陳垂雄 嚴(yán)云洋 劉以安 高尚兵 周靜波

(1.江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院,無錫,214122;2.淮陰工學(xué)院計(jì)算機(jī)工程學(xué)院,淮安,223003)

運(yùn)動(dòng)區(qū)域提取和閃頻分析并行的火焰檢測(cè)算法*

陳垂雄1,2嚴(yán)云洋1,2劉以安1高尚兵2周靜波2

(1.江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院,無錫,214122;2.淮陰工學(xué)院計(jì)算機(jī)工程學(xué)院,淮安,223003)

在火焰檢測(cè)中對(duì)火焰運(yùn)動(dòng)區(qū)域提取和閃爍特征分析大都分開進(jìn)行，本文在提取運(yùn)動(dòng)區(qū)域的同時(shí)分析該區(qū)域的閃頻特性，即將火焰的運(yùn)動(dòng)特征和閃爍特征同時(shí)提取。首先基于Ohta顏色空間找出圖像中具有火焰顏色的疑似區(qū)域，其次根據(jù)視頻圖像某個(gè)位置在一段時(shí)間內(nèi)變化的程度和次數(shù)是否都達(dá)到一定程度提取具有閃爍特性的運(yùn)動(dòng)區(qū)域，最后根據(jù)具有火焰顏色的連通區(qū)域是否包含這種運(yùn)動(dòng)區(qū)域，且顏色區(qū)域與運(yùn)動(dòng)區(qū)域的面積比例是否達(dá)到一定比值，來判斷該連通區(qū)域是否為火焰。實(shí)驗(yàn)結(jié)果表明該方法在提取運(yùn)動(dòng)區(qū)域的同時(shí)能排除不具火焰閃爍特征的前景，且能在運(yùn)動(dòng)區(qū)域提取不完整的情況下保持較高的火焰檢測(cè)率和較低的誤檢率。

運(yùn)動(dòng)區(qū)域；閃頻分析；火焰檢測(cè)；區(qū)域面積；不完整運(yùn)動(dòng)區(qū)域

引 言

傳統(tǒng)的火災(zāi)警報(bào)系統(tǒng)是基于紅外監(jiān)控器、光學(xué)監(jiān)控器或者離子監(jiān)控器，依靠煙霧、熱和輻射等火災(zāi)特性來判斷是否有火災(zāi)發(fā)生。然而，這些傳統(tǒng)的火災(zāi)報(bào)警系統(tǒng)要等到如熱量、煙霧粒子等報(bào)警信號(hào)[1]實(shí)際到達(dá)監(jiān)控器才觸發(fā)警報(bào)，并且它們通常不能提供火災(zāi)的位置和火災(zāi)的發(fā)展程度等信息。而基于計(jì)算機(jī)視覺的火災(zāi)檢測(cè)方法因?yàn)檫m用于大空間，反應(yīng)快速而得到廣泛的關(guān)注。嚴(yán)云洋等[2]提取火焰的顏色區(qū)域后，用邏輯回歸對(duì)火焰的閃頻特征進(jìn)行分析。Chen等[3]通過改進(jìn)高斯混合模型提取運(yùn)動(dòng)區(qū)域，用顏色特征提取疑似火焰區(qū)域，然后對(duì)具有火焰顏色的運(yùn)動(dòng)物體進(jìn)行火焰的閃爍特征分析，從而達(dá)到最后的判斷。謝迪等[4]在分析火焰運(yùn)動(dòng)和顏色特征的基礎(chǔ)上，通過傅里葉變換提取火焰的閃爍特征，并將其和圓形度、角點(diǎn)等空域特征輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與判別。Wang等[5]提取運(yùn)動(dòng)區(qū)域與顏色區(qū)域后，用隱馬爾可夫模型模擬火焰的閃爍特征，并用亮度圖達(dá)到最后的判斷。可見，許多火焰檢測(cè)方法都對(duì)火焰的運(yùn)動(dòng)和閃頻這兩個(gè)重要特征進(jìn)行了分析。然而，由于這兩個(gè)步驟是串行進(jìn)行的，因此對(duì)于火焰檢測(cè)的實(shí)時(shí)性將有一定影響。上述方法在將顏色與運(yùn)動(dòng)區(qū)域相與的時(shí)候，對(duì)運(yùn)動(dòng)區(qū)域的提取提出了比較苛刻的要求，當(dāng)運(yùn)動(dòng)區(qū)域提取不完整時(shí)，與顏色區(qū)域相與后得到的區(qū)域可能不再是火焰的真實(shí)外形，這對(duì)于進(jìn)一步的閃爍特征分析或其他特征參數(shù)提取將產(chǎn)生較大的影響。更有甚者，在提取運(yùn)動(dòng)區(qū)域時(shí)，如果幀間間隔沒把握好，可能因幀間變化太小而提取不到運(yùn)動(dòng)區(qū)域。

