王卫兵　徐倩　韩再博

摘要：针对传统光流法不适用于气体和液体等图像检测的问题，提出了使用最优质量传输光流作为复杂过程的低维描述符用于火焰和烟雾检测的方法。检测过程可以抽象成一种关于时空像素邻域的监督式贝叶斯分类问题，其特征矢量是由最优质量传输光流速度和R、G、B颜色通道构成的，并采用单隐层神经网络分类器进行特征提取，最后通过分析像素概率来判断属于火焰或者是烟雾。实验结果表明，该方法成功的区分了烟雾和颜色相似的白云，同样区分了火焰和与火焰颜色相似的背景，具有较强的鲁棒性。

关键词：最优质量传输，神经网络，视频检测，监督式分类

中图分类号：TP183 文献标志码：A 文章编号：1007-2683（2017）01-0086-05

0 引言

目前，火焰检测大多是通过使用点式光电感烟探测技术来执行的。这些方法在大的，开放空间和有固定延时的情况下检测效果不好，这是因为燃烧粒子所到达传感器所用时间的影响。文仅使用像素的颜色信息最为特征来检测。文中的检测方法使用傅里叶描述符来描述火焰的边界。在文中，使用小波分析来解决FFT执行时窗口的选择问题。这种方法依赖于小波能量，寻找小波能量最低且对噪声是敏感的点。文中，作者提出一种系统，这种系统建模火焰像素作为一种固定空间像素小波系数的隐马尔科夫模型，这种固定空间像素是在三中状态之间变化的变量。此外，他们使用边界区域光滑作为分类变量。……