劉　穎，顧小東，杜久玲，王　倩

(西安郵電大學(xué)　圖像與信息處理研究所，陜西　西安　710061)

?

基于多特征融合運(yùn)行期均值法的煙霧檢測(cè)算法

劉穎，顧小東，杜久玲，王倩

(西安郵電大學(xué)圖像與信息處理研究所，陜西西安710061)

煙霧檢測(cè)能夠有效預(yù)防火災(zāi)的發(fā)生，以此為出發(fā)點(diǎn)，解決了煙霧運(yùn)動(dòng)區(qū)域出現(xiàn)的“空洞”現(xiàn)象，從而實(shí)現(xiàn)了快速、準(zhǔn)確地檢測(cè)視頻中煙霧的區(qū)域。利用煙霧的非剛體特點(diǎn)，融合顏色、背景模糊以及運(yùn)動(dòng)方向的特征對(duì)背景更新過(guò)程進(jìn)行建模，然后結(jié)合連通域面積消除小干擾區(qū)域的影響，提高了基于單一特征的運(yùn)行期均值法的魯棒性。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的方法能夠準(zhǔn)確、完整地檢測(cè)出視頻中的煙霧區(qū)域，并且處理速度也有所提高。

煙霧區(qū)域檢測(cè)；運(yùn)行期均值；多特征融合

視頻監(jiān)控對(duì)于個(gè)人和公共安全是一種十分有效的手段，通過(guò)處理攝像機(jī)獲取的視頻數(shù)據(jù)，使相關(guān)人員實(shí)時(shí)監(jiān)控一些重要的區(qū)域場(chǎng)所。目前，基于視頻的火災(zāi)檢測(cè)技術(shù)已成為國(guó)內(nèi)外計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)很有意義的課題。它是通過(guò)對(duì)視頻及圖像進(jìn)行處理，利用煙霧的特征，來(lái)檢測(cè)有無(wú)煙霧，從而在早期及時(shí)發(fā)現(xiàn)火情，避免災(zāi)難的發(fā)生。視頻中煙霧[1]是時(shí)刻運(yùn)動(dòng)的，因此將視頻中所有運(yùn)動(dòng)區(qū)域提取出來(lái)是視頻煙霧檢測(cè)的首要任務(wù)。視頻中運(yùn)動(dòng)目標(biāo)的提取過(guò)程，是進(jìn)行后續(xù)煙霧檢測(cè)的基礎(chǔ)，提取結(jié)果的優(yōu)劣直接影響后續(xù)處理的準(zhǔn)確程度。

運(yùn)動(dòng)區(qū)域檢測(cè)是在視頻中提取出感興趣的運(yùn)動(dòng)物體(如：煙霧、行人、車(chē)輛等)，一般是基于檢測(cè)圖像像素的變化，學(xué)者們對(duì)此進(jìn)行了很多研究工作，光流法[2-3]、幀間差分法[4-5]、背景減除法[5]是目前最成熟、應(yīng)用最廣泛的算法。光流法(Optical Flow)的基本原理是計(jì)算圖像中每個(gè)像素的速度矢量。由于背景像素和前景像素在速度矢量上存在一定差別，所以能夠?qū)D像中的運(yùn)動(dòng)區(qū)域部分檢測(cè)出來(lái)。光流法的優(yōu)點(diǎn)是不受錄像設(shè)備靜止與否的影響，但光流法的運(yùn)算復(fù)雜度以及噪聲對(duì)其的影響一般都比較大，很難在實(shí)時(shí)性要求高的場(chǎng)所中應(yīng)用。幀間差分法(Frames Difference)是將視頻中相鄰兩幀或多幀的灰度圖像做減法，再通過(guò)設(shè)定適當(dāng)閾值來(lái)檢測(cè)其中運(yùn)動(dòng)的區(qū)域。幀間差分算法的優(yōu)點(diǎn)在于算法復(fù)雜度較小，實(shí)現(xiàn)較容易，能夠快速提取圖像中的運(yùn)動(dòng)區(qū)域[6]。但該算法也存在缺點(diǎn)，像煙霧這樣的運(yùn)動(dòng)區(qū)域，其內(nèi)部灰度值比較接近，相鄰兩幀變化不大，在目標(biāo)區(qū)域內(nèi)部會(huì)產(chǎn)生空洞，難以提取出完整的區(qū)域。并且此方法對(duì)所選擇的幀間間隔也比較依賴(lài)，對(duì)檢測(cè)結(jié)果產(chǎn)生一定影響。背景減除法是通過(guò)建立模型來(lái)近似地表達(dá)背景的像素值，將當(dāng)前圖像和不斷實(shí)時(shí)更新的背景圖像進(jìn)行相減，與背景區(qū)域差別較大的區(qū)域判斷是前景區(qū)域，否則判斷是背景區(qū)域。在背景減除法中基于背景均值的差分算法比較常見(jiàn)，它是通過(guò)構(gòu)建一段時(shí)間內(nèi)幾幀圖像的均值作為減除的背景。此方法能比較準(zhǔn)確地定位運(yùn)動(dòng)物體的位置和較完整的運(yùn)動(dòng)區(qū)域，較少出現(xiàn)空洞，并且算法同樣有較低的復(fù)雜度。在實(shí)際的場(chǎng)景中，通常情況下都會(huì)出現(xiàn)環(huán)境的變化，如果在固定時(shí)間段內(nèi)計(jì)算得到的背景均值不能適應(yīng)環(huán)境變化的影響，會(huì)將這種干擾誤當(dāng)作運(yùn)動(dòng)區(qū)域。因此，需要一種能夠?qū)崟r(shí)更新的背景模型去緩解環(huán)境變化的影響。

