张慧珍 严云洋 刘以安 周静波 高尚兵

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

引 言

图1 算法总体流程 Fig.1 Overall process of proposed algorithm

基于视频的火焰检测已经成为火灾预防的一个非常重要的手段，火焰检测的算法研究成为了研究热点。Kosmas等[1]提出一种鲁棒性较高的火焰检测算法，以背景消减法结合颜色特征得到图像中火焰候选区域，然后采用不同的时空特征为火焰建模，同时基于线性动力系统(Linear dynamic systems,LDS)及其理论在每个候选区域中进行动态纹理分析，最后选用支持向量机(Support vector machine,SVM)进行训练分类。李正周等[2]提出一种无线传感网与人工神经网络结合的火灾检测与定位算法，根据训练与估计进行模糊推理决策。Kong等[3]提出一种可视化分析方法，通过背景消减法得到火焰的颜色大小及运动特征，使用逻辑回归(Logistic regression,LR)进行概率预测，并且用时间平滑降低敏感性以减少误检率。邵婧等[4]提出一种通过CCD摄像机获取火焰视频，建立LDS模型分析动态纹理特征，最后训练AdaBoost分类器判别火焰的方法。文献[5]提出一种分析帧间火焰低级特征的变化来描述火焰候选区域，并结合闪频及火焰的随机特征，输入到贝叶斯分类器中进行评估的算法。上述方法在检测火焰方面均取得了一定的效果，但同时也可以看出火焰的检测已经趋向于最终以分类器或者词典等训练识别，在没有大量训练样本的前提下检测与分类的准确率一般不太高。现在很多算法提取候选区域根据各类特征直接提取或者综合特征提取，在不能准确描述特征的前提下往往达不到良好的分割效果。……