火灾检测基于matlab连通区域+SVM特征融合火灾检测含Matlab源码 1223期

Posted 2021-09-06 紫极神光

一、简介

1 摘要
为了尽可能地缩小疑似火焰区域，提高火灾检测的准确性和实时性，提出了把图像运动目标检测应用于火焰检测的问题。首先使用背景减除法提取运动目标，然后使用基于连通区域的面积阀值精确地提取疑似区域和其轮廓，再依据早期火灾的视觉特征， 抽取四个特征量， 即：相邻帧红色比重平均增长率、面积变化率、形状的平均相似度和圆形度， 最后通过SVM融合这些特征量进行综合判别。实验结果表明，上述方法计算速度快，检测效果好，误判率低，具有良好的抗干扰能力，为图像目标优化控制提供了依据。

1 引言
为了预防火灾，人们探究了很多火灾检测技术，目前，在某些场所已找到了比较成熟的火灾探测的方法，如感温、感烟等探测器，但在室外和大空间建筑物等场所这些探测器却难以发挥应有的作用，因为这些探测器只有当温度或烟雾浓度到达一定程度时，才会发出警报，因此发出的警报必然有一定的延迟，不利于火灾的早期发现，而图像型火灾检测技术却能弥补这些方法的不足，能在第一时间内捕捉到火灾信息，继而进行快速的检测。图像型火灾检测技术，早期主要集中在依据火焰颜色特征进行判别，这类方法不能区分真实的火焰与类似火焰颜色的物体。近期的研究发掘了火焰更多特征。金华彪等"根据火焰蔓延时的面积、相似度的变化来识别火灾的发生。张正荣等利用火焰尖角的数目，形状相似度来判断火灾是否发生。Torey in等利用时域小波变换和空域小波变换来分析火焰的闪动情况及火焰内部颜色变化情况。吴铮等“使用三状态的Markov模型来描述火焰和非火焰像素的时空特性，通过不同状态之间的跃迁来区分火焰与类似火焰颜色的运动物体。这些方法在通常情况下能够检测出火焰，但容易产生误判