基于YCbCr和帧间差分法的火焰分割算法

为了提高森林火灾的火焰检测效率和准确率,提出一种融合YCbCr和三帧差分法森林火焰前景提取算法。首先通过三帧差分算法对视频进行分帧处理,利用形态学进行去噪处理,再计算两帧参考帧和当前帧之间像素点的位置差异,得到像素点在参考帧中的位置和在当前帧中的位置之间的偏移量,从而分割出不断变化的火焰,结合YCbCr算法来进一步分割火焰疑似区域,达到精细化分割的目的。实验结果表明:所提方法克服了单个算法对火焰分割精度不高的缺点,可以较好地完成火焰分割,达到预期要求。

基于多特征匹配的视频图像火灾识别方法

针对改进传统火灾识别算法难以有效消除噪声和保护图像边缘细节的问题,提出了一种基于多特征匹配的火灾识别方法。使用改进的自适应中值滤波算法识别检测,通过分离色彩通道建立颜色模型,进一步判别火焰区域,采用帧间差分法对火焰部分轮廓进行分割和提取,获取火焰实时面积。实验结果表明,改进后的算法体系对色彩识别度由原来的87%提升至98.9%,对火灾识别率提升至92.7%,高于90%国际通用水平。相对于传统中值滤波算法和传统混合高斯算法体系,该方法能更好地保护图像细节,避免漏检误检。

一种基于连续帧图像相似度的火焰识别方法

为解决了火焰闪烁频率计算量大、计算结果不准确的问题,首先基于火焰的闪烁特性,选取连续帧图像中可疑区域的相似度作为火焰和干扰源的判别依据,利用正负大样本数据确定了相似度阈值的范围大小;然后,根据火焰的运动特性设计了一种连续帧图像中可疑区域的区域跟踪方法。实验证明:该方法能够跟踪出连续帧图像中的可疑区域,并可排除常见干扰源的影响,准确地进行火灾预警。

一种基于颜色分量离散度的火焰识别模型

针对在视频火灾探测中,传统的火焰颜色模型适应性差、易受环境因素干扰的问题,利用火焰的分层特性,将火焰颜色分量的离散度作为研究对象,选取颜色B分量标准差作为火焰和干扰源的判别依据,提出了一种新的火焰颜色模型。通过绘制大样本数据的ROC曲线确定了判断阈值的大小。实验证明:该颜色模型能够排除常见干扰源的影响,准确地进行火灾预警。

基于改进梯度边缘特征的早期火焰识别方法

在视频火灾探测中,基于颜色特征变化的火灾识别模型适应性差、对火焰倒影等在颜色模型方面与火焰图像很类似的外界干扰分辨率差。利用火焰燃烧时在空气中的状态与周围环境的颜色阶跃性,在颜色分量模型的基础上,对火焰图像边缘进行粗定位和精定位,使用改进的Soble边缘检测算法,选取颜色B分量的边缘梯度作为判断火焰和干扰图像的依据,构建了一种基于图像边缘梯度的火焰识别模型。实验证明:颜色分量梯度模型能够排除大量的常见干扰源,准确、快速地对火灾进行识别,对大空间室内火灾探测具有一定的使用价值。

基于RGB颜色模型的玉米淀粉爆燃火焰传播速度

采用小尺度粉尘爆炸实验装置对不同质量浓度的玉米淀粉爆燃火焰传播过程进行了实验研究,建立了基于RGB颜色模型的火焰重构及形态学重建的粉尘火焰传播速度计算方法,计算了不同质量浓度下的玉米淀粉爆燃火焰传播速度。结果表明:采用基于RGB颜色模型的速度计算方法能够快速准确地计算出玉米淀粉爆燃火焰传播速度,火焰像素范围的确定是火焰速度计算的关键;管道内火焰传播速度受粉尘云质量浓度的影响,最大火焰传播速度随粉尘云质量浓度的增大先增大后减小,到达速度峰值的时间先缩短后增长,当质量浓度为0.63 kg/m^3时,出现该实验条件下火焰传播速度最大值7.03 m/s。

融合色彩和轮廓特征的火焰检测

基于图像的火焰检测能适应大空间和恶劣环境火灾预防应用的需要,首先分析了火焰图像的色彩及轮廓信息等重要特征,然后提出了基于连通区域面积阈值化的单像素宽度目标轮廓特征的抽取方法,再应用所建立的火焰检测色彩模型,融合火焰色彩和边缘轮廓动态变化等特性,实现了在视频序列图像中火焰的自动检测.实验结果显示,该方法能实时检测火焰,误判率低.

