.246. 智能系统学报 第10卷 表6非火焰视频检测结果 Table 6 Detection results on non-fire videos 文献[12]算法 文献[13]算法 本文算法 视频 总帧数 火焰帧数 TN/% FN/9% TN/% FN/9% TN/% FN/% 视频5 144 144 44.4 55.6 60.4 39.6 75.7 24.3 视频6 120 120 69.2 30.8 87.5 12.5 95.8 4.2 文献[12]融合了圆形度、质心位移、面积变化、 果，并从中选出圆形度、矩形度以及重心高度系数进 周长变化以及圆形度变化等特征，在对于视频中只 行融合识别。本文提出的算法虽然取得了较好的效 含单个火焰且火焰轮廓变化较为剧烈时检测效果较 果，但由于建立的图片库还没有涵盖所有的火焰形 好，如视频3。但当视频中含有多个火焰且轮廓变 状结构特征，误检率和漏检率易受图片库的影响。 化不大时，检测效果欠佳，如视频1、视频2、视频4。 针对以上问题，下一步将扩充现有的图片库，使得训 这是因为质心位移、面积变化、周长变化等特征在火 练样本更为完整。在此基础上，将引入一些较为显 焰相对稳定时不明显，且对于多个火焰的情形，用文 著的动态特征，增强算法的检测效果和鲁棒性。 献[12]的方法难以准确计算出每个连通域的质心、 参考文献： 周长、面积等的变化信息。在非火焰视频的检测中， 同样存在多个疑似火焰区域的情况，因此文献[12] [1]SASIREKHA M S P,RAMYA M S,PRASANTH M R M, 误检率较高。文献[13]利用傅里叶描述子提取轮 et al.A survey about automatic flame/fire detection in videos 廓特征，并结合边缘腐蚀算法进行判别，对于轮廓特 [J].International Journal of Research in Advent Technolo- g罗，2014,2(2)：145-150. 征明显且未有物体遮挡的火焰视频检测效果较好， [2]ZHANG L.LIU X.Fire recognition based on multiple fea- 如视频3。但由于火焰轮廓特征集中于火焰的上半 tures of video images[C]//Proceedings of the 2nd Interna- 部分，在有人或其他物体遮挡火焰上半部分时将造 tional Conference on Computer Science and Electronics Engi- 成轮廓特征缺失，从而导致检测效果不理想，如视频 neering.Paris,France,2013:1597-1600. 4。在非火焰视频中，由于被汽车车灯照亮区域的轮 [3]严云洋，唐岩岩，郭志波，等.融合色彩和轮廓特征的火 廓与火焰相似，因而误检率较高。 焰检测[J].微电子学与计算机，2011,10：137-141， 本文算法融合了圆形度、矩形度和重心高度系 145 数3种形状结构特征，不仅能较好地检测出多种情 YAN Yunyang,TANG Yanyan,GUO Zhibo,et al.Fusion of 景下的火焰，而且不受火焰区域多少的约束。在视 flame color and its contour for fire detection[J].Microelec- 频3中，由于火焰受风的影响形状变化剧烈，有时重 tronics Computer,2011,10:137-141,145. [4]CHEN L H,HUANG W C.Fire detection using spatial-tem- 心高度系数接近于0.5甚至小于0.5，以至本文算法 poral analysis[C]//Proceedings of the World Congress on 的检测率有所降低。在非火焰视频检测中，本文算 Engineering.London,UK,2013:2222-2225. 法均优于其他文献，对于视频5，由于小汽车的车灯 [5]CHEN T H,WU P H,CHIOU Y C.An early fire-detection 和被车灯照亮的区域与火焰颜色相似，且形状结构 method based on image processing[C]//International Con- 特征也较为相似，造成了较高的误检率。