基于红外视频的火灾与烟雾无监督分割
计算机视觉与模式识别
2019-10-01 v1 机器学习
图像与视频处理
机器学习
摘要
本文提出一种基于视觉的火灾与烟雾分割系统，其利用空间、时间与运动信息从视频帧中提取所需区域。信息融合通过光流、散度与强度值等多种特征完成。从图像中提取的这些特征以无监督方式将像素分割为不同类别。通过使用多种聚类算法进行分割，开展了对比分析。其中马尔可夫随机场由于使用有限个参数刻画像素的空间相互作用，比其他分割算法更为准确。它构建了一个概率图像模型，利用最大后验(MAP)估计选取最可能的标注。该无监督方法在多种图像上测试，达到了95.39%的逐帧火灾检测率。因此，本方法可用于实时火灾早期检测，并可集成至室内或室外监控系统。
引用
@article{arxiv.1909.12937,
title = {Unsupervised Segmentation of Fire and Smoke from Infra-Red Videos},
author = {Meenu Ajith and Manel Martínez-Ramón},
journal= {arXiv preprint arXiv:1909.12937},
year = {2019}
}