应用GMM的快速火焰检测

基于视频图像的火焰检测是火灾预防研究的重要内容。为提高检测效率,首先使用具有自适应背景变化的高斯混合模型(GMM)来检测场景中的运动物体。然后针对运动物体,提取颜色特征和面积变化特征。最后,根据得到的特征来识别场景中是否有火焰发生。该方法不仅可有效检测到视频中的火焰帧,还避免了非火焰场景中对计算时间的浪费。

基于图像特征的火焰识别与检测技术研究

提出了一种基于火焰图像特征的火灾火焰检测及识别算法。将火焰颜色、变化率作为火灾火焰检测与识别的判据,在火焰颜色模型和变化率的基础上引入火焰尖角以及圆形度对火灾火焰图像进行进一步判定。实验结果表明,该算法能有效提高火灾火焰检测与识别的准确率,排除干扰源。

基于超像素分割与闪频特征判别的视频火焰检测

视频监控已经成为当今火灾防范的主要方法。视频火焰算法层出不穷,但多为训练各种分类器做最后的分类,这需要提前准备大量相关的视频火焰样本来做训练,在视频火焰样本不够的情况下往往不能达到很高的检测率。本文提出一种基于超像素分割并结合闪频特征进行判断识别的方法。首先在Lab颜色空间上利用超像素分割方法将待检测图像分割出近似均匀的若干个小区域,并以其形心点代表一个超像素,结合RGB颜色空间与Lab颜色空间中的静态特征,根据提出的一定规则提取出火焰候选区域,最终利用此区域内提取的闪频特征判别其是否为火焰。实验证明,该算法在样本较少的情况下检测率较高。

基于卷积神经网络的水面火焰倒影滤波方法

为了解决由于水面火焰倒影等区域与火焰特征相似,在水面火焰检测中分割火焰区域时,容易将火焰倒影等区域识别为火焰区域,尤其是当火焰亮度高时,YCbCr空间火焰识别模型可能将较多的火焰亮度高的区域误判为非火焰区域的问题,提出了一种水面火焰识别方法.利用卷积神经网络来判断图片中是否含有火焰,再根据火焰经水面反射、折射后在水中的倒影与火焰区域的亮度差,结合YCbCr空间模型,将火焰区域分割出来.试验结果证明:这种水面火焰识别方法可以判断图像中是否含有火焰图像,能够有效过滤火焰倒影等区域,较为精准地提取出火焰区域;同时可以解决火焰亮度高时,YCbCr空间模型识别火焰区域时存在较大空洞的问题.

基于视频图像的远程火灾探测系统

将传感器技术用于大空间火灾探测时,存在距离短、误报率高、可靠性差等不足。为此,在TMS320DM642微处理器和TI的DSP/BIOS实时操作系统上,设计基于视频图像的远程火灾探测系统。建立RGB空间颜色模型,对连续数帧火灾图像做预处理,分析频闪特性并进行模糊聚类,提取疑似目标区域,以火焰相关性、面积变化率和圆形度3个特征作为火灾识别依据。实验结果表明,该系统提高了大空间图像型火灾探测的精度和速度,可满足远程火情监测需要。

基于多特征融合的视频火焰检测技术研究

基于彩色监控视频图像,利用火焰影像的时间运动特性,采用混合高斯背景建模方法从监控视频图像序列中提取出运动前景像素;在RGB色彩空间模型中通过火焰颜色的加权判别算法提取出具有火焰颜色的运动像素区域;最后,提出一种基于统计频率计数的火焰频闪特征识别方法,用于将视频图像中真实的火焰区域从具有火焰像素颜色的运动区域中区分出来。Matlab仿真结果表明,该算法具有很高的有效性和鲁棒性,能够应用实际的视觉火灾检测系统之中。

基于视频的火焰检测方法

在分析视频监控的火焰检测技术的基础上,针对传统的帧间差分法,提出一种结合分块处理和帧间差分的分块帧组差分的运动检测方法,提高相邻像素间的关联性,降低噪声干扰的影响,通过色调、色饱和度和亮度来分析视频中火焰像素的静态颜色特征,降低亮度对颜色检测的影响。充分利用燃烧火焰的动态频谱特征和空间的能量信息,对不同时刻火焰燃烧的图像时域和空域进行小波分析;分析后的疑似火焰区域利用连通邻域像素的信息对零散的非火焰像素点进行滤除。实验结果表明,该检测方法更具目的性,且颜色检测更具可靠性,降低了闪烁光和类似火焰物体等造成的影响。

