结合FCM聚类与SVM的火焰检测算法

李庆辉; 李艾华; 苏延召; 马治明

结合FCM聚类与SVM的火焰检测算法

1.
第二炮兵工程大学502 教研室,陕西西安 710025;
2.
中国人民解放军96111 部队,陕西韩城 715400

基金项目:

国家自然科学基金（61132008）

详细信息

作者简介:
李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

中图分类号: TP391

Fire detection algorithm using FCM clustering and SVM

1.
502 Faculty,Second Artillery Engineering University,Xi'an 710025,China;
2.
No 96111 Troops of Chinese People's Liberation Army,Hancheng 715400,China

摘要: 针对传统视频型火焰检测算法误报率高、局限性强等问题，提出一种四步火焰检测算法。首先利用一种自适应混合高斯模型（GMM）检测视频序列中的运动目标；然后采用模糊C 均值（FCM）聚类算法分割疑似火焰区域与非火区域；再提取疑似火焰区域的面积变化、表面不均度等时空特征参数；最后将这些特征参数输入训练好的支持向量机（SVM）分类器以识别火焰区域。实验结果表明，算法不但在提高了检测率的同时降低了误检率，而且适用范围广，是一种有效的火焰检测算法。
- 火焰检测 /
- 混合高斯模型 /
- 模糊C 均值聚类 /
- 支持向量机
Abstract: An effective, four-stage fire-detection algorithm used to automatically detect fire in video images was presented in this paper. An adaptive Gaussian mixture model was used to detect moving regions in a video clip. A fuzzy C-means (FCM) algorithm was adopted to segment the candidate fire regions (fire and fire-colored objects) from these moving regions based on the color of fire. Some special parameters were extracted based on the tempo-spatial characteristics of fire regions; these parameters included the area randomness, surface roughness and motion estimation of fire. Finally, these parameters extracted from the third stage were used as input feature vectors to train a support vector machine(SVM) classifier, which was then used by the fire alarm to distinguish between fire and non-fire. Experimental results indicate that the proposed method outperforms other fire detection algorithms, providing high reliability and a low false alarm rate.
- fire detection /
- Gaussian mixture model /
- FCM clustering /
- SVM

[1]	Fan Weicheng, Liu Naian. Progress and prospect of fundamental fire research in China [J]. Journal of University of Science and Technology of China, 2006, 36(1): 1-8. (in Chinese)范维澄,刘乃安. 中国火灾科学基础研究进展与展望[J].中国科学技术大学学报, 2006, 36(1): 1-8.
[2]
[3]
[4]	Wang Dechang, Cui Xuenan, Eunsoo Park, et al. Adaptive flame detection using randomness testing and robust features[J]. Fire Safety Journal, 2013, 55: 116-125.
[5]
[6]	Chen T H, Wu P, Chiou Y, et al. An early fire-detection method based on image processing [C]//IEEE Int Conf on Image Processing, 2004, 24(3): 1707-1710.
[7]	Toreyin B U, Dedeoglu Y, Enis Cetin A, et al. Computer vision-based method for real-time fire and flame detection[J]. Pattern Recog Lett, 2006, 27: 49-58.
[8]
[9]
[10]	Ko B C, Cheong K H, Nam J Y, et al. Fire detection based on vision sensor a support vector machines [J]. Fire Safety Journal, 2009, 44: 322-329.
[11]	Borges P V K., Izquierdo E. A probabilistic approach for vision-based fire detection in videos[J]. IEEE Trans Circuits Syst Video Technol, 2010, 20: 721-731.
[12]
[13]	Celik T, Demirel. Fire detection in video sequences using a generic color model[J]. Fire Safety Journal, 2009, 44: 147-158.
[14]
[15]
[16]	Kaew P, Bowden R. An improved adaptive background mixture model for real-time tracking with shadow detection[C]//2nd European Workshop on Advanced Video-Based Surveillance System, AVBS01, 2002:135-144.
[17]	Cao Junfeng, Shi Jiacheng, Luo Haibo, et al. Image enhancement using clustering and histogram equalization [J].Infrared and Laser Engineering, 2012, 41(12): 3436-3441.(in Chinese)曹军峰, 史加成, 罗海波, 等. 采用聚类分割和直方图均衡的图像增强算法[J]. 红外与激光工程, 2012, 41(12): 3436-3441.
[18]
[19]
[20]	Tan K S, Isa N A M. Color image segmentation using histogram threshold fuzzy c-means hybrid approach [J].Pattern Recognition, 2010, 44: 1-15.
[21]
[22]	Tung Xuan Truong, Jong-Myon Kim. Fire flame detection in video sequences using multi-stage pattern recognition techniques [J]. Engineering Applications of Artificial Intelligence, 2012, 25: 1365-1372.
[23]	Chen Juan, He Yaping, Wang Jian, et al. Multi-feature fusion based fast video flame detection [J]. Building and Environment, 2010, 45: 1113-1122.