運(yùn)行期均值法是一種比較經(jīng)典的背景差分方法，通過(guò)設(shè)定更新率α來(lái)實(shí)現(xiàn)背景圖像隨著輸入圖像的變化的更新情況。無(wú)論α調(diào)整到何值，它所更新的區(qū)域始終是背景區(qū)域。當(dāng)目標(biāo)由靜止?fàn)顟B(tài)變?yōu)檫\(yùn)動(dòng)狀態(tài)或由運(yùn)動(dòng)狀態(tài)轉(zhuǎn)為靜止?fàn)顟B(tài)后，便會(huì)出現(xiàn)虛假運(yùn)動(dòng)區(qū)域。本文提出了檢測(cè)效果和實(shí)時(shí)性都較好的背景差分法—改進(jìn)的運(yùn)行期均值法。該算法通過(guò)3個(gè)更新系數(shù)分別更新背景、非煙霧運(yùn)動(dòng)區(qū)域和煙霧區(qū)域，從而得到不錯(cuò)的檢測(cè)效果。

1　背景差分法

背景差分法(Background Difference)首先需要建立一個(gè)背景模型，此模型可以是固定不變的，也可以根據(jù)情況實(shí)時(shí)更新，通過(guò)輸入圖像與背景圖像的差來(lái)提取運(yùn)動(dòng)區(qū)域。應(yīng)用背景差分法提取運(yùn)動(dòng)區(qū)域時(shí)，能得到目標(biāo)較完整的形狀，但其減除的背景易受到外界環(huán)境因素(如光照等)的影響。因此就要對(duì)背景圖像采取自適應(yīng)更新，從而降低環(huán)境變化對(duì)背景像素的干擾作用，建立適應(yīng)性更強(qiáng)的背景模型也是該算法取得良好檢測(cè)效果的關(guān)鍵。

在多數(shù)情況下，用于監(jiān)控的攝像頭是固定于一個(gè)地方，位置不發(fā)生變化。因此，背景減除法就是一個(gè)較為理想的運(yùn)動(dòng)區(qū)域提取方法。其基本思想是通過(guò)建立模型來(lái)近似地表達(dá)背景的像素值，用將當(dāng)前圖片和不斷實(shí)時(shí)更新的背景圖片進(jìn)行相減，和背景區(qū)域差別較大的區(qū)域判斷是前景區(qū)域，否則判斷是背景區(qū)域。背景減除法的原理框圖如圖1所示。

