计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
5期
1483-1487
,共5页
视频%火焰%YUV颜色空间%Codebook背景模型%反向传播神经网络
視頻%火燄%YUV顏色空間%Codebook揹景模型%反嚮傳播神經網絡
시빈%화염%YUV안색공간%Codebook배경모형%반향전파신경망락
video%flame%YUV color space%Codebook background model%Back Propagation (BP) neural network
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.
為瞭提高視頻火燄識彆的準確度,提齣瞭一種基于Codebook的火燄識彆方法,創新地在YUV空間使用Codebook揹景模型檢測火燄區域,定期更新揹景,綜閤火燄的動靜態多特徵進行火燄識彆.首先,提取視頻中的每一幀圖像,利用原始圖像中R、G、B三箇分量間存在的線性關繫作為顏色模型,初步提取火燄顏色區域;然後,為瞭利用YUV顏色空間的有利特性,將顏色空間從RGB轉化到YUV,使用Codebook揹景模型進行揹景學習、揹景差分,提取齣具有火燄顏色的動態前景;最後,利用火燄麵積變化率、區域重疊率、質心位移這3箇特徵來訓練反嚮傳播(BP)神經網絡,通過訓練好的神經網絡判斷視頻圖像是否存在火燄.選取相機位置以及方嚮固定的視頻進行實驗,所提算法在複雜的視頻場景中的識彆準確度達到96％以上.實驗結果錶明,所提算法有效提高識彆的準確度,同時降低多種榦擾物場景的誤判率.
위료제고시빈화염식별적준학도,제출료일충기우Codebook적화염식별방법,창신지재YUV공간사용Codebook배경모형검측화염구역,정기경신배경,종합화염적동정태다특정진행화염식별.수선,제취시빈중적매일정도상,이용원시도상중R、G、B삼개분량간존재적선성관계작위안색모형,초보제취화염안색구역;연후,위료이용YUV안색공간적유리특성,장안색공간종RGB전화도YUV,사용Codebook배경모형진행배경학습、배경차분,제취출구유화염안색적동태전경;최후,이용화염면적변화솔、구역중첩솔、질심위이저3개특정래훈련반향전파(BP)신경망락,통과훈련호적신경망락판단시빈도상시부존재화염.선취상궤위치이급방향고정적시빈진행실험,소제산법재복잡적시빈장경중적식별준학도체도96％이상.실험결과표명,소제산법유효제고식별적준학도,동시강저다충간우물장경적오판솔.
