基于PoolNet显著性和SURF-VIBE模型的林火视频烟雾提取算法

发布时间：2023-04-19 04:17

　　烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。

【文章页数】：7 页

【文章目录】：
引言
1 本文算法
    1.1 算法整体框架
    1.2 PoolNet显著性检测算法
    1.3 基于SURF-VIBE模型的显著图分割
2 结果与分析
    2.1 实验说明
    2.2 定性分析
    2.3 量化对比分析
3 结论



本文编号：3793696