圖1　背景減除法原理框圖

在背景減除法中基于背景均值的差分算法比較常見(jiàn)，它是通過(guò)構(gòu)建一段時(shí)間內(nèi)幾幀圖像的均值作為減除的背景。背景均值差分算法提取運(yùn)動(dòng)目標(biāo)的過(guò)程如下：首先設(shè)置一定的幀區(qū)間，計(jì)算在此區(qū)間內(nèi)所有圖像對(duì)應(yīng)位置處的像素平均值，將此均值作為背景模型中對(duì)應(yīng)位置的像素值。然后將視頻中需要檢測(cè)圖像和背景圖像對(duì)應(yīng)位置處的灰度值相減，得到差分圖像。最后通過(guò)設(shè)定閾值，提取出靜態(tài)區(qū)域和運(yùn)動(dòng)區(qū)域。背景減除法可表示為

(1)

(2)

式中：Tn為第n幀的二值化閾值。如圖2所示，視頻中存在車(chē)輛、行人、煙霧的運(yùn)動(dòng)區(qū)域提取結(jié)果。最前面圖像為被檢測(cè)圖像，中間的是背景圖像，右邊為運(yùn)動(dòng)檢測(cè)的結(jié)果。

圖2　背景減除法檢測(cè)圖

圖2所示，應(yīng)用背景均值差分法提取運(yùn)動(dòng)目標(biāo)時(shí)，可以比較準(zhǔn)確地定位運(yùn)動(dòng)物體的位置和較完整的運(yùn)動(dòng)區(qū)域，較少出現(xiàn)空洞。并且算法同樣有較低的復(fù)雜度，能夠滿足煙霧檢測(cè)對(duì)實(shí)時(shí)性的要求。但是，在實(shí)際場(chǎng)景中，環(huán)境通常都會(huì)發(fā)生變化，所以在固定時(shí)間段內(nèi)計(jì)算得到的背景均值就不能適應(yīng)環(huán)境變化的影響，而會(huì)將這種干擾誤當(dāng)作運(yùn)動(dòng)區(qū)域。因此，需要一種能夠?qū)崟r(shí)更新的背景模型去緩解環(huán)境變化的影響。為此，不少學(xué)者提出了基于混合高斯模型的背景建模[7]、基于卡爾曼濾波的背景建模[8]、基于運(yùn)行期均值法的背景建模等，使其更能適應(yīng)復(fù)雜場(chǎng)景的技術(shù)需求。

在火災(zāi)的實(shí)時(shí)監(jiān)控中，對(duì)算法的運(yùn)算速度、消耗時(shí)間提出很高的要求。在煙霧發(fā)生時(shí)，只有在較短的時(shí)間內(nèi)完成檢測(cè)，才能及時(shí)發(fā)出警報(bào)，預(yù)防火災(zāi)的發(fā)生。光流法的計(jì)算量大就制約了其在視頻煙霧檢測(cè)[9]中的使用。而利用幀間差分法檢測(cè)時(shí)，由于煙霧緩慢擴(kuò)散的現(xiàn)象，又會(huì)出現(xiàn)大面積的空洞，造成目標(biāo)區(qū)域不完整。在背景減除法中，算法實(shí)時(shí)性較好并且煙霧顏色與多數(shù)背景有明顯差別。針對(duì)以上分析，本文選擇了一種對(duì)運(yùn)行期均值法改進(jìn)的方法，具體內(nèi)容將在下節(jié)中詳細(xì)闡述。

2　運(yùn)行期均值法及本文改進(jìn)

對(duì)于視頻煙霧檢測(cè)，需要分析辨別視頻序列中疑似煙霧的區(qū)域，而煙霧不是靜止不變的，而是在發(fā)生著緩慢不規(guī)則運(yùn)動(dòng)，所以需要通過(guò)運(yùn)動(dòng)目標(biāo)檢測(cè)提取出視頻中疑似煙霧的運(yùn)動(dòng)區(qū)域。然后可以在此基礎(chǔ)上進(jìn)一步對(duì)各個(gè)運(yùn)動(dòng)區(qū)域進(jìn)行特征提取，排除非煙霧區(qū)域，達(dá)到正確檢測(cè)煙霧的目的。

為了得到比較完整的煙霧檢測(cè)結(jié)果，運(yùn)動(dòng)區(qū)域的提取需要盡量滿足以下準(zhǔn)則：1)完整性：提取出煙霧疑似區(qū)域應(yīng)盡可能完整。根據(jù)煙霧的運(yùn)動(dòng)特性，分割盡量完整的運(yùn)動(dòng)區(qū)域。忽略煙霧過(guò)于淡薄的地方，以免對(duì)后續(xù)的煙霧判別造成影響。2)準(zhǔn)確性：對(duì)于整體圖像而言，分割出的疑似煙霧區(qū)域應(yīng)剔除孤立的噪聲點(diǎn)以及相對(duì)較小的干擾區(qū)域。3)實(shí)時(shí)性：算法的計(jì)算量應(yīng)適中，處理時(shí)間短，滿足煙霧檢測(cè)對(duì)實(shí)時(shí)性要求。

2.1運(yùn)行期均值法闡述

運(yùn)行期均值法是一種比較經(jīng)典的背景減除方法，它通過(guò)設(shè)定更新率α來(lái)實(shí)現(xiàn)背景圖像隨著輸入圖像的變化的更新情況。因此，背景是在不斷更新的，可以提高背景圖像對(duì)外界環(huán)境的適應(yīng)能力。運(yùn)行期均值法的更新過(guò)程可表示為

(3)

式中：更新率α滿足0<α<1。背景更新的快慢與α緊密聯(lián)系，α越小，背景更新得越慢，反之則更新得較迅速。利用式(3)建立背景模型，然后進(jìn)行背景減除并二值化，即可得到前景圖像。如圖3所示，視頻中存在行人、煙霧的運(yùn)動(dòng)區(qū)域提取結(jié)果。最前面圖像為被檢測(cè)圖像，中間的是背景圖像，兩邊為運(yùn)動(dòng)檢測(cè)的結(jié)果。

圖3　運(yùn)動(dòng)區(qū)域提取結(jié)果

在運(yùn)用運(yùn)行期均值法進(jìn)行煙霧疑似區(qū)[10]域提取的過(guò)程中，閾值的選取成為能否完整準(zhǔn)確地提取出煙霧疑似區(qū)域的一個(gè)關(guān)鍵因素。如果閾值界設(shè)定較大，則就會(huì)把過(guò)多的煙霧疑似區(qū)域判定為背景，若閾值設(shè)定過(guò)小，則會(huì)把過(guò)多的背景判定為煙霧疑似區(qū)域。并且，無(wú)論α調(diào)整到何值，它所更新的區(qū)域始終是背景區(qū)域。當(dāng)目標(biāo)由靜止?fàn)顟B(tài)變?yōu)檫\(yùn)動(dòng)狀態(tài)或由運(yùn)動(dòng)狀態(tài)轉(zhuǎn)為靜止?fàn)顟B(tài)后，便會(huì)出現(xiàn)虛假運(yùn)動(dòng)區(qū)域。例如，當(dāng)一個(gè)目標(biāo)一段時(shí)間處于靜止?fàn)顟B(tài)，那么該目標(biāo)就會(huì)被更新到背景當(dāng)中，若它由靜止轉(zhuǎn)為運(yùn)動(dòng)，在原來(lái)靜止的區(qū)域內(nèi)仍然能夠檢測(cè)出該目標(biāo)，需要經(jīng)過(guò)一段時(shí)間后才會(huì)從背景中消失。

2.2本文改進(jìn)算法

對(duì)于運(yùn)行期均值法，一般情況作如下改進(jìn)：采用兩個(gè)更新系數(shù)α和β，對(duì)背景像素和前景像素進(jìn)行分別更新。

(4)

(5)

式中：Tn為分割閾值；Bn(i，j)代表背景點(diǎn)；Dn(i，j)代表前景點(diǎn)。

為了改善運(yùn)行期均值法的運(yùn)動(dòng)目標(biāo)提取效果，降低算法的時(shí)間復(fù)雜度，本文進(jìn)一步對(duì)視頻圖像進(jìn)行分塊處理[11]，采用一種基于分塊的運(yùn)行期均值法提取視頻圖像中的運(yùn)動(dòng)目標(biāo)。如圖4所示，提取運(yùn)動(dòng)區(qū)域前，對(duì)圖像進(jìn)行分塊。