[1]	吴鹏飞, 邓植中, 雷思琛, 谭振坤, 王姣. 基于激光散斑图像多特征参数的表面粗糙度建模研究 . 红外与激光工程, 2023, 52(12): 20230348-1-20230348-11. doi: 10.3788/IRLA20230348
[2]	钟友坤, 莫海宁. 基于深度自编码-高斯混合模型的视频异常检测方法 . 红外与激光工程, 2022, 51(6): 20210547-1-20210547-7. doi: 10.3788/IRLA20210547
[3]	李芳丽. 监控视频中采用深度支持向量数据描述的异常检测 . 红外与激光工程, 2021, 50(9): 20210094-1-20210094-7. doi: 10.3788/IRLA20210094
[4]	邢承滨, 龚声胜, 于晓亮, 李易馨. 高斯混合聚类对移动曲面拟合滤波分类的应用 . 红外与激光工程, 2021, 50(10): 20200501-1-20200501-11. doi: 10.3788/IRLA20200501
[5]	杨彦伟, 张丽丽, 郝晓剑, 张瑞忠. 机器学习结合激光诱导击穿光谱技术铁矿石分类方法 . 红外与激光工程, 2021, 50(5): 20200490-1-20200490-8. doi: 10.3788/IRLA20200490
[6]	邹媛媛, 李鹏飞, 左克铸. 三线结构光视觉传感器现场标定方法 . 红外与激光工程, 2018, 47(6): 617002-0617002(6). doi: 10.3788/IRLA201847.0617002
[7]	吴军伟, 缪玲娟, 李福胜, 沈军. 改进支持向量机的光纤陀螺温度漂移补偿方法 . 红外与激光工程, 2018, 47(5): 522003-0522003(6). doi: 10.3788/IRLA201847.0522003
[8]	张东阁, 傅雨田. 基于一类支持向量机的盲元检测方法 . 红外与激光工程, 2018, 47(4): 404001-0404001(7). doi: 10.3788/IRLA201847.0404001
[9]	周培培, 丁庆海, 罗海波, 侯幸林. 基于DBSCAN聚类算法的异常轨迹检测 . 红外与激光工程, 2017, 46(5): 528001-0528001(8). doi: 10.3788/IRLA201746.0528001
[10]	张文涛, 李跃文, 占平平, 熊显名. 基于太赫兹时域光谱技术与PCA-SVM的转基因大豆油鉴别研究 . 红外与激光工程, 2017, 46(11): 1125004-1125004(6). doi: 10.3788/IRLA201746.1125004
[11]	张长江, 戴李杰, 马雷鸣. 应用SVM的PM2.5未来一小时浓度动态预报模型 . 红外与激光工程, 2017, 46(2): 226002-0226002(8). doi: 10.3788/IRLA201746.0226002
[12]	杜玉红, 魏坤鹏, 史屹君, 刘恩华, 酆启胤, 董广宇. 水质浊度红外光检测及聚类灰色融合预测模型 . 红外与激光工程, 2016, 45(10): 1028002-1028002(7). doi: 10.3788/IRLA201645.1028002
[13]	唐庆菊, 刘俊岩, 王扬, 刘元林, 梅晨. 基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测 . 红外与激光工程, 2016, 45(9): 928001-0928001(5). doi: 10.3788/IRLA201645.0928001
[14]	张东阁, 傅雨田. 基于在线最小二乘支持向量机的变形镜建模与控制 . 红外与激光工程, 2016, 45(11): 1118007-1118007(7). doi: 10.3788/IRLA201645.1118007
[15]	梁栋, 杨勤英, 黄文江, 彭代亮, 赵晋陵, 黄林生, 张东彦, 宋晓宇. 基于小波变换与支持向量机回归的冬小麦叶面积指数估算 . 红外与激光工程, 2015, 44(1): 335-340.
[16]	梁栋, 谢巧云, 黄文江, 彭代亮, 杨晓华, 黄林生, 胡勇. 最小二乘支持向量机用于时间序列叶面积指数预测 . 红外与激光工程, 2014, 43(1): 243-248.
[17]	章家保, 徐伟. 模糊聚类方法在电动舵机致命故障检测中的应用 . 红外与激光工程, 2014, 43(S1): 123-129.
[18]	韩军, 常波, 路邵军, 吴玲玲, 占春连. SVM 的光栅成像光谱仪图像畸变校准方法 . 红外与激光工程, 2014, 43(9): 3099-3104.
[19]	卞春江, 余翔宇, 侯晴宇, 张伟. 最小化支持向量数分类器的云检测 . 红外与激光工程, 2014, 43(6): 1818-1822.
[20]	曹忆南, 王新伟, 周燕. 距离选通激光成像空间定位模糊C均值聚类分割法 . 红外与激光工程, 2013, 42(10): 2682-2686,2696.

