改进YOLO-V5的烟火视频检测算法

为解决安防视频25帧/s及以下安防设备视频火灾识别技术多帧采集图像处理连续视频检测方法精度低、误报率较高的问题,提出一种改进YOLO-V5的烟火视频检测算法。首先,采用改进YOLO-V5进行特征提取,对疑似烟火目标采用动态能量算法进行决策仅保留动态目标。其次,采用改进Efficientnet-V2图像分类模型进一步对动态目标进行分类,仅保留预测成烟火的目标。最后,采用视频动作识别模型Temporal-shift-module对烟火目标区域的视频进行最终的识,进一步提高识别精度。通过对比仿真,结果表明,改进后算法准确率均值可达98.6%,误检率低至为2.5%,平均检测速率25帧/s,可以满足已建安防视频设备烟火检测使用。

烟火视频序列的混合高斯模型利弊探讨

烟火视频序列背景模型的质量直接影响到火灾监控的准确性,烟火初起阶段与发展阶段是火灾监控的关键时间环节,目前以视频序列背景模型利弊分析为主题的文章较少。本文首先针对烟火视频序列建立混合高斯模型,然后利用帧间差提取动目标区域,最后,对影响混合高斯模型质量的更新率进行实验分析。实验结果表明,在烟火初起期、发展期固定环境下,混合高斯背景更新与帧间差相结合的方法能有效地提取出动目标区域。实验也表明,更新率值过大或者过小时,直接导致动目标区域提取不准确。若更新率值过小,背景模型更新较慢,造成背景区域误判为动目标,动目标区域出现拖影问题。若更新率过大,背景模型更新较快,运动速度缓慢或暂时停滞的目标会被误检测为背景,动目标区域会出现空洞现象。