本文根據(jù)火焰閃爍時(shí)本身所具有的運(yùn)動(dòng)特性，將兩個(gè)特征的提取同步進(jìn)行，即在進(jìn)行運(yùn)動(dòng)區(qū)域提取的同時(shí)，也判斷該運(yùn)動(dòng)區(qū)域是否具有火焰的閃爍特性。即使提取的火焰運(yùn)動(dòng)區(qū)域不完整，但通過對(duì)運(yùn)動(dòng)區(qū)域與顏色區(qū)域的重疊情況，可以判斷出該顏色區(qū)域是否同時(shí)具備運(yùn)動(dòng)和閃爍特性，從而達(dá)到火焰識(shí)別的目的。這樣在縮短識(shí)別過程的同時(shí)，可以最大限度地保留真實(shí)火焰的全貌，從而提高火焰的檢測(cè)準(zhǔn)確率。

1 火焰顏色區(qū)域提取

一般可燃物燃燒的顏色在各個(gè)顏色空間中都有特定的分布模型，火焰外形呈現(xiàn)由內(nèi)到外由白變黃再到紅的環(huán)形嵌套結(jié)構(gòu)，并且對(duì)于每個(gè)火焰顏色像素，紅色分量都占較大比重。Yan等[6]對(duì)紅綠藍(lán)(Red,Green,Blue,RGB)分量進(jìn)行線性變換，在Ohta顏色空間建立了應(yīng)用于火焰檢測(cè)的一種色彩模型。由于火焰圖像在Ohta顏色空間次佳特征的直方圖都變?yōu)閱畏寤螂p峰特性，比較適合分割提取，所以本文使用該空間的次佳特征。但如果只使用該判別規(guī)則，可能把某些紅色分量沒有占據(jù)主要比重的像素也提取進(jìn)來，故同時(shí)對(duì)紅色分量進(jìn)行限制，從而提取類似火焰顏色的區(qū)域。具體判別如下

(1)

(2)

式中:I為Otha顏色空間的次佳特征;Rt為紅色分量閾值，取值范圍一般在160～200之間；R和B分別為RGB空間的紅色分量和藍(lán)色分量值。

當(dāng)火焰內(nèi)部為白色時(shí)，使用該顏色模型得到的區(qū)域一般會(huì)產(chǎn)生空洞，但由于高溫的白色區(qū)域一般被外部溫度較低的黃-紅區(qū)域包圍，形成空洞，這時(shí)如果用空洞填充方法就能填充區(qū)域的空洞，從而提取較為完整的疑似火焰區(qū)域，效果如圖1所示。

圖1 基于顏色特征的疑似火焰區(qū)域提取Fig．1 Flame candidates extraction based on color feature

2 運(yùn)動(dòng)區(qū)域和閃爍特征提取

由于受氣體羽流卷吸及自身輻射的影響，火苗會(huì)出現(xiàn)無序閃動(dòng)，具體表現(xiàn)為一種持續(xù)的高頻時(shí)序變化。大量研究表明，這種閃爍頻率主要在7～12Hz動(dòng)態(tài)范圍內(nèi)[7]。火焰閃爍的一個(gè)顯著特征是火焰邊緣的像素灰度值在幀與幀之間發(fā)生較為明顯的變化，而運(yùn)動(dòng)區(qū)域的提取一般也是基于幀間像素灰度值的變化，所以火焰的閃爍特征其實(shí)也體現(xiàn)著火焰的運(yùn)動(dòng)。雖然火焰的閃爍特性分析是基于連續(xù)多幀圖像的，但考慮到火焰在短時(shí)間內(nèi)基本上是在同一位置抖動(dòng)，所以可利用閃爍特征來提取火焰的運(yùn)動(dòng)區(qū)域，即將閃爍分析與運(yùn)動(dòng)區(qū)域提取合二為一，這樣提取出的運(yùn)動(dòng)區(qū)域同時(shí)也具有火焰的閃爍特性。