圖4　圖像分塊示意圖

在提取運(yùn)動(dòng)區(qū)域前，首先將圖像分割成大小相等的分塊，每塊大小為N×N(N的取值取決于視頻的分辨率)。以塊為單位對(duì)視頻圖像進(jìn)行處理，既能夠提高檢測(cè)效率，還可以有效減少細(xì)小噪聲的干擾。設(shè)Blkn為分割后的視頻圖像，則其可以表示為

本文中，所更新的背景由上一次獲得的背景圖像及當(dāng)前被檢測(cè)圖像共同決定。因此，需要在背景更新之前先對(duì)背景進(jìn)行初始化。文中的背景初始化為被檢測(cè)視頻的第11～15幀圖像的灰度的平均值，忽略視頻前10幀。這是由于在利用攝像頭進(jìn)行視頻采集過(guò)程中，錄像的開(kāi)始階段可能會(huì)產(chǎn)生不穩(wěn)定因素，造成背景圖像失真。同時(shí)又不至于遺漏過(guò)多的視頻幀，造成部分煙霧圖像漏檢。由于初始化的背景是視頻連續(xù)幾幀的平均值，可能并不能真實(shí)反映背景情況，但在以后的背景更新中背景和前景的準(zhǔn)確度會(huì)得到改善。在運(yùn)動(dòng)區(qū)域提取當(dāng)中，對(duì)于煙霧檢測(cè)來(lái)說(shuō)，由于其緩慢擴(kuò)散的特性，如果煙霧區(qū)域過(guò)多地更新到了背景當(dāng)中，造成當(dāng)前圖像和背景圖像在煙霧區(qū)域?qū)Ρ榷冉档?，從而影響煙霧區(qū)域的提取。因此本文中作如下改進(jìn)：對(duì)于已經(jīng)檢測(cè)到為煙霧的分塊，在背景更新中賦予較小的更新率或者不更新。具體方法如下：

1)本文的背景更新在煙霧檢測(cè)完成后進(jìn)行，即假設(shè)煙霧檢測(cè)完成后，如

(7)

式(7)中出現(xiàn)的3種特征為顏色特征、背景模糊特征和運(yùn)動(dòng)方向特征。本文中的背景圖像是在對(duì)當(dāng)前圖像做完檢測(cè)以后才做更新。

Dn+1=In+1-Bn+1

(8)

(9)

2)本文對(duì)運(yùn)動(dòng)區(qū)域判別中的閾值Tn做了自適應(yīng)跟蹤。根據(jù)當(dāng)前圖像灰度的平均值去更新閾值。設(shè)第n幀圖像的灰度平均值是Gn，若Gn比較大，那么說(shuō)明在該幀圖像中出現(xiàn)煙霧的可能性比較大。分割閾值Tn就設(shè)定得稍大些，定為T(mén)n=Gn/3。這樣能夠?qū)熿F區(qū)域保留，并且盡可能剔除干擾區(qū)域。如果當(dāng)前幀的平均灰度值比較小，那么就以較小的固定值作為分割閾值。這樣如果視頻中存在較小的運(yùn)動(dòng)區(qū)域，也能夠在分割后得到保留，不至于將煙霧區(qū)域當(dāng)作噪聲剔除。如圖5所示，為改進(jìn)的運(yùn)行期均值法提取運(yùn)動(dòng)區(qū)域的檢測(cè)結(jié)果。

圖5　改進(jìn)的運(yùn)行期檢測(cè)圖

本文算法采取對(duì)滿足煙霧顏色、背景模糊和運(yùn)動(dòng)方向3種特征的區(qū)域不進(jìn)行更新，所以滿足上述特征的區(qū)域還是原來(lái)的背景，這樣在進(jìn)行背景減除時(shí)，煙霧區(qū)域會(huì)獲得很好的檢測(cè)效果，如圖5所示將運(yùn)動(dòng)目標(biāo)(人、煙霧)完整準(zhǔn)確地提取出來(lái)。

3　連通區(qū)域剔除

對(duì)于煙霧檢測(cè)中，用來(lái)表示區(qū)域運(yùn)動(dòng)或靜止的二值圖，需要用像素間的連通性確定劃分成的區(qū)域。通過(guò)計(jì)算所劃分區(qū)域的大小排除一些干擾塊，進(jìn)一步排除非煙霧區(qū)域。所謂的四連通區(qū)域，是指原始位置的上、下、左、右是目標(biāo)區(qū)域緊鄰的位置，統(tǒng)計(jì)時(shí)將這4個(gè)方向的分塊當(dāng)作一個(gè)區(qū)域。八連通區(qū)域，指對(duì)在四連通域的基礎(chǔ)上還包括左上、右上、左下、右下四個(gè)斜向相鄰位置，共8個(gè)方向。四連通域?yàn)榘诉B通域的子集，也就是若某區(qū)域?yàn)樗倪B通域則肯定是八連通的。連通域標(biāo)記如圖6所示。

圖6　連通區(qū)域標(biāo)記

圖6中每個(gè)方框代表圖像中分塊。對(duì)于四連通域，將圖6a中3個(gè)顏色不相同的分塊處理成不同的區(qū)域；而圖6b中，八連通域指，將3個(gè)不同顏色的分塊按一個(gè)區(qū)域處理。

四連通和八連通區(qū)域定義為

N4(p)=(i,j)∪(i,j+1)∪(i,j-1)∪(i+1,j)∪(i-

1,j)

(10)

N8(p)=N4∪(i+1,j+1),(i+1,j-1),(i-1,j+

1),(i-1,j-1)

(11)

本文中采用八連通區(qū)域?qū)Ψ謮K進(jìn)行處理，將區(qū)域內(nèi)分塊數(shù)小于或等于3個(gè)運(yùn)動(dòng)分塊的區(qū)域剔除，從而降低噪聲對(duì)煙霧檢測(cè)的影響。

4　實(shí)驗(yàn)結(jié)果及分析

圖7與圖8分別為運(yùn)行期均值法以及改進(jìn)的運(yùn)行期均值法檢測(cè)的運(yùn)動(dòng)區(qū)域。

圖8　改進(jìn)的運(yùn)行期均值法檢測(cè)的運(yùn)動(dòng)區(qū)域

運(yùn)行期均值法(圖7)進(jìn)行煙霧疑似區(qū)域提取的過(guò)程中，把煙霧過(guò)多地判定為背景，使得煙霧檢測(cè)的效果很不好。圖8中則大大改善運(yùn)行期均值法提取運(yùn)動(dòng)目標(biāo)的效果，將運(yùn)動(dòng)區(qū)域完整準(zhǔn)確地檢測(cè)出來(lái)。閾值的選取成為能否完整準(zhǔn)確地提取出煙霧疑似區(qū)域的關(guān)鍵因素。如果閾值界設(shè)定較大，則就會(huì)把過(guò)多的煙霧疑似區(qū)域判定為背景，若閾值設(shè)定過(guò)小，則會(huì)把過(guò)多的背景判定為煙霧疑似區(qū)域。

5　小結(jié)

本文介紹了基于運(yùn)行期均值的背景差分法，并對(duì)此作出改進(jìn)，應(yīng)用3個(gè)參數(shù)去更新背景，同時(shí)結(jié)合連通域面積消除小干擾區(qū)域的影響。算法通過(guò)把圖像適當(dāng)分塊，降低后續(xù)煙霧特征提取中的復(fù)雜度。然后應(yīng)用本文提出的方法進(jìn)行背景更新、閾值分割，并應(yīng)用形態(tài)學(xué)方法處理降低噪聲影響。最后，講述了連通區(qū)域分割，通過(guò)利用八連通域進(jìn)行區(qū)域分割，將分塊個(gè)數(shù)小于某個(gè)閾值的區(qū)域剔除。實(shí)驗(yàn)結(jié)果表明，該方法得到的疑似煙霧區(qū)域檢測(cè)效果較好，為后續(xù)進(jìn)行煙霧檢測(cè)以及特征分析處理做好準(zhǔn)備。

[1]羅勝，YUZHENG J.視頻檢測(cè)煙霧的研究現(xiàn)狀[J].中國(guó)圖象圖形學(xué)報(bào)，2013，18(10)：1225-1236.

[2]BARRON J L. On optical flow[C]// Proc. AIICSR. Bratislava，Slovakia：IEEE，1994：3-14.

[3]YA-DONG Y. Theory and application of optical flow method in the moving target identification[J]. Electronic design engineering，2013,21(5):24-26.

[4]LIPTON A， FUJIYOSHI H， PATIL R. Moving target classification and tracking from real-time video[C]//Proc. IEEE Workshop in Applications of Computer Vision. Princeton， New Jersey： IEEE Computer Society，1988：8-14.

[5]鄭璐，陳俊周.基于運(yùn)動(dòng)和顏色的視頻煙霧檢測(cè)算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2010， 31(21)：4650-4652.

[6]SONGLIN W， HAODONG L， TAIFANG W， et al. Moving target detection algorithm research based on background subtraction method[C]//Proc. 3rd International Conference on Multimedia Technology(ICMT-13).[S.l.]：IEEE，2013：1179-1186.

[7]STAUFFER C，GRIMSON W.E.L. Adaptive background mixture models for real-time tracking[C]//Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Florence，Italy：Springer，1999：246-252.

[8]CHRISTOF R，MUNKELT O，KIRCHNER H. Adaptive background estimation and foreground detection using Kalman-filtering[C]//Proc. the International Conference on recent Advances in Mechatronics， Istanbul， Turkey：UNESCO Chair on Mechatronics，1995：193-199.

[9]何大超，婁小平，唐輝. 基于動(dòng)態(tài)特性的實(shí)時(shí)視頻煙霧檢測(cè)[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2014 (2)：201-204.

[10]章巧娟. 基于圖像處理的室內(nèi)視頻火災(zāi)煙霧識(shí)別方法[D]. 武漢：華中科技大學(xué)， 2011.

[11]李文輝，肖林廠，王瑩，等. 一種基于塊的視頻煙霧檢測(cè)算法[J]. 吉林大學(xué)學(xué)報(bào)(理學(xué)版)， 2012(50)：979-986.

劉穎(1972— )，女，高級(jí)工程師，博士，主要研究方向?yàn)閳D像與視頻檢索；

顧小東(1988— )，碩士，主研視頻圖像處理；

杜久玲(1989— )，女，碩士生，主研基于局部特征的刑偵圖像檢索；

王倩(1983— )，女，講師，博士，主要研究方向?yàn)閳D像與視頻的智能分析。

責(zé)任編輯：閆雯雯

Fire smoke detection method based on multi-feature running average method

LIU Ying ，GU Xiaodong， DU Jiuling，WANG Qian

(CenterforImageandInformationProcessing，Xi’anUniversityofPostsandTelecommunications，Xi’an710061，China)

For detecting smoke which is sign of fire， the “hole” phenomenon which is in the task of smoke detection is resolved in this paper. Considering the non-rigid nature of smoke， the color， blurred background and motion direction are all included to model the process of renewing background. And then the small noise regions are eliminated based on connected area. The improved run-average method is more robust than the one based on single feature. The experimental results show that the proposed method can accurately and efficiently detect the smoke area in video.

smoke region detection； running average； multi-feature fusion

TN911.73

A

10.16280/j.videoe.2016.09.019

國(guó)家自然科學(xué)基金青年項(xiàng)目(61202183；41504115)；陜西省百人計(jì)劃項(xiàng)目；公安部科技強(qiáng)警基礎(chǔ)工作專(zhuān)項(xiàng)項(xiàng)目(2015GABJC50)；陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2015JQ6223)

2015-11-28

文獻(xiàn)引用格式：劉穎，顧小東，杜久玲，等. 基于多特征融合運(yùn)行期均值法的煙霧檢測(cè)算法[J].電視技術(shù)，2016，40(9)：95-99.

LIU Y，GU X D， DU J L，et al. Fire smoke detection method based on multi-feature running average method[J]. Video engineering，2016，40(9)：95-99.