版心235172-中国科协.docVIP

基于Gabor小波的火灾烟气识别新方法* 吴章宪1，杨国田1，刘向杰1，杨鹏远1，刘思飞2 （1　华北电力大学自动化系　北京　102206; 2　中国科技大学电子科学与技术系　安徽　230027） 摘　要：研究提出一种基于Gabor小波的火灾烟气模型，以提高基于视频图像的火灾烟气检测的准确性。本文采用混合高斯模型与色度方差相结合的方法定位火灾烟气目标区域，并基于Gabor小波对烟气纹理及边缘特征进行描述，从而提出烟气变化能量模型与方向角分布模型来分析纹理变化的动态性质。最后采用Gentle Boosting设计分类器对模型特征进行分类与匹配，并实现在训练的同时进行最优特征选择。与传统方法相比，基于本文方法的火灾烟气检测在降低漏报率与误报率方面拥有更好的性能。 关键词：烟气建模；Gabor 小波；混合高斯模型；Gentle Boosting 中图分类号：TP391　　文献标识码：A　　国家标准学科分类代码：520.2040 Novel method for fire smoke recognition based on Gabor wavelet Wu Zhangxian1, Yang Guotian1, Liu Xiangjie1, Yang Pengyuan1, Liu Sifei2 （1Department of Electronic Science and Technology, Chinese University of Science and Technology, Anhui 230027, China）Abstract：In order to improve the performance of fire smoke detection based on video sequences, a novel model for fire smoke detection is proposed in this paper. An algorithm combining Gaussian mixture model and color smoothness function is presented to locate the suspicious smoke regions. Gabor wavelet is utilized to describe the textures and edges of the fire smoke. Meanwhile, to analyze the dynamic characteristics of the fire smoke textures, energy variation model and model of texture varying orientation are proposed. Gentle Boosting is employed to design the classifier and match the features. Optimal features are selected during the training process. Experimental results prove the superior performance of the proposed method in reducing the rates of both misrecognition and false recognition compared with previous methods. Key words：model of fire smoke; Gabor wavelet; Gaussian mixture model; Gentle Boosting 1　引　　言 火灾是造成人类经济损失最严重的灾害之一，而早期火灾烟雾的检测对于有效地预防火灾，减少火灾损失有着重要的意义。基于图像的火灾烟气检测方法以其低成本、无接触性及对环境适应性高的特点，成为研究的热点。在当前基于图像信息的烟气建模研究中，具有代表性的方法主要分为基于静态形态学的方法，与基于运动特征的建模等两大类。 在第一类方法中，烟气静态轮廓常被作为主要特征进行提取。如文献[12]都采用小波建立烟气轮廓特征模型， 并将背景建模技术及烟气颜色特征应用于定位可疑烟气区域。文[3]结合了小波与马尔可夫模型来得到烟气闪动频率特征。在烟气形态变化较小时，基于这类方法的模型能够较好地对火灾烟气进行描述。另外一类方法一般通过累积烟气动态特征来对烟气进行描述。文献[4]通过累积烟气运动方向的不一致性来建立模型， 同时文[5]提出了火灾烟气移动方向角累积模型，通过该模型获取方向角直方图从而实现对烟气的识别。文