OpenCV森林火灾检测

运动检测

其实就是检测背景，对背景建模然后提取前景中运动的物体作为候选火灾样本。尝试了两种简单的背景算法：高斯背景建模和背景相减，还是背景相减的效果较好。以下是代码：

//背景相减
void FireDetector:: CheckFireMove(IplImage *pImgFrame/*, IplImage* pInitBackground, IplImage *pImgMotion*/)
{
int thresh_low = 80;//30
cvCvtColor(pImgFrame, pImgMotion, CV_BGR2GRAY);
cvConvert(pImgMotion, pMatFrame);
cvConvert(pImgMotion, pMatProcessed);
cvConvert(pImgBackground, pMatBackground);
cvSmooth(pMatFrame, pMatFrame, CV_GAUSSIAN, 3, 0, 0);
//计算两幅图的差的绝对值
cvAbsDiff(pMatFrame, pMatBackground, pMatProcessed);
//cvConvert(pMatProcessed,pImgProcessed);
//cvThresholdBidirection(pImgProcessed,thresh_low);
//对单通道数组应用固定阈值操作,此处得到二值图像
cvThreshold(pMatProcessed, pImgMotion, thresh_low, 255.0, CV_THRESH_BINARY);
//使用 Gaussian 金字塔分解对输入图像向下采样，再向上采样
cvPyrDown(pImgMotion,pyrImage,CV_GAUSSIAN_5x5);
cvPyrUp(pyrImage,pImgMotion,CV_GAUSSIAN_5x5);
//腐蚀和膨胀操作
cvErode(pImgMotion, pImgMotion, 0, 1);
cvDilate(pImgMotion, pImgMotion, 0, 1);
//使用当前帧0.3的比例对背景图像更新
int pUpdate=0.3;//0.0003
cvRunningAvg(pMatFrame, pMatBackground, pUpdate, 0);
cvConvert(pMatBackground, pImgBackground);
}

颜色检测

颜色检测最初用的是Thou-Ho (Chao-Ho) Chen, Ping-Hsueh Wu, and Yung-Chuen Chiou 于2004年在ICIP发表的文章《An Early Fire-Detection Method Based on Image Processing》中建立的颜色模型：

转存失败重新上传取消

其中R、G、B为RGB模型中的颜色分量S为HSI颜色模型中的饱和度；Rt为R分量的阈值经试验得到可设定在55~56之间；St为饱和度的阈值经试验得到可设定在115~135之间。虽然简单，确很有效。之后自己又增加了些亮度之类的信息，并调整了阈值。

//论文《An Early Fire-Detection Method Based on Image Processing》中的颜色模型
void FireDetector::CheckFireColor2(IplImage *RGBimg)
{
int RedThreshold=115; //115~135
int SaturationThreshold=45; //55~65
for(int j = 0;j < RGBimg->height;j++)
{
for (int i = 0;i < RGBimg->widthStep;i+=3)
{
uchar B = (uchar)RGBimg->imageData[j*RGBimg->widthStep+i];
uchar G = (uchar)RGBimg->imageData[j*RGBimg->widthStep+i+1];
uchar R = (uchar)RGBimg->imageData[j*RGBimg->widthStep+i+2];
uchar maxv=max(max(R,G),B);
uchar minv=min(min(R,G),B);
double S = (1 - 3.0*minv/(R+G+B));
//火焰像素满足颜色特征
//(1)R>RT (2)R>=G>=B (3)S>=( (255-R) * ST / RT )
if(R>RedThreshold&&R>=G&&G>=B&&S>0.20/*&&/*S>(255-R)/20&&S>=((255-R)*SaturationThreshold/RedThreshold)*/)
pImgFire->imageData[i/3+pImgFire->widthStep*j] = 255;
else
pImgFire->imageData[i/3+pImgFire->widthStep*j] = 0;
}
}
}

经过两部检测后的备选像素，大于一定值则判定为火，标框并报警，效果如下：

转存失败重新上传取消

OpenCV森林火灾检测相关推荐

基于Detectron2模型和深度学习方法的改进森林火灾检测方法
1.文章信息本次介绍的文章是来自韩国科研团队的一篇2023年火灾检测文章,文章立足于森林火灾检测,题目为<An Improved Forest Fire Detection Method B ...
【火灾检测】基于matlab GUI森林火灾检测系统（带面板）【含Matlab源码 1921期】
⛄一.火灾检测简介 1 引言目前森林火灾是破坏森林的最主要的灾害之一, 影响很大.森林是各种珍禽异兽的家园, 森林遭受火灾后, 会破坏野生动物赖以生存的环境.严重的森林火灾不仅能引起水土流失, 还会 ...
【火灾检测】森林火灾检测系统（带面板）【含GUI Matlab源码 1921期】
⛄一.火灾检测简介 1 引言目前森林火灾是破坏森林的最主要的灾害之一, 影响很大.森林是各种珍禽异兽的家园, 森林遭受火灾后, 会破坏野生动物赖以生存的环境.严重的森林火灾不仅能引起水土流失, 还会 ...
【火灾检测】基于计算机视觉实现森林火灾检测系统带GUI界面
1 简介森林是自然中的宝贵资源,同时还维持着生态平衡.森林火灾一旦发生,危害十分巨大,如果能在林火的萌芽状态就进行识别,则可以减少不必要的损失.随着互联网技术的发展,传统的人工监控森林火灾已经被互联 ...
【计算机视觉】森林火灾检测-2
转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7523683 有关火灾检测的几篇论文的算法小总结: An Early Fire-De ...
使用 CNN 进行森林火灾检测
该项目是使用卷积神经网络进行检测森林火灾. 该数据集包含三类图像:"火"."不火"."开始火",总共约 6000 张图像. 该模型可用于从森 ...
【计算机视觉】森林火灾检测-1
转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7522467 前段时间做了一个火灾检测的小程序,因为时间紧,实现的算法也简单.只用了 ...
『森林火灾检测』基于PaddleX实现森林火灾检测
效果预览 B站链接 AIStudio链接项目背景 2019年3月30日17时 ,凉山州木里县境内发生森林火灾,30名扑火人员牺牲. 2020年3月30日15时35分,凉山州西昌市经久乡和安哈 ...
Fire-Net: 主动检测森林火灾的深度学习框架
1.文章信息本次介绍的文章是2022年发表在Journal of Sensors的一篇基于计算机视觉的森林火灾检测的文章. 2.摘要保护森林对于维持生态系统至关重要.随着计算机视觉和传感器技术在林 ...

OpenCV森林火灾检测

运动检测

OpenCV森林火灾检测相关推荐

最新文章

热门文章