分内容阅读
火灾是最具危害性的自然灾害之一,由于无法预测和迅速燃烧,严重影响自然环境和社会生产生活。有效的火焰检测方法可以在火灾发生初期迅速报警,从而避免大规模火灾的发生,保障自然环境和居民人身财产安全,具有重大的学术价值和实用意义。传统的火焰检测方法包括感温探测器、感光探测器等,尽管成本低且简易,但存在探测范围小,易受光照影响的缺点。基于视频的火焰检测不仅可检测到远距离的火焰,而且能够获取其详细的大小位置信息。因此,视频火焰检测得到了越来越广泛的关注与研究。为了提出一种高准确率、低误检率的视频火焰检测算法,本文开展了以下研究:(1)疑似火焰区域分割。快速准确地分割出疑似火焰区域,可以有效缩小检测范围,为后面的工作奠定良好基础。有效的预处理可以降低噪声影响,保留图像有用信息。本文比较不同平滑去噪方法的效果,选择适应中值滤波来消除噪声影响。运动检测分为帧间差分法、背景差分法和光流法,详细比较分析了这几种方法。在颜色检测方面,讨论了不同颜色空间模型,选用RGB和HSI模型用来检测火焰颜色物体。(2)火焰特征提取。火焰具有剧烈闪烁的特点,这一点在频域上表现尤为明显,小波变换可以准确反映图像的频域信息。传统的小波具有平移改变性和有限的方向选择的不足,引入双树复小波描述图像高频信息,既保持平移不变,又有±15、±45、±75六个方向的高频信息。另外,火焰具有独特的纹理,LBP具有光照不变性,且计算简单,因此可以用来作为纹理特征。本文比较了LBP、旋转不变统一模式LBP和DRLBP三种不同的局部二值模式,结合火焰的具体特点,确定改进DRLBP用来描述火焰纹理特征。除了小波、纹理特征外,颜色矩因其简单有效也被作为火焰特征。(3)多特征的视频火焰检测系统。本文提出了一种不受形状改变等影响的基于块特征的算法。采用运动颜色检测方法提取出疑似火焰块区域,再从中提取双树复小波变换特征、DRLBP模式以及颜色矩等特征。通过SVM分类器训练火焰和非火焰样本,并用训练好的分类器进行火焰识别。另外,采用时域确认方法,排除和火焰极为相似的物体(如车灯、路灯、有反射光的物体等)干扰,最终确定火焰区域。最后,将本文算法和已有的算法进行实验对比,得出在不同场景、不同光照、背景的火焰视频和不同干扰物的非火焰视频中,本文算法检测率高、误检率低,是一种高效、实时、具有广泛适用性的视频火焰检测算法。