10.11772/j.issn.1001-9081.2015.05.1483
基于Codebook的视频火焰识别算法
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.
视频、火焰、YUV颜色空间、Codebook背景模型、反向传播神经网络
35
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目71371091
2015-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
1483-1487