点击查看大图

计量

文章访问数: 393
HTML全文浏览量: 75
PDF下载量: 171
被引次数: 0

全文HTML

参考文献 (23)

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

结合FCM聚类与SVM的火焰检测算法

作者简介:
李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

Fire detection algorithm using FCM clustering and SVM

计量

结合FCM聚类与SVM的火焰检测算法

1. 第二炮兵工程大学502 教研室,陕西西安 710025;

2. 中国人民解放军96111 部队,陕西韩城 715400

作者简介:
李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

English Abstract

Fire detection algorithm using FCM clustering and SVM

1. 502 Faculty,Second Artillery Engineering University,Xi'an 710025,China;

2. No 96111 Troops of Chinese People's Liberation Army,Hancheng 715400,China

全文HTML

目录

留言板

结合FCM聚类与SVM的火焰检测算法

作者简介: 李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

Fire detection algorithm using FCM clustering and SVM

计量

出版历程

结合FCM聚类与SVM的火焰检测算法

1. 第二炮兵工程大学502 教研室,陕西 西安 710025; 2. 中国人民解放军96111 部队,陕西 韩城 715400

作者简介: 李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

English Abstract

Fire detection algorithm using FCM clustering and SVM

1. 502 Faculty,Second Artillery Engineering University,Xi'an 710025,China; 2. No 96111 Troops of Chinese People's Liberation Army,Hancheng 715400,China

全文HTML

目录

作者简介:
李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

1. 第二炮兵工程大学502 教研室,陕西西安 710025;

2. 中国人民解放军96111 部队,陕西韩城 715400

作者简介:
李庆辉（1989-），男，博士生，主要从事图像处理、计算机视觉方面的研究。Email：lqhui1212@126.com

1. 502 Faculty,Second Artillery Engineering University,Xi'an 710025,China;

2. No 96111 Troops of Chinese People's Liberation Army,Hancheng 715400,China