使用多尺度LBP特征和SVM的火焰识别算法

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (5): 47-52.

使用多尺度LBP特征和SVM的火焰识别算法

严云洋1,2,唐岩岩2,刘以安2，张天翼3

1.淮阴工学院计算机工程学院, 江苏淮安 223003; 2.江南大学物联网工程学院, 江苏无锡 214122; 3.华中科技大学计算机科学与技术学院，湖北武汉 430074

收稿日期:2012-04-05 出版日期:2012-10-20 发布日期:2012-04-05
作者简介:严云洋(1967- ),男,江苏淮安人,教授,博士,主要研究方向为数字图像处理与模式识别. E-mail:yunyang@hyit.edu.cn
基金资助:
国家星火计划资助项目(2011GA690190);江苏省高校自然科学基金项目资助(11KJD520003)；江苏省“333工程”、淮安市“533工程”、淮安市科技资助项目(HAG2010066,HAG2010030,HAG2011045,HAC201113)

Flame detection based on LBP features with multiscales and SVM

YAN Yun-yang1,2, TANG Yan-yan2, LIU Yi-an2, ZHANG Tian-yi3

1. Faculty of Computer Engineering, Huaiyin Institute of Technology, Huai’an 223003, China; 2. School of Internet of Things Engneering, Jiangnan University, Wuxi 214122, China; 3. School of Computer Science and Technology, Wuhan 430074, China

Received:2012-04-05 Online:2012-10-20 Published:2012-04-05

摘要/Abstract

摘要：

目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。

关键词: 多尺度, 统一LBP, 旋转不变LBP, 旋转不变统一LBP, SVM

Abstract:

Fire detection based on videos is an effective method to prevent fire in large spaces. The texture of flame is special. Multiscale texture features were extracted to improve the flame detection performance due to its much more discrimination information. The flame candidates were located by character of flame brightness at first. Then different patterns of LBPfeature with different scales were extracted from these candidate areas. Finally, these features were put into SVM classification to recognize whether it was a flame or not. Experimental results showed that the method had a simple computation and could accurately recognize flame in video sequences and the false positive was low.

Key words: multiscales, uniform pattern LBP, rotationinvariant pattern LBP, rotationinvariantuniform pattern LBP, SVM

中图分类号:

TP394.41

严云洋1,2,唐岩岩2,刘以安2，张天翼3. 使用多尺度LBP特征和SVM的火焰识别算法[J]. 山东大学学报(工学版), 2012, 42(5): 47-52.

YAN Yun-yang1,2, TANG Yan-yan2, LIU Yi-an2, ZHANG Tian-yi3. Flame detection based on LBP features with multiscales and SVM[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(5): 47-52.

参考文献

相关文章 11

[1]	胡建平,李鑫,谢琪,李玲,张道畅. 基于Delaunay三角化的二维无约束优化EMD方法[J]. 山东大学学报(工学版), 2018, 48(5): 9-15.
[2]	胡金戈,唐雁. 基于视觉中心转移的视觉显著性检测方法[J]. 山东大学学报(工学版), 2017, 47(3): 27-33.
[3]	张玉玲,尹传环. 基于SVM的安卓恶意软件检测[J]. 山东大学学报(工学版), 2017, 47(1): 42-47.
[4]	樊淑炎, 丁世飞. 基于多尺度的改进Graph cut算法[J]. 山东大学学报(工学版), 2016, 46(1): 28-33.
[5]	任玉玲, 路文, 徐红强, 何立火. 一种基于Shearlet变换的图像质量客观评价方法[J]. 山东大学学报(工学版), 2015, 45(3): 15-21.
[6]	杨秀林1,黄硕2*,邓苗1,张基宏1,3. 基于显著计算与自适应PCNN的图像融合方法[J]. 山东大学学报(工学版), 2014, 44(2): 35-42.
[7]	李富贵1,2,黄添强1,2*,苏立超1,2,苏伟峰3. 融合多特征的异源视频复制-粘贴篡改检测[J]. 山东大学学报(工学版), 2013, 43(4): 32-38.
[8]	张峰1,梁军1,高红梅2,潘猛3. 基于多频带信息融合的小电流故障选线方法[J]. 山东大学学报(工学版), 2012, 42(2): 118-123.
[9]	梁塽,许洁萍*,李欣. 歌词与内容相结合的流行音乐结构分析[J]. 山东大学学报(工学版), 2010, 40(5): 77-81.
[10]	戴平,李宁*. 一种基于SVM的快速特征选择方法[J]. 山东大学学报(工学版), 2010, 40(5): 60-65.
[11]	刘海春,谢少军,王国凤 . 一种新颖的应用于三相四线有源电力滤波器的混合电流控制方法[J]. 山东大学学报(工学版), 2007, 37(6): 10-14 .

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed