基于背景反饋和k-means算法的野外煙霧檢測
摘要：針對野外的早期煙霧具有稀疏、擴散緩慢、面積小等特點,現有算法存在提取煙霧候選區域不完整及產生空洞等問題,提出一種基于背景反饋的動態背景更新算法。首先提取運動目標,依據煙霧顏色特征,使用k-means算法去除非煙顏色干擾像素,以更早得到煙霧疑似區域;然后提取每一個疑似煙霧區域的面積增長特性、空間能量、局部二值模式(local binary pattern,LBP)直方圖和方向梯度直方圖(histogram of oriented gradient,HOG),并分別計算特征的置信度;最后將得到的置信度輸入動態得分組合,確定每個疑似煙區是否包含煙霧。實驗結果表明,所提算法能夠更早地檢測出煙霧,有效降低誤警率。對于中遠距離場景,平均可提早94幀檢測到煙霧。
注: 保護知識產權,如需閱讀全文請聯系中國科技論文雜志社
相關推薦
更多