在對(duì)火焰的閃爍特性進(jìn)行分析時(shí)，當(dāng)前主流的方法有空間域向頻率域的轉(zhuǎn)化和基于某個(gè)像素在多幀之間的亮度或紅色分量變化次數(shù)兩種。由于空間域向頻率域轉(zhuǎn)化較費(fèi)時(shí)，本文選擇第二種方法。如文獻(xiàn)[3]一樣，許多研究者將某個(gè)像素在幀間的亮度差取絕對(duì)值，根據(jù)該絕對(duì)值的大小及變化次數(shù)，判斷是否為火焰。為了更好地說明火焰的閃爍特性，本文進(jìn)行運(yùn)動(dòng)提取與閃頻分析的方法如下。

首先建立兩個(gè)與原圖分辨率相同的計(jì)數(shù)矩陣map1和map2,t時(shí)刻，當(dāng)某個(gè)像素(x,y)當(dāng)前幀與前一幀紅色分量差值大于某個(gè)閾值T,將map1(x,y,t)在前一幀map1(x,y,t-1)的基礎(chǔ)上加1進(jìn)行累加，map2(x,y,t)加0；當(dāng)(x,y)當(dāng)前幀與前一幀紅色分量差值小于某個(gè)閾值負(fù)T，將map2(x,y,t)加1，map1(x,y,t)加0；如果不是以上兩種情況，map1(x,y,t)和map2(x,y,t)都加0。

(3)

(4)

(5)

(6)

式中：T為一個(gè)正實(shí)數(shù)，用于消除系統(tǒng)噪聲等因素對(duì)像素紅色分量值產(chǎn)生的影響。T值一般在5～20之間，可以取固定值，也可以用Turgay Celik[8]提出的動(dòng)態(tài)閾;R(x,y,t)和R(x,y,t-1)分別為t時(shí)刻與t-1時(shí)刻(x,y)像素的紅色分量值。在監(jiān)控視頻圖像序列中，靜止的目標(biāo)區(qū)域紅色分量值基本不變，運(yùn)動(dòng)的車燈會(huì)讓像素的紅色分量有較大變化，但這些變化持續(xù)的時(shí)間比較短，并且一般是持續(xù)增加或減少，而火焰像素的紅色分量會(huì)在增加與減少之間反復(fù)多次出現(xiàn)，map1(x,y,t)和map2(x,y,t)的變化都會(huì)超出某一閾值。如果某個(gè)像素(x,y)在某段時(shí)間內(nèi)map1(x,y,t)和map2(x,y,t)的變化都超出某個(gè)閾值，則這個(gè)像素可能就是火焰的邊緣像素?；鹧骈W爍特性如式(7～9)所示

map1(x,y,t)=1map1(x,y,t)-map1(x,y,t-N)≥COUNT

(7)

map2(x,y,t)=1map2(x,y,t)-map2(x,y,t-N)≥COUNT

(8)

MAP=MAP1?MAP2

(9)

式中：MAP1，MAP2和MAP均為與原圖像分辨率相同的二值矩陣，符號(hào)?表示二值與運(yùn)算；N為累加時(shí)間窗，大小與視頻采集的速率相當(dāng)[9]，本文取19；COUNT為判斷像素是否閃爍的閾值，其值既與累加時(shí)間窗N有關(guān)，又與視頻采集速率有關(guān)，由于視頻采集速率一般為25 fps,火焰的閃爍頻率為7～12 Hz,這樣在20幀內(nèi)大概閃爍了6次，所以本文COUNT取值為3;map1(x,y,t),map2(x,y,t)和map1(x,y,t-N)、map2(x,y,t-N)分別為t和t-N時(shí)刻像素(x,y)的計(jì)數(shù)值。上式得到的二值圖map中為1的像素即為火焰的閃爍像素，同時(shí)也是火焰在時(shí)刻t的邊緣近似運(yùn)動(dòng)區(qū)域。為了去除圖像中存在的噪聲點(diǎn)并連接鄰近像素，本文使用二值形態(tài)學(xué)運(yùn)算對(duì)二值圖MAP進(jìn)行處理。實(shí)驗(yàn)選取半徑分別為l和3的圓盤狀結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕和膨脹，效果如圖2所示。

圖2 運(yùn)動(dòng)區(qū)域的提取Fig．2 Motion region extraction

從圖2可以看出，用混合高斯模型提取的運(yùn)動(dòng)區(qū)域包含走動(dòng)的人和運(yùn)動(dòng)的車燈等干擾物，但用本文方法提取的運(yùn)動(dòng)區(qū)域能將上述干擾物排除，因?yàn)樗鼈兌疾痪邆浠鹧娴拈W爍特性。

3 火焰的判別

由于本文提取的運(yùn)動(dòng)區(qū)域是基于前面幾幀圖像提取的，所以t時(shí)刻本文提取的運(yùn)動(dòng)區(qū)域與火焰的真實(shí)運(yùn)動(dòng)區(qū)域有點(diǎn)差別，但由于短時(shí)間內(nèi)火焰基本上在同一個(gè)位置重復(fù)運(yùn)動(dòng)，因此提取的區(qū)域還是火焰的近似運(yùn)動(dòng)區(qū)域。

火焰判別算法流程如圖3所示。考慮到本文得到的顏色區(qū)域相對(duì)運(yùn)動(dòng)區(qū)域較為準(zhǔn)確，它能刻畫火焰的外形、大小等特征，故本文先以顏色特征提取疑似火焰的區(qū)域，得到顏色圖。為避免運(yùn)動(dòng)區(qū)域因使用形態(tài)學(xué)算法使邊緣超出顏色區(qū)域，本文以顏色圖BW與運(yùn)動(dòng)圖MAP的交集MIX作為運(yùn)動(dòng)圖，該圖中的各個(gè)區(qū)域既具有火焰的顏色，又具有運(yùn)動(dòng)和閃爍特性。將顏色二值圖BW和交集圖MIX中的像素分別進(jìn)行8鄰域連接形成連通區(qū)域，并對(duì)兩張圖中各個(gè)連通區(qū)域進(jìn)行標(biāo)記。對(duì)于每個(gè)顏色區(qū)域，如果它包含一個(gè)相交區(qū)域，并且該相交區(qū)域的面積達(dá)到顏色區(qū)域面積的一定程度P，則判定該顏色區(qū)域?yàn)榛鹧?，該火焰判別方法能彌補(bǔ)運(yùn)動(dòng)區(qū)域提取不完全的缺陷，如式(10～11)所示，即

MIX=BW?MAP

(10)

BW(i)=1 MIX(j)?BW(i)&MIX(j).Area/BW(i).Area≥Pi=1,2,…,n;j?[1，m]

(11)

式中:i，j代表用連通區(qū)域標(biāo)記法標(biāo)記的某個(gè)連通區(qū)域;n為顏色圖總的連通區(qū)域個(gè)數(shù);m為交集圖總的連通區(qū)域個(gè)數(shù);MIX(j).Area代表某個(gè)相交區(qū)域的面積;BW(i).Area代表第i個(gè)顏色區(qū)域的面積;1代表該顏色區(qū)域?yàn)榛鹧妫?代表該顏色區(qū)域?yàn)榉腔鹧?P為區(qū)域頻閃特性的判斷閾值[9]，MIX(j).Area/BW(i).Area≥P說明火焰中心相對(duì)穩(wěn)定，邊緣隨機(jī)運(yùn)動(dòng)劇烈，區(qū)域變化像素點(diǎn)總數(shù)應(yīng)穩(wěn)定于一定的范圍內(nèi)，P太大可能造成火焰的漏檢率增大，P太小可能使非火焰的誤檢率增大，為保證檢測(cè)率和減少漏檢率，P取0.1。

4 實(shí)驗(yàn)結(jié)果及分析

本文在CPU為Inteli5，主頻為2.50GHz，內(nèi)存為4.00GB的實(shí)驗(yàn)環(huán)境下用MatlabR2012b進(jìn)行測(cè)試。選取Bilkent大學(xué)火災(zāi)視頻庫(http://signal.ee.bilkent.edu.tr/VisiFire/index.html)的4段火焰視頻和2段非火焰視頻(描述如表1所示)進(jìn)行測(cè)試，并與別的方法對(duì)比分析。

表1 視頻情況描述

樣本實(shí)例及檢測(cè)結(jié)果如圖4所示，火焰視頻和非火焰視頻檢測(cè)結(jié)果與文獻(xiàn)[10～12]對(duì)比情況如表2，3所示。由于本文的運(yùn)動(dòng)提取和閃頻分析是通過20幀累積的，所以視頻前19幀無法作判斷，為此在與文獻(xiàn)[10～12]比較時(shí)，檢測(cè)幀數(shù)也相應(yīng)地去掉前19幀，計(jì)算得到它們新的檢測(cè)數(shù)據(jù)。

從表2和表3可以看出，文獻(xiàn)[11]對(duì)于森林火焰有較高的準(zhǔn)確率，而對(duì)于其他類型的火焰，尤其是當(dāng)非火焰干擾時(shí)準(zhǔn)確率大幅度降低，這是因?yàn)樗挥蒙值幕鹧鏄颖具M(jìn)行統(tǒng)計(jì)分析，在其他場(chǎng)景的適用性較低；又因?yàn)槠錂z測(cè)步驟過于簡(jiǎn)單，對(duì)火焰的一些主要特征缺少分析，所以對(duì)車燈等具有類似火焰顏色的運(yùn)動(dòng)物體誤檢率高。文獻(xiàn)[10]采用雙差法并結(jié)合HSI空間中的3個(gè)顏色公式檢測(cè)運(yùn)動(dòng)目標(biāo)，雖然基于多閾值判定的雙差法在火焰視頻中檢測(cè)結(jié)果較好，但也容易誤檢類似火焰顏色的運(yùn)動(dòng)物體，所以對(duì)于車燈的干擾誤檢率極高。文獻(xiàn)[12]既用了火焰顏色與運(yùn)動(dòng)特征，又將火焰的表面粗糙度和邊界粗糙度等參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，所以準(zhǔn)確率相比前面的文獻(xiàn)高。本文雖然在視頻5的誤檢率較高，但相比其他文獻(xiàn)在各種場(chǎng)景的準(zhǔn)確率幾乎都有提高，視頻5由于雙向都有車燈，光線復(fù)雜，且卡車后車燈在大部分時(shí)間內(nèi)具有與火焰相似的閃爍特性，所以誤檢率較高。

圖4 視頻樣本示例及檢測(cè)效果Fig．4 Video examples and detection results

視頻總幀數(shù)火焰幀數(shù)文獻(xiàn)[10]文獻(xiàn)[9]文獻(xiàn)[11]本文算法準(zhǔn)確率/%漏檢率/%準(zhǔn)確率/%漏檢率/%準(zhǔn)確率/%漏檢率/%準(zhǔn)確率/%漏檢率/%136336358.341.790.79.390.79.31000.0261661682.018.093.36.777.922.188.111.9342042074.825.298.31.791.28.893.36.7420020095.54.596.04.090.59.599.50.5

表3 非火焰視頻檢測(cè)結(jié)果

5 結(jié)束語

本文用Ohta顏色空間提取火焰的顏色區(qū)域，并對(duì)區(qū)域可能出現(xiàn)的空洞進(jìn)行填充，然后基于幀間的累積將運(yùn)動(dòng)區(qū)域提取與閃爍特性分析合二為一，最后結(jié)合運(yùn)動(dòng)和閃爍特性對(duì)每一個(gè)顏色區(qū)域進(jìn)行判斷，看其是否為真實(shí)的火焰。實(shí)驗(yàn)結(jié)果表明，本文提出的算法對(duì)不同場(chǎng)景具有較高的檢測(cè)率和較強(qiáng)的魯棒性。然而對(duì)于燃燒穩(wěn)定的火焰，閃爍特征將不那么明顯，本文的算法性能會(huì)下降，今后將考慮把火焰的其他靜態(tài)和動(dòng)態(tài)特征融入火焰的檢測(cè)中，以提高檢測(cè)的準(zhǔn)確率和抗干擾性。

[1] 李正周, 方朝陽, 顧園山, 等. 基于無線多傳感器信息融合的火災(zāi)檢測(cè)系統(tǒng)[J]. 數(shù)據(jù)采集與處理, 2014,29(5):694-699.

Li Zhengzhou, Fang Chaoyang, Gu Yuanshan, et al. Fire detection system based on wireless multi-sensor information fusion[J]. Journal of Data Acquisition and Processing, 2014,29(5):694-699.

[2] 嚴(yán)云洋, 吳茜茵, 杜靜, 等. 基于色彩和閃頻特征的視頻火焰檢測(cè)[J]. 計(jì)算機(jī)科學(xué)與探索, 2014,8(10):1271-1279.

Yan Yunyang, Wu Xiyin, Du Jing. et al. Video fire detection based on color and flicker frequency feature[J]. Journal of Frontiers of Computer Science and Technology, 2014,8(10):1271-1279.

[3] Chen Juan, He Yaping, Wang Jian. Multi-feature fusion based fast video flame detection[J]. Building and Environment, 2010,45(5):1113-1122.

[4] 謝迪, 童若鋒, 唐敏, 等. 具有高區(qū)分度的視頻火焰檢測(cè)方法[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2012,46(4):698-704.

