基于視頻的火焰檢測算法綜述
發(fā)布時間：2021-06-25 08:54
近年來,隨著計算機視覺技術(shù)和數(shù)字圖像處理技術(shù)的不斷發(fā)展,基于視頻分析的火焰檢測技術(shù)獲得越來越多的關(guān)注。鑒于基于視頻的火焰檢測對消防安全、人民生命和國家財產(chǎn)安全等具有重要的實際研究意義,以及其理論基礎(chǔ)和影響因素的多樣性,本文對目前已有的基于視頻的火焰檢測算法所涉及的關(guān)鍵技術(shù)進行了綜述。首先介紹了目前基于視頻的火焰檢測技術(shù)的處理流程,即預(yù)處理、特征提取、分類識別;其次著重分析火焰的特征,包括基于單幀的靜態(tài)特征和基于多幀的動態(tài)特征,同時列舉了典型的火焰特征提取算法;然后重點總結(jié)多特征融合策略和用于火焰識別的常用分類器以及深度學(xué)習(xí)識別方法;最后對基于視頻的火焰檢測技術(shù)的研究難點和未來發(fā)展進行了較為詳細的分析探討。
【文章來源】：數(shù)據(jù)采集與處理. 2020,35(01)北大核心CSCD
【文章頁數(shù)】：18 頁
【部分圖文】：
邊緣梯度算子
圖像采集是用攝像機采集信號，傳輸?shù)接嬎銠C獲取視頻圖像序列，即圖像數(shù)字化的過程�；谝曨l的火焰檢測系統(tǒng)大部分是利用普通的可見光攝像機[8-10],紅外攝像機[11-12]，熱感應(yīng)攝像機[13]，或長波紅外熱感應(yīng)攝像機[14]作為傳感器。普通的可見光攝像機通常用于檢測光線較好的區(qū)域的火焰，其他的攝像機可用于黑暗、煙霧和有灰塵的環(huán)境中[15]。預(yù)處理是視頻火焰檢測的基本階段，由于煙霧先于火災(zāi)出現(xiàn)，所以常用的預(yù)處理可以先進行疑似煙霧區(qū)域的提取，但有時煙霧會迅速轉(zhuǎn)變?yōu)榛鹈�，故直接對火焰獨特的特征進行分析，從而分割出候選火焰的感興趣區(qū)域（Region of interest,ROI）。特征提取階段是指對候選火焰區(qū)域的靜態(tài)及動態(tài)特征分析，或是時間和空間維度上的分析。最后，采用多特征融合算法或?qū)⒍嗵卣鬏斎敕诸惼鞯姆绞竭M行“是火焰”或“非火焰”的分類識別。2 預(yù)處理
火焰顏色與周圍環(huán)境對比特征顯著，而且實際場景中火焰的顏色受諸多環(huán)境因素影響，諸如溫度、燃燒物燃燒充分性、燃燒物材料等，使火焰具有特殊的顏色分布規(guī)律，大部分呈現(xiàn)為突出且明亮的紅色和黃色，在火災(zāi)檢測中起到極其重要的作用。目前多數(shù)火災(zāi)檢測都應(yīng)用了顏色檢測模塊[35]，其顏色特征的提取方法通常采用灰度直方圖或彩色直方圖進行分析，不同文獻在RGB[36]、HSI[37-38]、HSV[39]、YUV[40]和YCbCr[41-42]等不同的顏色空間中研究火焰檢測規(guī)則，對比結(jié)果如表1所示�；鹧娴念伾卣鞒梢岳蒙鲜霾煌伾臻g的不同規(guī)則進行提取外，還可以用顏色矩來表征顏色特征。這是一種簡單、有效和低維度的顏色特征表示方法。顏色矩即分別利用火焰像素的一階矩、二階中心矩以及三階中心矩來描述火焰的顏色信息[43]，顏色矩的3個計算公式如下
【參考文獻】：
期刊論文
[1]基于深度混合模型評分推薦[J]. 錢付蘭,李建紅,趙姝,張燕平. 南京航空航天大學(xué)學(xué)報. 2019(05)
[2]基于遺傳算法的混合威布爾分布參數(shù)最小二乘估計[J]. 董力,陸中,周伽. 南京航空航天大學(xué)學(xué)報. 2019(05)
[3]多特征融合視頻火災(zāi)識別研究[J]. 金肖,葉錦華,楊素珍. 機械制造與自動化. 2019(04)
[4]基于多特征的火災(zāi)監(jiān)控系統(tǒng)設(shè)計[J]. 盧鑫,曹江濤,姬曉飛,秦躍雁. 遼寧石油化工大學(xué)學(xué)報. 2019(01)
[5]基于超像素分割與閃頻特征判別的視頻火焰檢測[J]. 張慧珍,嚴云洋,劉以安,周靜波,高尚兵. 數(shù)據(jù)采集與處理. 2018(03)
[6]基于ViBe與機器學(xué)習(xí)的早期火災(zāi)檢測算法[J]. 梅建軍,張為. 光學(xué)學(xué)報. 2018(07)
[7]基于D-S證據(jù)理論的飛機火情檢測方法[J]. 張長勇,吳智博,楊建忠. 消防科學(xué)與技術(shù). 2018(01)
[8]輸電線路山火可見光-紅外多光源精準定位技術(shù)[J]. 何立夫,陸佳政,劉毓,李波,羅晶,章國勇. 高電壓技術(shù). 2018(08)
