基于串并行处理的多特征交通视频烟雾检测算法

doi:10.3969/j.issn.1006-2475.2017.04.001

计算机与现代化

• 图像处理 • 下一篇

基于串并行处理的多特征交通视频烟雾检测算法

华南理工大学土木与交通学院,广东广州510641

收稿日期:2016-11-14 出版日期:2017-04-20 发布日期:2017-05-08
作者简介:陈康(1992-),男,江西鄱阳人,华南理工大学土木与交通学院硕士研究生,研究方向:车路协同与安全控制,道路交通安全; 李耀华(1988-),男,河北武安人,硕士研究生,研究方向:图像处理,人脸检测; 通信作者：游峰(1977-),男,贵州遵义人,副教授,博士,研究方向:车路协同与安全控制,道路交通安全; 陈润丰(1994-),男,广东惠州人,硕士研究生,研究方向:交通规划。
基金资助:
国家自然科学基金资助项目(51408237,51108192); 广东省公益研究与能力建设专项项目(x2tjB2161520); 华南理工大学2016年度学生研究计划SRP

Smoke Detection Algorithm About Video Image with Multiple Features Based on Serial and Parallel Processing Model

School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510641， China

Received:2016-11-14 Online:2017-04-20 Published:2017-05-08

摘要/Abstract

摘要： 提出一种串并行处理结合的烟雾检测算法，对视频序列进行混合高斯背景建模提取运动前景，圈取感兴趣区域，进而对其进行多特征并行分析。颜色特征分析时，在RGB空间下对各通道信息进行归一化处理，结合烟雾的颜色特征进行阈值判断。形状特征分析时用不规则度突变量作为度量标准，用统计分析的方法，对视频图像中的不规则度突变做监测，检测图像的不规则度的突变情况。采用小波变换法检测图像中的高频信息，结合烟雾扩散快的特点，将小波系数变化率作为检查标准。综合多特征进行加权分析，建立综合判据公式对视频图像作烟雾检测报警。


关键词: 烟雾检测, 串并行处理, 混合高斯模型, 颜色分析, 形状分析, 小波分析, 动态阈值

Abstract: This paper presents a smoke detection algorithm characterized by combination of serial and parallel processing model. This algorithm analyzes multiple features of video sequence by extracting the motion foreground of Gaussian mixture background modeling, and circling interested regions. When analyzing color feature, the information of each channel is normalized in RGB space, and the threshold value is judged according to the color characteristics of the smoke. When analyzing the shape feature, the statistical method is adopted to monitor the irregular degree of the video image with the measurement standard of irregular degree of break variable. Taken change rate of wavelet coefficient as check standard, the wavelet transform method is adopted to detect the high frequency information in the image with the combination of the characteristics of smoke diffusion. Based on the weighted analysis of multiple features, a comprehensive criterion is established for the detection and alarm of smoke detection in video image.

Key words: smoke detection, serial and parallel processing model, Gaussian mixture model, color analysis, shape analysis, wavelet analysis, dynamic threshold

中图分类号:

TP391.4

陈康,李耀华,游峰,陈润丰. 基于串并行处理的多特征交通视频烟雾检测算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.04.001.

CHEN Kang, LI Yao-hua, YOU Feng, CHEN Run-feng. Smoke Detection Algorithm About Video Image with Multiple Features Based on Serial and Parallel Processing Model[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.04.001.

