严云洋，陈垂雄，刘以安，高尚兵

(1.淮阴工学院 计算机与软件工程学院，江苏 淮安 223003； 2.江南大学 物联网工程学院，江苏 无锡 214122)

维度加权模式动态纹理特征的火焰检测

严云洋1,2，陈垂雄1,2，刘以安2，高尚兵1

(1.淮阴工学院 计算机与软件工程学院，江苏 淮安 223003； 2.江南大学 物联网工程学院，江苏 无锡 214122)

对疑似火焰区域提取纹理特征时，用局部三值模式描述火焰静态纹理特征不利于区分火焰与其他纹理均匀的干扰物，用KNN算法(k-nearest neighbor algorithm)分类效率较低。针对这些问题，提出用三正交平面局部混合模式(three orthogonal planes local mixed pattern, LMP-TOP)描述火焰的静动态纹理，再输入维度加权的支持向量机进行分类识别。LMP-TOP是对第一维XY平面，采用八邻域的均匀局部二值模式(uniform local binary pattern, LBPu2)三正交平面局部混合模式表示火焰的静态纹理特征；对第二维XT和第三维YT平面，则采用局部三值模式(local ternary patter, LTP)融入火焰在时间维度上的变化信息，这样在得到火焰的静态特征的同时也融入了其动态特征。根据3个维度单独用于识别的准确率，赋予其相应的权重，用维度加权的支持向量机进行分类识别。实验结果表明，相比Sthevanie等算法，本文所提出的方法火焰识别率和检测效率均较高。

静态纹理；动态纹理；正交特征；加权特征；支持向量机；火焰检测；特征提取；局部二值模式

基于视觉的火灾检测相比传统的火灾检测方法具有反应快、适用范围广等优点，因此正成为火灾检测技术应用研究的热点，而基于视觉的火焰检测是基于视觉的火灾检测的一个重要依据。……