计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
9期
382-386
,共5页
烟雾识别%强风干扰%光流特征
煙霧識彆%彊風榦擾%光流特徵
연무식별%강풍간우%광류특정
Smoke detection%Strong winds interference%Feature of optical flow
研究视频火灾烟雾的准确识别问题.烟雾在有强风干扰的情况下会丢失向上飘动特征,并且烟雾浓度和运动速度发生剧烈变化使火灾图像不在确定范围之内.传统烟雾识别方法多是在光流法的基础上指定向上飘动的主运动方向和烟雾运动速度的范围进行检测,会造成光流特征失效,导致识别率不高.为解决上述问题,提出了一种采用光流特征的烟雾识别算法,首先通过运动和颜色检测提取疑似烟雾区域,然后运用Hom-Schunck (HS)光流法得到像素的运动速度和方向,进而提取光流速度及方向的均值和方差、光流对比度和方向一致性作为特征,最后将光流特征组成的特征向量作为支持向量机(SVM)的输入,进而利用构建的二类分类器对烟雾进行识别.实验结果表明,改进算法能有效识别火灾烟雾,具有较强的抗干扰能力和鲁棒性.
研究視頻火災煙霧的準確識彆問題.煙霧在有彊風榦擾的情況下會丟失嚮上飄動特徵,併且煙霧濃度和運動速度髮生劇烈變化使火災圖像不在確定範圍之內.傳統煙霧識彆方法多是在光流法的基礎上指定嚮上飄動的主運動方嚮和煙霧運動速度的範圍進行檢測,會造成光流特徵失效,導緻識彆率不高.為解決上述問題,提齣瞭一種採用光流特徵的煙霧識彆算法,首先通過運動和顏色檢測提取疑似煙霧區域,然後運用Hom-Schunck (HS)光流法得到像素的運動速度和方嚮,進而提取光流速度及方嚮的均值和方差、光流對比度和方嚮一緻性作為特徵,最後將光流特徵組成的特徵嚮量作為支持嚮量機(SVM)的輸入,進而利用構建的二類分類器對煙霧進行識彆.實驗結果錶明,改進算法能有效識彆火災煙霧,具有較彊的抗榦擾能力和魯棒性.
연구시빈화재연무적준학식별문제.연무재유강풍간우적정황하회주실향상표동특정,병차연무농도화운동속도발생극렬변화사화재도상불재학정범위지내.전통연무식별방법다시재광류법적기출상지정향상표동적주운동방향화연무운동속도적범위진행검측,회조성광류특정실효,도치식별솔불고.위해결상술문제,제출료일충채용광류특정적연무식별산법,수선통과운동화안색검측제취의사연무구역,연후운용Hom-Schunck (HS)광류법득도상소적운동속도화방향,진이제취광류속도급방향적균치화방차、광류대비도화방향일치성작위특정,최후장광류특정조성적특정향량작위지지향량궤(SVM)적수입,진이이용구건적이류분류기대연무진행식별.실험결과표명,개진산법능유효식별화재연무,구유교강적항간우능력화로봉성.
