● 摘要
火灾不仅会对环境产生恶劣影响，还会带来巨大的经济损失，更为严重的是导致人员的伤亡。由于各种传感器适用距离的局限，基于传感器的烟火检测系统仅适用于空间小、距离短的环境。烟雾是火灾发生的早期表现，因此，可以通过检测烟雾及时的对火灾进行报警，降低火灾损失。随着视频分析技术的发展，基于视频图像的烟雾检测算法克服了基于传感器系统适用距离短和价格昂贵的缺点，该方法结合烟雾特征、模式识别及机器学习技术，可以提供更直接、及时的火灾信息，具有广阔的应用前景和使用价值。
现有基于视频图像的烟雾检测算法大多采用烟雾特征分析解决问题的。这些算法利用烟雾特征对烟雾进行准确描述，通过特定的分类方法对视频图像进行烟雾检测。其核心是烟雾特征分析及选取。现在常用的烟雾特征主要包括颜色特征、不规则特征、运动方向特征等，但是某些特征的使用方法具有较大的局限性，在实用过程中，出现较高的误报率。
本文针对上述问题，在对比分析国内外研究成果的基础上，改进烟雾特征的使用方法，深入挖掘烟雾新型特征，提出了一种基于视频图像的新型烟雾检测算法，该算法主要包括三部分：（1）采用背景减法中的码本模型进行运动前景提取，针对提取的运动前景图像含有空洞和残缺的不足，提出了一种基于高斯分布的运动前景膨胀算法。该算法利用残缺图像与已提取前景图像之间的相似度进行前景补偿。通过实验证明这种算法能够对残缺的前景进行有效的修补，使得运动前景图像更加准确（2）提升了烟雾特征对烟雾的描述能力，对现有烟雾特征（如：颜色、轮廓、能量）使用方法的不足进行了改进，挖掘烟雾新型特征（如：梯度、像素抖动、质心速度）。这些特征分别从烟雾的外观、内部的纹理以及像素的变化对烟雾进行较为全面的描述。通过实验证明，上述烟雾特征对烟雾描述更加准确，从而提高了整个系统的识别能力。（3）使用SVM分类器对上述烟雾特征进行训练。通过对支持向量机内部参数的调节，在结构风险最小原理基础上构建分类面，对烟雾视频进行精确的识别。
论文最后使用视频监督在线知识库中的视频以及自采集的视频进行了烟雾检测的相关实验，给出了实验数据，验证了论文提出的基于视频图像的烟雾检测算法有效性以及良好的识别效果。
关键词：前景膨胀，质心速度，像素抖动，支持向量机
相关内容
相关标签