参考文献

［1］ Chen Thou-Ho, Yin Yen-Hui, Huang Shi-Feng， et al. The smoke detection for early fire-alarming system base on video processing［C］// Proceedings of the 2006 International Conference on Intelligent Information Hiding and Multimedia. 2006:427-430.
［2］ Celik T， Ozkaramanll H， Demirel H. Fire and smoke detection without sensors: Image processing-based approach［C］// Proceedings of the 15th European Signal Processing Conference. 2007:1794-1798.
［3］ Toulouse T, Rossi L, Celik T, et al. Automatic fire pixel detection using image processing: A comparative analysis of rule-based and machine learning-based methods［J］. Signal, Image and Video Processing, 2016,10(4):647-654.
［4］姜东海. 基于图像处理的火灾烟雾识别技术研究［D］. 武汉:华中科技大学， 2006.
［5］焦珂. 基于图像的火灾烟雾识别算法研究［D］. 成都:西华大学， 2008.
［6］ Tian Hongda, Li Wanqing, Wang Lei, et al. Smoke detection in video: An image separation approach［J］. International Journal of Computer Vision, 2014,106(2):192-209.
［7］孙建坤,杨若瑜. 基于颜色直方图和小波变换的视频烟雾检测［J］. 计算机科学, 2014,41(12):251-254.
［8］周平,姚庆杏,钟取发,等. 基于视频的早期烟雾检测［J］. 光电工程, 2008,35(12):82-88.
［9］ Fujiwara N， Terada K. Extraction of a smoke region using fractal cording［C］// IEEE International Symposium on Communications and Information Technology, 2004. 2004,2:659-662.
［10］李红娣,袁非牛. 采用金字塔纹理和边缘特征的图像烟雾检测［J］. 中国图象图形学报, 2015,20(6):772-780.
［11］Toreyin B U， Dedeoglu Y， Cetin A E. Wavelet based real-time smoke detection in video［C］// Proceedings of the 13th European Signal Processing Conference. 2005:1-4.
［12］Wu Yingjing, Hu Ying. Video Smoke Detection Based on the Optical Properties［M］// Communications in Computer and Information Science: Pattern Recognition. Springer Berlin Heidelberg, 2014:235-244.
［13］章慧,张露. 低浓度烟雾检测方法研究与仿真［J］. 计算机仿真, 2012,29(5):254-257.
［14］陈智铭,谢维波,许华滨. 利用图像频度特征的稀薄烟雾检测算法［J］. 华侨大学学报(自然科学版), 2014,35(2):151-155.
［15］吴亮生,雷欢,黄东运,等. 基于混合高斯运动检测模型与多特征的烟雾识别算法［J］. 自动化与信息工程, 2014(2):1-5.
［16］章薇. 基于加权特征组合法的火灾烟雾检测研究［D］. 武汉:武汉科技大学, 2013.
［17］韦修喜,周永权. 基于ROC曲线的两类分类问题性能评估方法［J］. 计算机技术与发展, 2010,20(11):47-50.

[1]	李运川, 王晓红, 陈思吉, 葛义攀, 李闯. 基于多核并行和动态阈值的点云配准算法[J]. 计算机与现代化, 2020, 0(09): 77-82.
[2]	杨树国1，和文静1，刘银玲1，马琢麟1，胡帅2. 基于形态学的高斯模型和八邻域帧差法混合运动目标检测算法[J]. 计算机与现代化, 2019, 0(07): 32-.
[3]	李耀华1，游峰1，陈康1，陈润丰1，彭涵宇2，方伟创3. 基于安全云平台和移动互联网的交通烟雾检测预警系统[J]. 计算机与现代化, 2017, 0(2): 88-92.
[4]	谭志伟，谢云，苏镜. 脑电情感信号正确提取仿真[J]. 计算机与现代化, 2017, 0(1): 123-126.
[5]	郭春璐,岳小冰. 基于支持向量机的心音信号自动识别[J]. 计算机与现代化, 2016, 0(6): 36-39.
[6]	朱海洋1，徐根玖2，李元晨1，张梦祺2. 基于图像分块的局部区域动态阈值选取方法[J]. 计算机与现代化, 2016, 0(11): 53-57.
[7]	张具琴，王海洋，胡振. 智能视频监控中的遗留物检测技术[J]. 计算机与现代化, 2014, 0(12): 54-57.
[8]	戴曾1，2，廖闻剑2，彭艳兵2. 马尔科夫模型改进的时间序列预测算法研究[J]. 计算机与现代化, 2014, 0(11): 66-71.
[9]	张志顺1，刘勇2. 基于动态阈值和修正模型的舌体提取算法[J]. 计算机与现代化, 2014, 0(11): 49-52.
[10]	李论;李志华. 基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究[J]. 计算机与现代化, 2012, 1(9): 181-183,.
[11]	李晖;余涛;杜光伟;肖国富. 基于小波分析在地震信号噪声消除中的应用[J]. 计算机与现代化, 2012, 203(7): 195-197,.
[12]	王亚卿;曹艳珺;樊浩宇;郭明磊;宋秋霞. 基于脑电（EEG）信号的“愉快不愉快”情绪分析[J]. 计算机与现代化, 2012, 203(7): 88-91,9.
[13]	刘刚;胡凯平;宋发兴. 一种用于指针程序的形状分析方法[J]. 计算机与现代化, 2012, 1(200): 82-04.
[14]	魏星;周萍. 语音识别系统及其特征参数的提取研究[J]. 计算机与现代化, 2009, 169(9): 167-168.

基于串并行处理的多特征交通视频烟雾检测算法

Smoke Detection Algorithm About Video Image with Multiple Features Based on Serial and Parallel Processing Model

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价