计算机视觉:基于摇晃实时视讯之强韧式火焰侦测法

基于摇晃实时视讯之强韧式火焰侦测法 我们的论文被 2019 工程科技应用研讨会 所接受。会议日期是公元二零一九年四月十二日,地点在台北城市科技大学的工程学院。 我们将研究成果放在 GitHub,网址是 https://github.com/laitaiyu/ComputerVision__HEFD-MCS ,我们提供部分的程序原始码,以及完整的实验档案。 火焰侦测的两个关键问题是高准确率和低误报率,本研究主要关注后者。在过去,来自监视的静态视频 - 用于分析和发现火焰。然而,这些研究是使用背景方法进行的,后者无法处理动态视频,例如用手机拍摄的视频。为了实现静态和动态视频的全自动火焰检测,本研究采用了两种高效策略。首先,特征提取:建立强Sobel边缘和火焰纹理,然后增强图像边缘。火焰颜色过滤器规则有助于过滤火焰候选区域。其次,高性能分析方法:通过运动向量法和填充率过滤火焰或非火焰,然后使用组来建立火焰的轮廓。我们的实验结果表明,静态,动态(包括摇晃)和实时视频的结果为92.83%(TP),9.76%(FP),1.77%(FN)。 本研究旨在从不稳定的火场景镜头或从不同角度拍摄的镜头中检测火焰。 本节讨论了所提出的火焰检测方法的可行性和可靠性。 使用所提出的方法构建高效火焰检测移动相机系统(HEFD-MCS)。 实验结果证明HEFD-MCS可以正确捕捉火焰。 图1 火焰侦测系统流程图 图1显示了所提出系统的过程。 火焰检测有两个主要步骤。 首先,特征提取:建立强Sobel边缘和火焰纹理,然后增强图像边缘。 火焰颜色过滤器规则有助于过滤火焰候选区域。 其次,高性能分析方法:通过运动矢量法和填充率过滤火焰或非火焰,然后使用组建立火灾探测轮廓。 大多数摇摇欲坠的视频来自I.M.C. 数据库(中山大学智能媒体计算实验室)。 按照I.M.C. 火灾数据集网站截至2015年1月19日,http://vision.sysu.edu.cn/systems/fire-detection/)。 森林火灾1 (forst 1)和森林火灾2 (forst 2)视频都来自A. E. Cetin [2]。 (截至2018年11月12日,基于计算器视觉的火灾探测软件.http://signal.ee...