Сегментация областей задымления на видеопоследовательности
Автор: Пятаева А.В.
Журнал: Сибирский аэрокосмический журнал @vestnik-sibsau
Рубрика: Математика, механика, информатика
Статья в выпуске: 3 т.17, 2016 года.
Бесплатный доступ
Детектирование дыма на видеопоследовательности имеет существенное значение для раннего обнаружения пожара на открытых пространствах, так как дым обычно становится видимым раньше пламени. Основными признаками визуального обнаружения дыма являются наличие движения, специфические цвет и форма объектов на видеоизображении. Предложен комбинированный метод детектирования дыма на открытых пространствах по видеопоследовательностям, позволяющий сочетать в себе различные признаки. Выделение фрагментов, похожих на дым, выполняется в два этапа: предварительная сегментация и верификация динамических свойств дыма. Предварительная сегментация осуществляется методом сопоставления блоков. Для верификации динамических свойств использована цветовая модель дыма и безразмерная мера мгновенной оценки завихрений - функция турбулентности. Эксперименты проводились на видеопоследовательностях из базы данных динамических текстур Dyntex и базы данных Билькентского университета. Использовано семь видеопоследовательностей, содержащих дым, и десять видеопоследовательностей без дыма. Произведена оценка качества работы алгоритма при различных его параметрах. Среднее значение точности работы по видеоизображениям на дымных видеопоследовательностях составило 97,8 %. Экспериментальные исследования показали, что предложенный способ эффективен для сегментации дыма по видеоизображениям.
Короткий адрес: https://sciup.org/148177603
IDR: 148177603
Список литературы Сегментация областей задымления на видеопоследовательности
- Dynamic texture based smoke detection using Surfacelet transform and HMT model/Ye Wei //Fire Safety Journal. 2015, Vol. 73. P. 91-101.
- Chen T., Wu P., Chiou Y. An early fire-detection method based on image processing//Proceedings of IEEE ICIP. 2004. P. 1707-1710.
- Fire detection using statistical color model in video sequences/T. Celik //Journal of Visual Communication and Image Representation. 2007. No. 18 (2). P. 176-185.
- Toreyin B. U., Dedeoglu Y., Cetin A. E. Wavelet based real-time smoke detection in video//Signal Processing: Image Communication, EURASIP. 2005. Vol. 20. P. 255-260.
- Gubbi J., Marusic S., Palaniswami M. Smoke detection in video using wavelets and support vector machines//Fire Safety Journal. 2009. No. 44 (8). P. 1110-1115.
- Video Fire Smoke detection using motion and color features/Yu. Chunyu //Fire Technology. 2010. No. 46(3). P. 651-663.
- Ko B., Cheong K., Nam J. Fire detection based on vision sensor and support vector machines//Fire Safety Journal. 2009. No. 44(3). P. 322-329.
- Yuan Feiniu. Video-based smoke detection with histogram sequence of LBP and LBPV pyramids//Fire Safety Journal. 2011. Vol. 46, iss. 3. P. 132-139.
- Разработка аппаратно-программного комплекса дистанционного обнаружения пожаров/Л. В. Катковский //Технологии безопасности. 2012. № 1. С. 43-45.
- Богуш P. П., Тычко Д. А. Алгоритм комплексного обнаружения дыма и пламени на основе анализа данных систем видеонаблюдения//Техническое зрение в системах управления. 2015. С. 65-71.
- Маленичев А. А., Красоткина О. В. Разработка системы быстрого распознавания дыма в видеопотоке//Техническое зрение в системах управления: сб. тр. науч.-техн. конф. М., 2012. С. 158-163.
- Buchsbaum G. A spatial processor model for object color perception//J. Franklin Inst. 1980. Vol. 310, iss. 1. P. 1-26.
- Hakan Habiboglu Y., Gunay Osman, Cetin Enis. Real-time wildfire detection using correlation descriptors//19th European Signal Conference (EUSIPCO 2011). 2011. P. 894-898.
- Catrakis Haris J., Dimotakis Paul E. Shape Complexity in Turbulence//Physical review letters. 1998. Vol. 80, No. 5. P. 968-971.
- Video Fire Smoke Detection Using Motion and Color Features J./Y. Chunyu //Fire Technology. 2010. Vol. 46, No. 3. P. 651-663.
- Database of Bilkent University . URL: http://signal.ee.bilkent.edu.tr/VisiFire/Demo/(дата обращения: 08.03.2016).
- Renaud P., Fazekas S., Huiskes M. J. DynTex: A comprehensive database of dynamic textures//Pattern Recognition Letters. 2010. Vol. 31, No. 12. P. 1627-1632.
