10.3969/j.issn.2095-2783.2019.03.005
基于背景反馈和k-means算法的野外烟雾检测
针对野外的早期烟雾具有稀疏、扩散缓慢、面积小等特点,现有算法存在提取烟雾候选区域不完整及产生空洞等问题,提出一种基于背景反馈的动态背景更新算法.首先提取运动目标,依据烟雾颜色特征,使用k-means算法去除非烟颜色干扰像素,以更早得到烟雾疑似区域;然后提取每一个疑似烟雾区域的面积增长特性、空间能量、局部二值模式(local binary pattern,LBP)直方图和方向梯度直方图(histogram of oriented gradient,HOG),并分别计算特征的置信度;最后将得到的置信度输入动态得分组合,确定每个疑似烟区是否包含烟雾.实验结果表明,所提算法能够更早地检测出烟雾,有效降低误警率.对于中远距离场景,平均可提早94帧检测到烟雾.
烟雾检测、运动区域获取、k-means算法、梯度方向直方图、纹理特征、能量分析
14
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61502278,61170253
2019-07-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
261-267