基于视频的早期森林火灾识别算法研究

针对传统火灾探测系统不适于森林火灾的室外、远距离、大面积特性的现实,提出一种基于林火颜色特征和形态特征的早期火灾识别算法。颜色特征采用基于RGB颜色空间和HSV颜色空间的火焰颜色模型和烟雾颜色模型识别。通过前景提取分离出图像中发生变化的区域。从不规则性判断和生长性判断等方面进行形态特征分析。实验结果表明,此算法可以有效地降低误报、漏报率,提高检测率。

基于PSO-SVM的变电站视频监控火灾识别算法

为最大限度的降低由于火灾造成的生命财产损失,提出基于PSO-SVM的变电站视频监控火灾识别算法,提高火灾识别的精准度与环境适应性。依据火焰亮度与颜色特征在YCrCb颜色空间内,检测出变电站视频监控火灾图像中的火焰可疑区域,提取出火焰可疑区域的火焰面积变化率、火焰形状相似度、绿红分量面积比、高低频能量比4个特征,作为SVM的输入样本,构建SVM分类模型,将采用PSO算法快速精准地搜寻出SVM的最优参数,用于SVM模型训练与分类预测,最终实现对变电站视频监控火灾的识别。实验表明,该算法可精准检测出火焰可疑区域;有效排除干扰物,精准识别变电站视频监控火灾,识别火焰的精准度较高;即使在光线较暗时,也可快速识别火灾,火灾识别的环境适应性强。

FPGA在图像型火灾探测器中的应用

随着工业的不断发展,对火灾探测的要求也越来越高。在工业危险场所,火灾发生后传播速度快,破坏力强,容易造成巨大的经济损失和人员伤亡。所以在此类场所中,火灾探测器必须更准确、更快速、更稳定。因此,更智能的图像型火灾探测器进入了人们的视野。基于此,提出一种以FPGA为硬件系统的图像型火灾探测器方案,其利用FPGA系统小型化、低功耗、高速度、高稳定性等特点,来满足图像型火灾探测器在石油化工等高危场所中的应用。