本方法主要使用了图像的颜色特征和尺度不变特征SIFT以及加速鲁棒特征SURF对候选区域进行筛选，并结合火焰的运动特性来判断。系统由以下三部分构成：1）提取火焰候选区域；2）构建视觉词典，通过颜色纹理特征对候选区域进行分类；3）时间维度上验证。
相比于现有的火焰检测算法，本方法能够更加高效准确地检测出视频中的火焰。另外，我们收集并发布了目前为止最大的火焰检测数据集。我们相信这对于火焰检测领域的科研和实际应用都是很有帮助的。
中山大学研究成果
2019-12-21 22:12:47
9.13MB
1
本方法主要使用了图像的颜色特征和尺度不变特征SIFT以及加速鲁棒特征SURF对候选区域进行筛选，并结合火焰的运动特性来判断。系统由以下三部分构成：1）提取火焰候选区域；2）构建视觉词典，通过颜色纹理特征对候选区域进行分类；3）时间维度上验证。
相比于现有的火焰检测算法，本方法能够更加高效准确地检测出视频中的火焰。另外，我们收集并发布了目前为止最大的火焰检测数据集。我们相信这对于火焰检测领域的科研和实际应用都是很有帮助的。
2019-12-21 22:12:47
9.13MB
1
（python）火焰检测代码。
火焰检测代码（python）。
本资源为python实现的火焰检测的opencv代码，通过检测火焰的颜色以及大小来对火焰进行多目标跟踪。
火焰检测 python opencv
2019-12-21 22:04:55
110KB
1
本资源是基于VS2017+opecv3.2开发的源码，主要功能是识别视频中的火焰，采用的算法是颜色检测，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。声明：此代码核心部分来源网络，本人部分修改，共同学习提高。如果帮助请多多支持。
2019-12-21 21:41:56
1.42MB
1