从整体检 ference on Image Processing (ICIP).[S.I.],China,2004: 测结果而言，本文检测率较高，误检率较低。且由于 1707-1710. 本文使用的特征计算简单，检测速度较快，平均帧处 [6]HABIBOGLU Y,GUNAY O,CETIN A E.Flame detection 理时间仅为25ms,适用于实时火焰检测。 method in video using covariance descriptors[C]//IEEE In- ternational Conference on Acoustics Speech and Signal Pro- 5结束语 cessing (ICASSP).Prague,Czech,2011:1817-1820. [7]王莹，李文辉.基于多特征融合的高精度视频火焰检测 本文通过改进的颜色特征提取疑似火焰区域， 算法[J].吉林大学学报：工学版，2010(3)：769-775. 在此基础上计算火焰的6种形状结构特征，综合准 WANG Ying,LI Wenhui.High-precision video flame detec- 确率和处理时间两方面衡量形状结构特征的分类效 tion algorithm based on multi-feature fusion[J ]Journal of表 ６ 非火焰视频检测结果 Ｔａｂｌｅ ６ Ｄｅｔｅｃｔｉｏｎ ｒｅｓｕｌｔｓ ｏｎ ｎｏｎ⁃ｆｉｒｅ ｖｉｄｅｏｓ 视频 总帧数 火焰帧数 文献［１２］算法 ＴＮ／ ％ ＦＮ／ ％ 文献［１３］算法 ＴＮ／ ％ ＦＮ／ ％ 本文算法 ＴＮ／ ％ ＦＮ／ ％ 视频 ５ １４４ １４４ ４４．４ ５５．６ ６０．４ ３９．６ ７５．７ ２４．３ 视频 ６ １２０ １２０ ６９．２ ３０．８ ８７．５ １２．５ ９５．８ ４．２ 文献［１２］融合了圆形度、质心位移、面积变化、 周长变化以及圆形度变化等特征，在对于视频中只 含单个火焰且火焰轮廓变化较为剧烈时检测效果较 好，如视频 ３。 但当视频中含有多个火焰且轮廓变 化不大时，检测效果欠佳，如视频 １、视频 ２、视频 ４。 这是因为质心位移、面积变化、周长变化等特征在火 焰相对稳定时不明显，且对于多个火焰的情形，用文 献［１２］的方法难以准确计算出每个连通域的质心、 周长、面积等的变化信息。 在非火焰视频的检测中， 同样存在多个疑似火焰区域的情况，因此文献［１２］ 误检率较高。 文献［１３］ 利用傅里叶描述子提取轮 廓特征，并结合边缘腐蚀算法进行判别，对于轮廓特 征明显且未有物体遮挡的火焰视频检测效果较好， 如视频 ３。 但由于火焰轮廓特征集中于火焰的上半 部分，在有人或其他物体遮挡火焰上半部分时将造 成轮廓特征缺失，从而导致检测效果不理想，如视频 ４。 在非火焰视频中，由于被汽车车灯照亮区域的轮 廓与火焰相似，因而误检率较高。 本文算法融合了圆形度、矩形度和重心高度系 数 ３ 种形状结构特征，不仅能较好地检测出多种情 景下的火焰，而且不受火焰区域多少的约束。 在视 频 ３ 中，由于火焰受风的影响形状变化剧烈，有时重 心高度系数接近于 ０．５ 甚至小于 ０．５，以至本文算法 的检测率有所降低。 在非火焰视频检测中，本文算 法均优于其他文献，对于视频 ５，由于小汽车的车灯 和被车灯照亮的区域与火焰颜色相似，且形状结构 特征也较为相似，造成了较高的误检率。 从整体检 测结果而言，本文检测率较高，误检率较低。 且由于 本文使用的特征计算简单，检测速度较快，平均帧处 理时间仅为 ２５ ｍｓ，适用于实时火焰检测。 ５ 结束语 本文通过改进的颜色特征提取疑似火焰区域， 在此基础上计算火焰的 ６ 种形状结构特征，综合准 确率和处理时间两方面衡量形状结构特征的分类效 果，并从中选出圆形度、矩形度以及重心高度系数进 行融合识别。 本文提出的算法虽然取得了较好的效 果，但由于建立的图片库还没有涵盖所有的火焰形 状结构特征，误检率和漏检率易受图片库的影响。 针对以上问题，下一步将扩充现有的图片库，使得训 练样本更为完整。 