基于ＹＣｂＣｒ与角点检测的火灾识别算法研究黄景博，王红霞（沈阳理工大学，辽宁沈阳１１０１５８）［摘要］目前火灾识别技术已成为火灾预警与有效控制的重要手段之一，但传统的火灾识别方法存在易受噪声干扰及受数据规模限制的问题。本文提出了一种基于ＹＣｂＣｒ与角点检测的火灾识别算法。通过ＹＣｂＣｒ提取疑似火焰区域，实现疑似火焰区域内的颜色、面积变化率、尖角个数和圆形度的计算与分析。在尖角个数特征提取方法基础上，提出了一种基于角点检测的方法，使用近似值代替精确值的算法得到尖角个数。利用提出的基于交叉验证的网格搜索方法获得最优参数对，以实现支持向量机（ＳＶＭ）对数据逐帧地检测。实验结果表明，通过本文提出的方法能够获得噪点更少、更清晰、识别度更高的火焰图像，预测正确率达到９５％以上。因此，该方法可用于常见火灾检测。［关键词］ＹＣｂＣｒ；支持向量机；视频监控；角点检测；特征提取；图像分割［中图分类号］ＴＰ３９１．４１［文献标志码］Ａ［文章编号］２０９５－７６０２（２０２３）０２－００５１－０９０引言火灾是常见的灾害之一，经常发生在人员密集的场所，对人们的生命财产安全构成极大威胁。因此，通过识别视频中的火焰及时发现早期火灾，是降低损失最有效的预防手段。随着我国经济的不断发展，城市中建设了越来越多的办楼大厦、公共场馆以及小区楼宇，这些建筑往往楼层较高，存在极大的火灾隐患。因此，提前对火灾进行实时检测具有重要意义。目前，图像处理技术在许多领域得到了广泛应用，杨娜娟［１］认为利用火焰探测技术对高大建筑内的火灾进行识别成为目前火灾科学领域的研究热点。ＬＥＩ等［２］通过帧间差分法检测视频中疑似有火焰的区域，利用贝叶斯分类器对火焰区域进行判别，这种方法的原理是检测出运动的物体，再根据火焰的特征进行识别。但是存在很多干扰物影响识别，例如穿着红色衣服走动的人、点燃的火柴等。江凤兵［３］分别使用ＲＧＢ、ＨＳＶ、ＹＣｂＣｒ颜色空间建立肤色模型，进行效果对比，并提出一种改进的ＹＣｂＣｒ颜色空间模型用于肤色检测。卢英等［４］利用ＲＧＢ对火焰进行预处理，使用局部、全局二值式提取火焰的纹理特征，并使用支持向量机（ＳＶＭ）对特征进行训练。但是基于ＲＧＢ的颜色模型进行火焰识别会产生很多噪点，同时ＲＧＢ也对照明度具有一定的依赖性，当明暗程度发生变化，就有可能会影响实验的结果。王俊明等［５］通过改进平均亮度和红色饱和度...
