41、视频火灾检测与多内核主动学习面部表情分析方法

视频火灾检测与多内核主动学习面部表情分析方法

视频火灾检测方法

在视频火灾检测领域，提出了一种结合模糊c - 均值（FCM）和反向传播神经网络（BPNN）的新颖方法，该方法主要包含四个阶段。

1. 运动区域检测

在实验中，仅使用灰度图像。设 $I_n(i, j)$ 为第 $n$ 个视频帧中位置 $(i, j)$ 处像素的强度值，同一位置的估计背景强度值 $B_{n + 1}(i, j)$ 按以下方式计算：
[
B_{n + 1}(i, j) =
\begin{cases}
B_n(i, j) - 1, & \text{if } I_n(i, j) < B_n(i, j) \
B_n(i, j) + 1, & \text{if } I_n(i, j) > B_n(i, j)
\end{cases}
]
其中，$B_n(i, j)$ 是同一像素位置背景强度值的先前估计。最初，$B_1(i, j)$ 被设置为第一帧图像 $I_1(i, j)$。如果满足 $|I_n(i, j) - B_n(i, j)| > T$，则认为位置 $(i, j)$ 处的像素在运动，这里的 $T$ 是通过经验和猜测选取的阈值。

2. 基于FCM算法的火灾颜色分割

实际视频中，除火灾外还有许多运动物体，如人、车辆、鸟类、云、烟雾等，且它们的颜色大多与火灾颜色不同。此阶段的基本思想分两步：一是将运动区域的像素分组；二是选择颜色与火灾相似的组。采用模糊c - 均值（FCM）算法来实现，同时使用CIE LAB颜色空间，因其完全独立于设备且对物理视觉更有效、精度