朱家辉 赵志瑛 贾静静

（太原师范学院 山西省晋中市 030619）

1 引言

目前现存主要烟雾检测方法可以分为传感器烟雾检测技术和计算机视觉烟雾检测技术，前者出现时间较早且技术较为成熟，广泛用于商业和民用消防领域，但实时性不足，很难对火灾规模进行估计。近些年视频监控技术的成熟，催生了基于计算机视觉检测的烟雾检测技术。目前基于计算机视觉的烟雾检测技术已经成为烟雾检测领域的主要研究方向。

在基于计算机视觉的烟雾检测技术中，大多数方法用到了早期的机器学习算法，例如支持向量机（Support Vector Machine, SVM）。这些算法在简单的分类或者回归问题上有着不错的表现，因此也被频繁拿来应用在烟雾检测领域。Miranda 等人[1]对多种颜色模型统计烟雾图像的像素值分布，通过Relief 特征分析烟雾在颜色模型的颜色分量，并进行烟雾检测；Chen[2]对小波方法中纯色物体造成的干扰进行修正，提出对比度图像的概念，对当前帧与背景帧进行小波变换，由高低频比检测运动区域是否为烟雾；Russo 等人[3]使用局部二值模式(Local binary patterns, LBP)提取烟雾纹理特征，使用机器学习方法对烟雾进行分类；Appana 等人[4]利用时空序列上的能量分析和Gabor 变换对帧间差分图像中的烟雾模式进行建模，但帧间差分的采样间隔依赖于烟雾本身的运动,很难自适应地指定采样间隔。

上述方法中，基于传统机器学习检测方法主要通过在像素空间中提取疑似烟区，然后使用机器学习方法对疑似区域进行检测。……