基于ViBe与机器学习的早期火灾检测算法

针对现有视频图像火灾检测算法前景信息丢失严重、误报率高、泛化能力弱等问题,提出一种新的火灾检测算法。其主要由前景提取和分类决策两大模块组成。在前景提取模块中改进ViBe算法,实现对运动区域的选择性更新;同时使用随机森林和支持向量机组成的两级分类器对运动区域颜色进行分类,以获取精确的前景区域。在分类决策模块中,提出两种新的早期火焰特征用于描述帧间火焰区域重叠率和火焰区域不同部分运动剧烈程度比率,再结合Hu矩特征训练出决策分类器。实验结果表明,该算法具有准确率高、误报率低、泛化能力强、响应时间短等优点,并能很好地应用于实际环境中。