《表3 非火焰视频视检测结果》
为了验证算法的识别准确率,使用上述视频样本对算法进行测试,检测结果如表2所示,同时,将本算法的识别准确率与三种典型火焰检测算法进行对比,文献[11]采用的是RGB-HSI混合颜色模型,通过运动检测与颜色检测结合面积变化特征识别火焰,该方法对稳定燃烧的火焰识别效果不好且容易误判。文献[6]使用水平、垂直和对角方位的亮度图结合SVM分类器建立了一种基于像素的非线性火焰分类方法,实验结果表明该方法对于火焰检测具有较强的鲁棒性,但存在对比度较高时容易误判的问题。文献[13]提出的基于RGB颜色空间统计模型的火焰识别算法,提取火焰的分层与闪烁特征,利用神经网络进行火焰的识别,该算法鲁棒性较好,但对大空间内火焰面积占比较小的视频检测效果较差。由表2和表3可见,与类似算法相比本算法具有较高的可靠性与准确性,抗干扰能力强,误报率低,检测效果好。在算法运行效率上,火焰检测识别算法中前期的特征提取与跟踪部分计算量较小,但火焰判别部分对算法运行效率影响较大,在测试实验中,本文算法平均帧处理时间为147ms。利用每三帧识别一次的方式处理,在加快算法运行速率的同时也能保证算法的识别效果。在应用中火焰检测的平均处理效率达到了20帧/s,能很好地满足工业需求。
图表编号 | XD0068617400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.25 |
作者 | 耿梦雅、张国平、徐洪波、张莹莹 |
绘制单位 | 华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |