使用图像处理技术的火焰检测
摘要：动态纹理在自然场景中很常见。视频中动态纹理的例子包括火、烟、风中的树、云、天空、海浪等。火灾的特征是利用有效的特征和使用适当的处理来进行检测。利用颜色特征检测每个像素是否存在火灾，分析火灾区域的周期性行为。本文采用颜色检测、运动检测和面积色散相结合的方法对视频数据进行火灾检测。该算法首先定位视频帧中需要的颜色区域，然后确定视频中有运动的区域，最后计算帧的像素面积。结合颜色、运动和区域线索来检测视频中的火灾。
关键词：RGB颜色模型，YCbCr颜色模型，运动检测背景减除，区域色散。
1.介绍
自动火焰探测系统使用物理传感器来探测和响应火灾。物理传感器利用传感器获取空气中的化学性质，通过火灾探测系统报警。这也会导致假警报，物理传感器也不适合户外环境和大型基础设施设置，如飞机机库，大型隧道。随着数码相机技术的飞速发展和先进的基于内容的图像和视频处理技术，用基于计算机视觉的火灾探测系统代替传统的火灾探测系统是大势所趋。目前有很多的火灾探测系统都采用彩色图像作为预处理步骤。Chen等人[2]使用RGB彩色通道信息，分别为三个通道创建火灾规则。他们在预处理步骤中使用了移动检测算法。为了提高检测性能，Toreyin等人提出了一种视频序列火灾实时检测算法。利用颜色和运动线索结合火灾闪烁信号，在小波域分析火灾信号。Celik等人的[4]，利用变化检测算法提取前景像素后的火灾检测规则。他们使用了一种方法来对火/烟像素进行分类，将它们从背景中分离出来。Marbach等人提出了一种数据在YUV空间中表示和分析的模型。该模型用于表示视频数据，其中亮度分量Y的时间导数用于首次约简候选火灾像素，色度分量U和V用于对候选像素是否在火灾区域进行分类。为了减少误报，我们使用了一个简单的运动检测算法来检测火灾区域。Homg等人[6]提出HSI颜色空间来大致分割类火区域以适应更亮和更暗的环境。Celik Turgay[7]提出了CIE L*a*b颜色空间来检测火灾像素。在这个颜色空间中，色调的分组比在任何其他空间中都好。
在基于视觉的火灾探测系统中，火灾主要有三个特征:颜色像素、移动像素和形状。火灾像素可以分为灰度和彩色视频序列。大部分火灾探测系统工作在彩色视频序列上。假设图像捕获设备的输出为RGB颜色格式，并将这些颜色信息用作预处理步骤。在火灾发生时，可以看到烟和火焰。随着火灾强度的增加，将会看到烟雾。
在基于计算机视觉的火灾探测系统中，良好的火灾像素检测和移动像素检测的颜色模型选择起着至关重要的作用。用于探测火灾的颜色和运动线索的组合。
2.火灾探测模型
在这一节中，我们将讨论提出的火灾探测技术。给出了视频火灾检测算法的流程图。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
