第３９卷 第１１期２０１２年１１月计算机科学
Ｃｏｍｐ
ｕｔｅｒ ＳｃｉｅｎｃｅＶｏｌ．３９Ｎｏ．１１
Ｎｏｖ
２０１２到稿日期：２０１２－０３－２０ 返修日期：２０１２－０６－２０ 本文受国家星火计划项目（２０１１ＧＡ６９０１９０），江苏省高校自然科学基金项目（０８ＫＪＢ５２０００１，１１ＫＪＤ５２０００３），江苏省“青蓝工程”，淮安市“５３３”工程项目，淮安市科技项目（ＨＡＧ２０１００６６，ＨＡＧ２０１００３０，ＨＡＣ２０１１１３
）资助。唐岩岩（１９８６－），女，硕士生，主要研究方向为数字图像处理、模式识别，Ｅ－ｍａｉｌ：ｔａｎｇ＿ｙａｎ＿２００７＠ｓｉｎａ．ｃｏｍ；严云洋（１９６７－），男，博士，教授，主要研究方向为数字图像处理、模式识别，Ｅ－ｍａｉｌ：ｙｕｎｙａｎｇ＠ｈｙｉｔ．ｅｄｕ．ｃｎ（通信作者）；刘以安（１９６３－），男，博士，教授，主要研究方向为模式识别与智能系统、数据融合、雷达对抗。
netspy
太仓市实验小学
唐岩岩１ 严云洋１，２ 刘以安
１
（江南大学物联网工程学院 无锡２１４１２２）１ （
淮阴工学院计算机工程学院 淮安２２３００３）２
摘 要 基于视频图像的火焰检测是火灾预防研究的重要内容。为提高检测效率，首先使用具有自适应背景变化的高斯混合模型（ＧＭＭ）来检测场景中的运动物体。然后针对运动物体，提取颜特征和面积变化特征。最后，根据得到的特征来识别场景中是否有火焰发生。该方法不仅可有效检测到视频中的火焰帧，还避免了非火焰场景中对计算时间的浪费。 关键词 火焰检测，ＧＭＭ，颜模型，面积变化中图法分类号 ＴＰ３９１．４１ 文献标识码 Ａ
best jeanistＦａｓｔ Ｆｌａｍｅ Ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ
ＧＭＭＴＡＮＧ Ｙａｎ－ｙａｎ１ ＹＡＮ Ｙｕｎ－ｙａｎｇ１，
２ Ｌ
ＩＵ Ｙｉ－ａｎ１
（Ｓｃｈｏｏｌ ｏｆ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ）１（Ｆａｃｕｌｔｙ
ｏｆ Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｉｙｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｕａｉ’ａｎ ２２３００３，Ｃｈｉｎａ）２
Ａｂｓｔｒａｃｔ Ｆｌａｍｅ Ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｖｉｄｅｏｓ ｉｓ ｉｍｐｏｒｔａｎｔ ｆｏｒ ｒｅｓｅａｒｃｈ ｏｎ ｆｉｒｅ ｐｒｅｖｅｎｔｉｏｎ．Ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｐｅｒ－ｆｏｒｍａｎｃｅ，ＧＭＭ（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ）ｗｈｉｃｈ ｃａｎ ａｄａｐｔ ｔｈｅ ｃｈａｎｇｅ ｏｆ ｂａｃｋｇｒｏｕｎｄ ｗａｓ ｕｓｅｄ ｔｏ ｄｅｔｅｃｔ ｍｏｖｉｎｇ ｓｕｂ－ｊｅｃｔｓ ａｔ ｆｉｒｓｔ．Ｔｈｅｎ ｔｈｅ ｆｅａｔｕｒｅｓ ｏｆ ｃｏｌｏｒ ａｎｄ ｃｈａｎｇｉｎｇ ａｒｅａ ｗｅｒｅ ｅｘｔｒａｃｔｅｄ ｆｒｏｍ ｔｈｅｓｅ ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ．Ｆｉｎｅｌｙ，ｔｈｅｓｅ ｆｅａ－ｔｕｒｅｓ ｗｅｒｅ ａｐｐｌｉｅｄ ｔｏ ｒｅｃｏｇｎｉｚｅ ｗｈｅｔｈｅｒ ｔｈｅｒｅ ｉｓ ａ ｆｌａｍｅ ｏ
