步骤分为图像获取--->图像预处理---->火焰图像分割----->火焰图像特征提取---->火焰识别
1. 图像获取
视频或图片
2. 图像预处理
预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。//图像变换，图像增强，图像去噪，图像压缩，图像恢复，二值图像处理
对图像进行噪声滤除等工作，目的为消除图像一些无关的信息，提高准确度。
1) 灰度级(intensity)变换/（pixel 变换）/pixel operation
1））基于灰度直方图的一些操作
灰度直方图平衡化（Histogram equalisation）
理论：
pros：提高对比度低的图片的质量，显示之前看不出的细节
cons：引入噪声
钳位（threshold）
2））灰度反转（image negatives）
3））基于像素值的一些操作（这些操作是可以叠加达到更好的效果）
加（加上物体，记得控制pixel value的范围避免出界）
减（减去物体）
乘（乘以mask 可以只显示区域图像）mask通常为二值图像（0=black，1=white）
除 （高亮或模糊特征）
2) 图像去噪
滤波
。。。
3.火焰图像分割
对databset进行背景建模，应用了比较新的的ViBe建模方法，及高斯混合模型GMM（GMM最大的贡献在于不用EM去做高斯拟合，而是采用了一种迭代的算法，这样就不需要保存很多帧的数据，节省了buffer）
这个项目最大的亮点是在根据火焰动态特征进行建模之前，加了一步欧拉视频放大的方法，使火焰的运动频率得到了放大，使建模的准确率更加高一点。第二个亮点就是结合了两个颜色模型，RGB和YRCBC，经过多次实验发现RGB模型检验火焰内部很准确，YRCBCR检验火焰外部轮廓很准确，因为Y代表亮度，经过分析，火焰边缘的亮度会更高一些，所以合并了两种颜色模型，使准确率进一步提高，F-score大概在90%以上。