基于火焰区域跳动特性的高速公路隧道火灾火焰检测方法

为了准确检测高速公路隧道火灾火焰,提出一种基于火焰区域跳动特性的火焰检测方法,其利用小波变换的高频敏感性来分析高速公路隧道视频火焰区域的高度变化特性。首先对视频图像进行背景更新,提取运动区域并滤除移动车辆的灯光干扰;然后在HSI颜色模型下识别出类似火焰颜色的疑似区域。疑似区域变化是火焰跳动特性的直接体现,故基于这一特点,对连续多帧图像疑似区域的高度变化曲线进行小波分解,并利用小波高频分量系数的局部极大值数量来判断视频图像中是否存在火焰。仿真试验结果表明,此种算法具有很高的准确性和有效性。

基于Codebook的视频火焰识别算法

为了提高视频火焰识别的准确度,提出了一种基于Codebook的火焰识别方法,创新地在YUV空间使用Codebook背景模型检测火焰区域,定期更新背景,综合火焰的动静态多特征进行火焰识别。首先,提取视频中的每一帧图像,利用原始图像中R、G、B三个分量间存在的线性关系作为颜色模型,初步提取火焰颜色区域;然后,为了利用YUV颜色空间的有利特性,将颜色空间从RGB转化到YUV,使用Codebook背景模型进行背景学习、背景差分,提取出具有火焰颜色的动态前景;最后,利用火焰面积变化率、区域重叠率、质心位移这3个特征来训练反向传播(BP)神经网络,通过训练好的神经网络判断视频图像是否存在火焰。选取相机位置以及方向固定的视频进行实验,所提算法在复杂的视频场景中的识别准确度达到96%以上。实验结果表明,所提算法有效提高识别的准确度,同时降低多种干扰物场景的误判率。

一种基于模糊聚类的火焰色彩特征目标检测

计算机视觉检测是指利用计算机图像处理系统来模拟人类视觉进行检测对象的分类、识别和测量的技术.使用基于模糊聚类的图像RGB分量线性变换后的正交彩色特征,建立了应用于火焰检测的一种混合检测模型,并将其应用于视频序列图像中火焰的自动检测.实验结果验证了该方法的有效性.

基于多特征匹配的视频图像火灾火焰检测方法研究

相对传统的视频图像火灾检测方法,提出一种基于多特征匹配的视频图像火灾火焰检测方法。首先,算法采用改进的混合高斯分块模型对监控画面中的动态区域划分;再利用颜色概率统计模型提取动态区域的颜色特征,并分割出疑似火灾区域;最后,通过统计疑似火灾区域圆形度特征并判断火灾火焰是否存在。实验表明:算法对火灾火焰的检测识别准确率较高,并具有较好的实时性和抗干扰性。

基于逻辑回归模型的火焰检测

为了提高图像型火焰检测算法的准确率,提升算法的运行效率,通过对火焰颜色和动态特征的研究,提出了一种基于逻辑回归(LR)模型的火焰识别算法。首先利用高斯混合模型提取画面中的运动目标,在HSV色彩空间内根据火焰颜色模型分割出疑似火焰区域;然后提取疑似火焰区域的颜色及动态特征;最后将特征量输入LR模型进行参数学习,建立关于火焰特征的火焰概率模型,用于火焰识别。实验结果表明,该火焰识别算法具有识别率高、误报率低、运行速度快等优点,在图像型火焰检测上有着良好的应用前景。

自然燃烧火焰的快速仿真

从自然燃烧的火焰的现象出发,采用面向对象的方法,提出了一种基于粒子系统的自然燃烧的火焰的快速数值模拟算法。首先,讨论了形成火焰燃烧的动态场景图像的基本原理,给出了火焰图像与背景图融合的算法,并建立了用于火焰仿真的两种火焰颜色模型。然后,建立了用于火焰仿真的火焰粒子、火苗与火焰系统的面向对象模型,给出了各对象的燃烧行为的快速模拟方法。接着,对实现动感火焰的方法进行了讨论,指出了算法。最后给出了通过该文算法进行模拟实验的效果图。该算法准确度较高,速度快,效果较好。