论文部分内容阅读
火灾的发生严重威胁着人类的生命和财产安全,传统的基于传感器的火灾检测方法有一定的报警延时和不适用于大范围环境等弊端,而基于视频的方法具有响应速度快、监视范围广和提供信息多等优势,并且还能利用模式识别和机器学习等最新技术进行分析,因此基于视频的火灾检测具有重要的研究意义和应用价值。通常火灾发生的初期会伴有火花和烟雾,因此本文将会对基于视频的火花和烟雾检测进行研究,主要研究工作如下：(1)对基于视频的火花和烟雾检测框架进行了研究,并对框架中前景检测步骤中常用的检测方法(帧差法、光流法和背景减除法)进行了对比分析,为了能够消除前景检测过程中阴影的干扰,本文将高斯混合模型GMM和统计非参数SNP方法相结合。(2)设计一个视频中火花检测的算法,首先是检测前景区域；然后对前景区域进行颜色特征的分割,得到火花候选区域,为了进一步提高颜色分割的准确性,使用本文在RGB和YCbCr空间建立的判断规则进行综合判断;最后对火花候选区域进行频闪和颜色变化动态特征的判决。经实验结果统计发现,本文设计的视频中火花检测算法能够得到很高的准确率,并且能满足实时性的要求。(3)设计一个基于颜色矩的视频中烟雾检测算法,首先是将GMM得到的前景和动态三帧差分法得到的前景进行或操作,以得到视频帧中的前景对象,并且为了消除前景检测过程中阴影的影响,引入了SNP方法；然后使用颜色判别规则对前景区域进行判别,得到烟雾候选区域；接着再对烟雾候选区域使用直方图和半透明动态特征进行进一步的验证；最后对验证过的候选区域进行颜色矩特征的提取,并将提取到的特征送入SVM中进行分类判决。经实验结果统计发现,本文设计的基于颜色矩的烟雾检测算法能够得到很高的准确率,并能满足实时性的要求。(4)为了进一步提高烟雾检测的准确率,本文又从图像暗、亮通道的角度设计了一个基于图像分离的视频中烟雾检测算法,首先结合GMM、SNP以及暗通道的方法来对视频图像帧中的烟雾区域进行检测；然后对候选烟雾区域进行分块,并对每一块进行烟雾成份的分离,为了加快分离的速度,本文提出使用图像的亮通道作为烟雾成份的初值来加快分离的速度；最后对分离得到的烟雾成份提取LBP特征,将提取到的特征送入SVM进行分类判决。经实验结果统计发现,本文设计的基于图像分离的烟雾检测算法能够大大提高准确率。