Xie Di, Tong Ruofeng, Tang Min, et al. Distinguishable method for video fire detection[J]. Journal of Zhejiang University(Engineering Science), 2012,46(4):698-704.

[5] Wang Liqiang, Ye Mao, Ding Jian, et al. Hybrid fire detection using hidden Markov model and luminance map[J]. Computers & Electrical Engineering, 2011,37(6):905-915.

[6] Yan Yunyang, Guo Zhibo, Wang Hongyan. Fire detection based on feature of flame color[C]∥ Proceedings of the 2009 Chinese Conference on Pattern Recognition. Washington D C, USA: IEEE Computer Society Press, 2009:349-353.

[7] 安患偉, 袁宏永, 屈玉貴. 數(shù)據(jù)采集在火焰閃爍頻率的測(cè)量研究及分析中的應(yīng)用[J]. 火災(zāi)科學(xué), 2000,9(2):43-47.

An Huanwei, Yuan Hongyong, Qu Yugui. Data collection on the research of fire flash frequency[J]. Fire Safety Science, 2000,9(2):43-47.

[8] Celik T. Fast and efficient method for fire detection using image processing[J]. Etri Journal, 2010,32(6):881-890.

[9] 胡國(guó)良, 江熹, 王少龍. 基于多特征融合的視頻火焰檢測(cè)技術(shù)研究[J]. 機(jī)械設(shè)計(jì)與制造, 2012(7):213-215.

Hu Guoliang, Jiang Xi, Wang Shaolong. Research of video flame detecion based on multi-feature integration technology[J]. Machinery Design & Manufacture, 2012(7):213-215.

[10]Chen T H, Wu P H, Chiou Y C. An early fire-detection method based on image processing[C]∥Proceedings of the 2004 IEEE International Conference on Image Processing(ICIP04). Washington D C, USA: IEEE Computer Society Press, 2004:1707-1710.

[11]Celik T, Demirel H. Fire detection in video sequences using a generic color model[J]. Fire Safety Journal, 2009,44(2):147-158.

[12]Rong Jianzhong, Zhou Dechuang, Yao Wei, et al. Fire flame detection based on GICA and target tracking[J]. Optics & Laser Technology, 2013,47:283-291.

Fire Detection Based on Parallel Computing of Motion and Flicker Frequency Feature

Chen Chuixiong1,2, Yan Yunyang1,2, Liu Yi′an1, Gao Shangbing2, Zhou Jingbo2

(1.School of Internet of Things Engineering, Jiangnan University, Wuxi, 214122, China;2.Faculty of Computer Engineering, Huaiyin Institute of Technology, Huaian, 223003, China)

The extraction of motion regions and analysis of flicker are carried out separately in flame detection usually. A novel method is proposed here. Flicker of flame is detected while the motion regions are extracted. Firstly, candidate fire regions were detected based on Ohta color space with a color model of flame. Then, the motion regions with flicker frequency feature were extracted according to the degree and times of changes over a period at a certain position. Finally, the status whether the connected region is in flames or not was determined according to the intersection between the flame color region and the motion region. Experimental results show that the proposed method can ignore the regions which do not have the feature of flame flicker after the motion regions were extracted.It also performs well with high flame detection rate and lower false detection rate even if the motion region is incomplete.

motion region; analysis of flicker; flame detection; region area; incomplete motion region

國(guó)家自然科學(xué)基金(61402192)資助項(xiàng)目；教育部科學(xué)技術(shù)研究重大(311024)資助項(xiàng)目；江蘇省“六大人才高峰”(2013DZXX-023)資助項(xiàng)目；江蘇省“333工程”(BRA2013208)資助項(xiàng)目；江蘇省“青藍(lán)工程”資助項(xiàng)目；淮安市“533工程”資助項(xiàng)目；淮安市科技計(jì)劃(HAG2013057，HAG2013059)資助項(xiàng)目。

2015-05-20；

2015-07-20

TP391.41

A

陳垂雄(1988-)，男，碩士研究生，研究方向: 數(shù)字圖像處理、模式識(shí)別，E-mail:494231126@qq.com。

高尚兵(1981-)，男，博士、副教授，研究方向：數(shù)字圖像處理、模式識(shí)別。

嚴(yán)云洋(1967-)，男，博士、教授，研究方向：數(shù)字圖像處理、模式識(shí)別。

周靜波(1983-)，男，博士，研究方向：數(shù)字圖像處理、模式識(shí)別。

劉以安(1963-)，男，博士、教授，研究方向：模式識(shí)別、數(shù)據(jù)融合。