基于背景反馈和k-means算法的野外烟雾检测
摘要：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。
注: 保护知识产权,如需阅读全文请联系中国科技论文杂志社
相关推荐
更多
