2016年第35卷第6期
传感器与微系统(Transducer and Microsystem Technologies）
17
DOI:10. 13873/J.10009787( 2016 )06001704
基于纹理特征和轮廓光流失量的烟雾识别
张洁，吴爱国，赵萌
（天津大学电气与自动化工程学院，天津300072）
摘要：为了提高火灾探测的准确率和快速性，提出了基于纹理特征和轮哪光流失量的烟雾识别算法一方面为了获得更全面的纹理特征，建立图像金字塔，使用局部二值模式(LBP)和基于方差的局部二值模式LBPV)结合的新方法分别提取金字塔不同层的纹理特征。另一方面是动态纹理特征，由于烟雾运动的流特性导致方向具有特定的一致性，改进了对全部可疑区域进行分析的方法，仅对可疑区域轮廊进行光流失量分析，降低运算量。将静态纹理特征和动态纹理特征输人支持向量机（SVM)中进行识别。采用
“静-静-动"的新型识别方法，实验结果表明：该算法能够及时准确报警，可靠率高。关键词：烟雾检测；局部二值模式；光流法；支持向量机；图像识别
中图分类号：TP391
文献标识码：A
文章编号：1000-9787(2016)06-0017-04
Smog detection based on texture features and optical
flow vector of contour ZHANG Jie,WU Ai-guo, ZHAO Meng
( School of Electrical Engineering & Automation, Tianjin University, Tianjin 300072, China)
Abstract : In order to improve accuracy and rapidity of fire detection,a smog detection algorithm based on texture features and optical flow vector of contour is proposed. On one hand,to obtain more comprehensive texture feature, image pyramid is constructed, a new method combines local binary pattern( LBP ) with LBP based on variance( LBPV ) are used to extract texture feature of different level of the image pyramid. On the other hand, due to special turbulence characteristics of smoke movement,its moving directions are with a certain consistency,improve the method of analysis on all suspicious area, optical flow vector analysis is carried out only on suspicious area contour, which greatly reduces computational complexity. These features are input to SVM for recognition. * Still StillMoving' approach is used, experimental results prove that it can timely and accurately gives alarm and it has high reliability.
Key words: smog detection; local binary patterm( LBP ):optical flow method; SVM; image recognition
0引言
火灾发生直接危及人类生命和财产安全，因此，如何在火灾早期及时检测出火灾并将其消除在萌芽状态具有重要意义。而传统的探测器如感温、感光、感烟探测器等在小空间具有良好的效果，但是在大空间具有一定缺陷。随若图像处理和模式识别技术的发展和提高，图像型火灾探测成为火灾监测的重要研究方向，
基于烟雾的视觉特征，研究人员已经取得一些研究成果。YuChunyu等人("采用灰度共现矩阵法提取烟雾纹理特征值，实现了基于纹理特征的烟雾图像实时监测。Chen TH等人(]结合RGB色模型和HIS颜色模型中I分量进行了火灾烟雾识别，其方法是基于火灾烟雾颤色一般为
收稿日期：2015-09-23
*基金项目：国家自然科学基金资助项目（61170328）
灰色。YuanFeiniu等人(3]首先将视频图像分割成大小相等的块，然后采用某种搜索模板和块匹配的方法估计块的运动方向；吴爱国等人(41在RGB空间利用混合高斯模型对背景进行建模，通过背景差法提取可疑区域并分割可疑图元，接着在HSV空间提取额色饱和度特征值；ToreyinB U-5】，利用小波变换提取烟雾图像边缘特征，根据烟雾具有模糊性，边缘信息减少的现象来判断烟雾的存在。但这些方法都具有一定的局限性，在复杂场所下检测性能会有一定程度下降。
烟雾检测是一个复杂的过程，不能够简单地通过某一特征量进行检测，必须结合多个特征量进行综合判断。本文提出了基于纹理特征和轮哪光流失量的烟雾识别算法，