ｒ ｎｏｔ ｉｎ ｔｈｅ ｓｃｅｎｅ．Ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｎｏｔ ｏｎｌｙ ｅｆｆｅｃｔｉｖｅｌｙ ｄｅｔｅｃｔｆｌａｍｅ ｉｎ ｖｉｄｅｏｓ，ｂｕｔ ａｌｓｏ ｓａｖｅ ｃｏｍｐｕｔｉｎｇ ｔｉｍｅ ｉｎ ｎｏｎ－ｆｉｒｅ ｓｃｅｎｅ．Ｋｅｙｗｏｒｄｓ Ｆｌａｍｅ ｄｅｔｅｃｔｉｏｎ，ＧＭＭ，Ｃｏｌｏｒ ｍｏｄｅｌ，Ａｒｅａ ｃｈａｎｇｉｎｇ 高效课堂小组建设
１ 引言
火灾检测技术发展至今，一直备受人们关注。基于传感器的传统火灾探测技术已经较为成熟，并在多种场合发挥着重要的作用。但是这些感温或者感烟探测器在大空间中，由于温度传递和烟雾的扩散需要一定时间，
能量在传递的过程中逐渐丢失，从而不能及时地收集到足够的判别信息，引起判断的延迟，不能发挥应有的作用。相对于传统方法的缺点而言，
基于视频的火灾检测技术则能在第一时间通过视频图像捕捉火灾信息，并给予快速的判别。分割出视频中的疑似火焰区域，
针对疑似区域进行判断是火焰检测的重要方法。Ｂｏｒｇｅｓ ＰＶＫ等［１］
采用颜的Ｒ、Ｇ、Ｂ ３个高斯模型分割出候选火焰区域，Ｎ．Ａｈｕｊａ［２］
使用颜的高斯概率密度函数检测出疑似火焰区域，张正荣和李国刚［３］基于ＨＳＩ颜模型提取出火灾火焰疑似区域，
杨国田等［４］
则根据亮度定位可疑火灾区域。从文章实验结果看出，这些方法均能有效地获取火焰区域，同时也将与火焰有相似特性的静态非火焰物体囊括其中，这无疑增加了对这些静态非火焰物体判别所用的计算时间和空间，
应力比
也为将来的误判增加了风险。为避免对类似火焰的静态物体判别所需要的时空开销，先检测出场景中新出现
的前景运动物体，再对这些运动物体作判别，是一个更有效的火焰检测方法。背景相减法检测运动目标速度快，检测准确，关键技术在于对背景准确建模。使用高斯混合模型对背景建模能较强地适应场景中的光照变化、树叶摇晃等干扰，并且在建模过程中允许运动目标存在，能较好地处理复杂场景中的情况。本文对获取到的灰度图像，先使用高斯混合模型（ＧＭＭ）
建模的背景相减法检测场景中的运动物体，然后针对该运动物体区域进行特征分析，以识别是否存在
infrastructure模式火焰。该方法能有效检测到视频中的火焰帧，以避免非火焰静态场景中对计算时间的浪费，提高了检测效率。
２ 运动前景检测
２．１ 高斯混合模型
在视频序列帧中，将任意一个背景像素点ｐ（ｘ，ｙ）的灰度值或颜空间值在时间ｔ内的分布进行统计，发现不同的时间段该像素的值是不同的，
这说明背景具有多模态的特性。为了满足场景的变化，获得准确的背景信息，Ｓｔａｕｆｆｅｒ
ａｎｄＧｒｉｍｓｏｎ等［５－７］
人用Ｋ个高斯分布模型的集合来对图像中的
一个像素点进行建模。假设用来描述某一点像素灰度值分布的Ｋ个高斯分布被赋予不同的权值ωｉ，ｔ（∑ωｉ，ｔ＝１
，ｉ＝１，２，·
３８２·
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议