Camshift算法相结合的火焰视频图像跟踪设计.pdfVIP

第1l卷第5期 V01．11No．5 2009年5月 罐钎参考 Mav．2009 的火焰视频图像跟踪设计 薛媛．李媛媛 (西安电子科技大学电子信息工程学院，陕西 西安710071) 摘要：给出了采用MeaIl—Shift与C锄shift相结合的方法来设计一种基于视频图像的火焰跟踪 处理算法。该算法首先利用MeaIl～Shift方法分割图像并确定火焰区域．然后在此区域内提取 特征，再用Camshift算法进行火焰跟踪。此方法利用火焰图像的高亮特征，克服了传统 Camshift算法需要人为定位和容易发散等缺点。 关键词：Mean—Shift；C踟shift；火焰图像；目标跟踪 0 引言 跟踪方法进行研究。 火的使用是人类的伟大创举之一。但火一旦 1火焰图像分割 失去控制．就会成为自然和社会的一种非常大的 1．1 Mean—Shift分割原理 危害。在我们的日常生活中。火灾并不是一个陌 生的话题。近年来，我国就发生了几起全国震惊 Mean—Shift是一种非参数化的多模型分割方 的火灾，给人们的生命财产安全造成了严重的危 法．它的基本计算模块采用的是传统的模式识别 害。火灾发生后。如果能及早的报警并进行自动 程序．即通过分析图像的特征空间和聚类的方法 控制灭火，对于减小火灾所带来的危害。无疑具 来达到分割的目的。它是通过直接估计特征空间 有非常重要的意义。 概率密度函数的局部极大值来获得未知类别的密 传统的火灾报警系统一般基于红外传感器和 度模式．并确定这个模式的位置，然后使之聚类 烟雾传感器。也就是探测火灾发生时生成的烟、 到和这个模式有关的类别当中。下面对Mean— 温度和光参量等，然后经信号处理、比较、判断 Shift算法进行简介。 后，发出火灾报警信号。而由于火焰图像具有亮 设S是凡维空间X中的一个有限集合。K表示X 度高、面积不规则、燃烧时相对稳定等特征，同 空间中A球体的一个特征函数，则其表达式为： 时又有监控范围大，实时性好等优点，因此，基 f1 i九kII≤A 于视频图像的机器视觉火灾探测系统得到了较快 KG)2io≥…l≤A (1) 发展，并已成功应用于大空间自动检测灭火系统 其中，并EX．那么在向量z点处的样本均值 中。 为： 一般情况下，考虑到早期火灾刚刚发生时， 艺KO—功s 一旦漏报或者火势发展较快．火焰就会变成动态 ．‘■^．IJ—冲， 仇∽2繁丽 ，∈S 目标，因此，要求系统可以有效的识别火焰并对 动态火焰进行实时跟踪，进而控制云台进行准确 m 的灭火工作。本文主要对基于Mean—Shift算法的 际上就是数据点到样本均值的重复移动，而且在 火焰图像分割以及基于Camshift算法的动态火焰 算法的每一次迭代过程中，对于所有的s∈S， 收稿日期：2008—12—25