基於搖晃即時視訊之強韌式火焰偵測法
基於搖晃即時視訊之強韌式火焰偵測法 我們的論文被 2019 工程科技應用研討會 所接受。會議日期是西元二零一九年四月十二日,地點在台北城市科技大學的工程學院。 我們將研究成果放在 GitHub,網址是 https://github.com/laitaiyu/ComputerVision__HEFD-MCS ,我們提供部分的程式原始碼,以及完整的實驗檔案。 火焰偵測的兩個關鍵問題是高準確率和低誤報率,本研究主要關注後者。在過去,來自監視的靜態視頻 - 用於分析和發現火焰。然而,這些研究是使用背景方法進行的,後者無法處理動態視頻,例如用手機拍攝的視頻。為了實現靜態和動態視頻的全自動火焰檢測,本研究採用了兩種高效策略。首先,特徵提取:建立強Sobel邊緣和火焰紋理,然後增強圖像邊緣。火焰顏色過濾器規則有助於過濾火焰候選區域。其次,高性能分析方法:通過運動向量法和填充率過濾火焰或非火焰,然後使用組來建立火焰的輪廓。我們的實驗結果表明,靜態,動態(包括搖晃)和實時視頻的結果為92.83%(TP),9.76%(FP),1.77%(FN)。 本研究旨在從不穩定的火場景鏡頭或從不同角度拍攝的鏡頭中檢測火焰。 本節討論了所提出的火焰檢測方法的可行性和可靠性。 使用所提出的方法構建高效火焰檢測移動相機系統(HEFD-MCS)。 實驗結果證明HEFD-MCS可以正確捕捉火焰。 圖1 火焰偵測系統流程圖 圖1顯示了所提出系統的過程。 火焰檢測有兩個主要步驟。 首先,特徵提取:建立強Sobel邊緣和火焰紋理,然後增強圖像邊緣。 火焰顏色過濾器規則有助於過濾火焰候選區域。 其次,高性能分析方法:通過運動矢量法和填充率過濾火焰或非火焰,然後使用組建立火災探測輪廓。 大多數搖搖欲墜的視頻來自I.M.C. 數據庫(中山大學智能媒體計算實驗室)。 按照I.M.C. 火災數據集網站截至2015年1月19日,http://vision.sysu.edu.cn/systems/fire-detection/)。 森林火災1 (forst 1)和森林火災2 (forst 2)視頻都來自A. E. Cetin [2]。 (截至2018年11月12日,基於計算機視覺的火災探測軟件.http://signal.ee...




