在此基础上，将引入一些较为显 著的动态特征，增强算法的检测效果和鲁棒性。 参考文献： ［１］ＳＡＳＩＲＥＫＨＡ Ｍ Ｓ Ｐ， ＲＡＭＹＡ Ｍ Ｓ， ＰＲＡＳＡＮＴＨ Ｍ Ｒ Ｍ， ｅｔ ａｌ． Ａ ｓｕｒｖｅｙ ａｂｏｕｔ ａｕｔｏｍａｔｉｃ ｆｌａｍｅ ／ ｆｉｒｅ ｄｅｔｅｃｔｉｏｎ ｉｎ ｖｉｄｅｏｓ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｓｅａｒｃｈ ｉｎ Ａｄｖｅｎｔ Ｔｅｃｈｎｏｌｏ⁃ ｇｙ， ２０１４， ２（２）： １４５⁃１５０． ［２］ＺＨＡＮＧ Ｌ， ＬＩＵ Ｘ． Ｆｉｒｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｕｌｔｉｐｌｅ ｆｅａ⁃ ｔｕｒｅｓ ｏｆ ｖｉｄｅｏ ｉｍａｇｅｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２ｎｄ Ｉｎｔｅｒｎａ⁃ ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉ⁃ ｎｅｅｒｉｎｇ． Ｐａｒｉｓ， Ｆｒａｎｃｅ， ２０１３： １５９７⁃１６００． ［３］严云洋， 唐岩岩， 郭志波， 等． 融合色彩和轮廓特征的火 焰检测［ Ｊ］． 微电子学与计算机， ２０１１， １０： １３７⁃１４１， １４５． ＹＡＮ Ｙｕｎｙａｎｇ， ＴＡＮＧ Ｙａｎｙａｎ， ＧＵＯ Ｚｈｉｂｏ， ｅｔ ａｌ． Ｆｕｓｉｏｎ ｏｆ ｆｌａｍｅ ｃｏｌｏｒ ａｎｄ ｉｔｓ ｃｏｎｔｏｕｒ ｆｏｒ ｆｉｒｅ ｄｅｔｅｃｔｉｏｎ［ Ｊ］． Ｍｉｃｒｏｅｌｅｃ⁃ ｔｒｏｎｉｃｓ ＆ Ｃｏｍｐｕｔｅｒ， ２０１１， １０： １３７⁃１４１， １４５． ［４］ＣＨＥＮ Ｌ Ｈ， ＨＵＡＮＧ Ｗ Ｃ． Ｆｉｒｅ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ｓｐａｔｉａｌ⁃ ｔｅｍ⁃ ｐｏｒａｌ ａｎａｌｙｓｉｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｗｏｒｌｄ Ｃｏｎｇｒｅｓｓ ｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ． Ｌｏｎｄｏｎ， ＵＫ， ２０１３： ２２２２⁃２２２５． ［５］ＣＨＥＮ Ｔ Ｈ， ＷＵ Ｐ Ｈ， ＣＨＩＯＵ Ｙ Ｃ． Ａｎ ｅａｒｌｙ ｆｉｒｅ⁃ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ［Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎ⁃ ｆｅｒｅｎｃｅ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＩＰ）． ［Ｓ．ｌ．］， Ｃｈｉｎａ， ２００４： １７０７⁃１７１０． ［６］ＨＡＢＩＢＯＧＬＵ Ｙ， ＧＵＮＡＹ Ｏ， ＣＥＴＩＮ Ａ Ｅ． Ｆｌａｍｅ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｉｎ ｖｉｄｅｏ ｕｓｉｎｇ ｃｏｖａｒｉａｎｃｅ ｄｅｓｃｒｉｐｔｏｒｓ［Ｃ］ ／ ／ ＩＥＥＥ Ｉｎ⁃ ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏ⁃ ｃｅｓｓｉｎｇ （ＩＣＡＳＳＰ）． Ｐｒａｇｕｅ， Ｃｚｅｃｈ， ２０１１： １８１７⁃１８２０． ［７］王莹， 李文辉． 基于多特征融合的高精度视频火焰检测 算法［Ｊ］． 吉林大学学报： 工学版， ２０１０（３）： ７６９⁃７７５． ＷＡＮＧ Ｙｉｎｇ， ＬＩ Ｗｅｎｈｕｉ． Ｈｉｇｈ⁃ｐｒｅｃｉｓｉｏｎ ｖｉｄｅｏ ｆｌａｍｅ ｄｅｔｅｃ⁃ ｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ⁃ｆｅａｔｕｒｅ ｆｕｓｉｏｎ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ·２４６· 智 能 系 统 学 报 第 １０ 卷