基于火焰尖角特征的火灾图像识别算法

火焰尖角的变化是火灾火焰区别于常见光源最突出的特征,也是图像型火灾探测技术必然要考虑的因素之一。而图像型火灾探测技术主要是对火灾图像数据的分析与处理,提取出火灾火焰的主要特征。由于火焰尖角变化率和圆形度是早期火灾火焰的重要边缘特征,因此该算法是在对图像进行Sobel算子边缘检测和膨胀处理的基础上,通过相邻两行的像素比值和尖角与火焰面积比值来判定尖角,再根据图像相邻帧图片火焰尖角数目的变化率来确定是否为火灾。实验结果表明,该算法可以有效地提高火焰的识别准确率,减少误判。

不确定环境下基于SIFT算法和一类分类的火焰识别

在不确定的复杂环境下,基于图像的火焰早期检测是一个未解难题。因此,将灰度均衡化理论延伸至此领域来对疑似火焰图像进行预处理,通过引入SIFT算法发现火焰图像的多尺度特征,确定火焰极值点并进行特征匹配,有效识别火焰尖角以提高侦测的有效性。将分形理论的分数维作为火焰的特征加以使用。由于通常情况下火焰是异常值,一类分类器具有代价低、特征易获取、精度高等诸多优点,因此使用一类分类器完成火焰识别。实验证明,该研究不仅在近距离光照强的条件下具有良好的真阳性率和假阳性率,而且在光照弱的情况下具有较高的火焰发现率和较低的虚警率。

基于图像特征的火焰识别与检测技术研究

提出了一种基于火焰图像特征的火灾火焰检测及识别算法。将火焰颜色、变化率作为火灾火焰检测与识别的判据,在火焰颜色模型和变化率的基础上引入火焰尖角以及圆形度对火灾火焰图像进行进一步判定。实验结果表明,该算法能有效提高火灾火焰检测与识别的准确率,排除干扰源。

火焰图像特征在火灾数字图像识别中的运用

火焰尖角数目和圆形度是早期火灾火焰的主要特征,本文主要论述了如何在数学形态学基础上,利用火灾火焰的两个特点判断和识别早期火情。实验中,对火焰的二值图像进行开运算,即先腐蚀,再膨胀,目的是为了对火焰图像进行形态学滤波,去噪。从实验结果可以看出,该算法可以很好的识别火焰和干扰源。

多判据图像型火灾探测系统的研究

根据火灾发生时火焰的颜色、面积逐渐增大、边缘上的尖角等特性,提出了一种基于机器视觉的火灾探测系统。着重介绍了对采集到的火焰图像进行颜色分析、面积计算和火焰尖角识别,以便得到更加准确的火灾识别效果。

多特征融合的新型火灾图像探测方法研究

针对常用的单特征判据的火灾图像探测技术在复杂场景中难以有效地去除干扰,容易出现误报漏报情况,在对火焰图像的颜色特征和形态学特征的研究基础上,结合计算机图形学、数字图像处理等技术,提取火焰的面积变化,颜色特性,以及尖角特征等多种参数,拓展一种多特征融合的火灾图像探测方法。通过采用七组视频录像对此探测方法进行验证,实验结果表明,该方法能较好地排除干扰信息,探测率高,可靠性好。