[9]基于小波變換的森林火災(zāi)煙霧檢測算法的設(shè)計[J]. 李雪寶,黃徐勝,鄭艷芳,劉永良,張其亮,盧冶,史凌祎. 信息技術(shù). 2017(10)
[10]基于顏色特征的低照度林火圖像分割方法[J]. 王媛彬,任杰英. 消防科學(xué)與技術(shù). 2017(10)
本文編號：3248911
【文章來源】：數(shù)據(jù)采集與處理. 2020,35(01)北大核心CSCD
【文章頁數(shù)】：18 頁
【部分圖文】：
邊緣梯度算子
圖像采集是用攝像機采集信號，傳輸?shù)接嬎銠C獲取視頻圖像序列，即圖像數(shù)字化的過程�；谝曨l的火焰檢測系統(tǒng)大部分是利用普通的可見光攝像機[8-10],紅外攝像機[11-12]，熱感應(yīng)攝像機[13]，或長波紅外熱感應(yīng)攝像機[14]作為傳感器。普通的可見光攝像機通常用于檢測光線較好的區(qū)域的火焰，其他的攝像機可用于黑暗、煙霧和有灰塵的環(huán)境中[15]。預(yù)處理是視頻火焰檢測的基本階段，由于煙霧先于火災(zāi)出現(xiàn)，所以常用的預(yù)處理可以先進行疑似煙霧區(qū)域的提取，但有時煙霧會迅速轉(zhuǎn)變?yōu)榛鹈�，故直接對火焰獨特的特征進行分析，從而分割出候選火焰的感興趣區(qū)域（Region of interest,ROI）。特征提取階段是指對候選火焰區(qū)域的靜態(tài)及動態(tài)特征分析，或是時間和空間維度上的分析。最后，采用多特征融合算法或?qū)⒍嗵卣鬏斎敕诸惼鞯姆绞竭M行“是火焰”或“非火焰”的分類識別。2 預(yù)處理
火焰顏色與周圍環(huán)境對比特征顯著，而且實際場景中火焰的顏色受諸多環(huán)境因素影響，諸如溫度、燃燒物燃燒充分性、燃燒物材料等，使火焰具有特殊的顏色分布規(guī)律，大部分呈現(xiàn)為突出且明亮的紅色和黃色，在火災(zāi)檢測中起到極其重要的作用。目前多數(shù)火災(zāi)檢測都應(yīng)用了顏色檢測模塊[35]，其顏色特征的提取方法通常采用灰度直方圖或彩色直方圖進行分析，不同文獻在RGB[36]、HSI[37-38]、HSV[39]、YUV[40]和YCbCr[41-42]等不同的顏色空間中研究火焰檢測規(guī)則，對比結(jié)果如表1所示�；鹧娴念伾卣鞒梢岳蒙鲜霾煌伾臻g的不同規(guī)則進行提取外，還可以用顏色矩來表征顏色特征。這是一種簡單、有效和低維度的顏色特征表示方法。顏色矩即分別利用火焰像素的一階矩、二階中心矩以及三階中心矩來描述火焰的顏色信息[43]，顏色矩的3個計算公式如下
【參考文獻】：
期刊論文
[1]基于深度混合模型評分推薦[J]. 錢付蘭,李建紅,趙姝,張燕平. 南京航空航天大學(xué)學(xué)報. 2019(05)
[2]基于遺傳算法的混合威布爾分布參數(shù)最小二乘估計[J]. 董力,陸中,周伽. 南京航空航天大學(xué)學(xué)報. 2019(05)
[3]多特征融合視頻火災(zāi)識別研究[J]. 金肖,葉錦華,楊素珍. 機械制造與自動化. 2019(04)
[4]基于多特征的火災(zāi)監(jiān)控系統(tǒng)設(shè)計[J]. 盧鑫,曹江濤,姬曉飛,秦躍雁. 遼寧石油化工大學(xué)學(xué)報. 2019(01)
[5]基于超像素分割與閃頻特征判別的視頻火焰檢測[J]. 張慧珍,嚴云洋,劉以安,周靜波,高尚兵. 數(shù)據(jù)采集與處理. 2018(03)
[6]基于ViBe與機器學(xué)習(xí)的早期火災(zāi)檢測算法[J]. 梅建軍,張為. 光學(xué)學(xué)報. 2018(07)
[7]基于D-S證據(jù)理論的飛機火情檢測方法[J]. 張長勇,吳智博,楊建忠. 消防科學(xué)與技術(shù). 2018(01)
[8]輸電線路山火可見光-紅外多光源精準定位技術(shù)[J]. 何立夫,陸佳政,劉毓,李波,羅晶,章國勇. 高電壓技術(shù). 2018(08)
[9]基于小波變換的森林火災(zāi)煙霧檢測算法的設(shè)計[J]. 李雪寶,黃徐勝,鄭艷芳,劉永良,張其亮,盧冶,史凌祎. 信息技術(shù). 2017(10)
[10]基于顏色特征的低照度林火圖像分割方法[J]. 王媛彬,任杰英. 消防科學(xué)與技術(shù). 2017(10)
本文編號：3248911
本文鏈接：http://sikaile.net/kejilunwen/anquangongcheng/3248911.html
最近更新
教材專著
