野外早期火灾烟雾视频检测技术研究

针对视频中野外早期火灾烟雾形状模糊,颜色相对背景对比不明显,外观特性多样等的特点,提出一种并行的基于深度学习和动态纹理特征的烟雾识别方法。实验中,针对视频烟雾检测中视频帧的噪声,采用均值滤波的方法对视频帧进行过滤。并给出一种基于野外早期火灾烟雾视频的深度卷积神经网络结构,并对该结构进行训练和测试。针对烟雾的动态纹理特征,提出建立线性动态系统模型,结合支撑向量机对烟雾视频帧进行分类识别。最后结合卷积神经网络的识别结果和动态纹理特征识别结果提出一种混合矩阵的判定方法。实验结果表明,方法相对于传统烟雾识别方法在早期火灾烟雾的检测上有更高的准确率。

基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

基于累积量和主运动方向的视频烟雾检测方法

视频烟雾检测具有响应速度快、非接触等优点。但现有的视频检测方法误报率比较高。通过分析早期火灾烟雾运动规律,提出了一种适用于普通视频的烟雾检测方法。为了加快检测速度,将视频图像分割成大小相等的块,并估计每个块的运动方向。采用滑动时间窗口生成块运动方向时间序列,在此时间序列的基础上计算块的累积量和主运动方向。累积量可以反映出运动持续的程度,而主运动方向表明每个块最可能的运动方向,可以有效地抑制噪声的干扰。根据累积量和主运动方向提取出3维特征矢量,采用贝叶斯分类器进行烟雾的检测。实验结果表明,该方法鲁棒性高、速度快,能够准确地检测烟雾的出现。

基于显著性检测和高斯混合模型的早期视频烟雾分割算法

针对视频火灾探测中早期火灾烟雾提取问题,提出一种基于显著性检测和高斯混合模型的烟雾疑似区域分割算法。根据人眼视觉注意机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,采用显著性方法分割疑似烟雾区域。使用非线性增强方法增强视频的亮度图像和光流图谱,用增强后的图像计算显著性谱。由计算出的运动前景构造运动能量函数,对显著性谱进行估计,得到疑似烟雾区域。实验结果表明,与传统烟雾区域检测算法相比,该算法具有更好的分割精度,并且计算速度也有较大提高,适用于实时视频烟雾探测。

一种基于飘动性分析的视频烟雾检测新方法

该文通过对烟雾飘动特性的分析,提出一种基于视频图像的火灾烟雾检测新方法。首先利用滑动时间窗分析视频中运动区域的飘动性特征,提取出飘动方向、周期飘动强度、周期有效飘动强度和周期逆向飘动强度等特征向量;然后使用神经模糊推理系统训练并检测烟雾。与利用其它特征检测烟雾算法的对比实验表明,该算法具有较好的ROC(Receiver Operating Characteristic)曲线特性,具备较高的实际使用价值。

基于级联卷积神经网络的视频动态烟雾检测

复杂场景中烟雾特性的提取是目前视频烟雾检测领域的主要挑战。针对该问题,提出一种静态和动态特征结合的卷积神经网络视频烟雾检测框架。在静态单帧图像特征检测的基础上,进一步分析其时空域上的动态纹理信息以期克服复杂的环境干扰。实验结果显示,该级联卷积神经网络模型可有效应用于复杂视频场景中烟雾事件的实时检测。

一种飘动性分析的视频烟雾快速检测新算法

针对DSP视频监控系统中,实时视频烟雾检测功能的需求,提出一种基于烟雾飘动性分析的快速视频烟雾检测算法.相比于现有相关算法,在完成对给定视频样本学习后,该算法无需存储视频的历史帧数据,也不需要学习场景背景,而直接对原始视频图像分块提取烟雾飘动特征,然后经Bayesian决策输出检测结论.结合提出的一组新颖的视频烟雾飘动特征,新算法同时获得了较低的计算复杂度和较高的检测性能.综合来看,新算法能更好地适用于实时视频监控系统中的烟雾检测需求.

一种集成贝叶斯决策的视频烟雾检测新方法

研究将贝叶斯决策应用于自适应神经-模糊推理系统(ANFIS)的视频烟雾检测系统。提取视频烟雾特征,通过减法聚类和混合学习算法,确定并优化得到ANFIS实例,引入贝叶斯决策对ANFIS输出进行检测判别。仿真实验表明,ANFIS比其他烟雾检测算法具备更好的检测性能,而基于最小风险的贝叶斯决策可进一步提高检测率和降低虚警率,能更好地满足实际应用的需求。

基于自适应神经模糊推理系统的视频烟雾检测

提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。

视频烟雾火灾探测技术研究趋势

介绍了视频火灾探测技术的系统构成,分析了烟雾图像特征,并从像素级特征提取和区域级特征提取两方面介绍了近几年来国内外视频烟雾探测算法研究的情况。此外,设计并开展了多种火源发烟实验及灯光干扰实验,在此基础上建立了典型烟雾和干扰源视频库,为视频烟雾探测的烟雾图像特征的选择和特征参数训练提供参考数据。

基于视频多特征融合的列车车厢烟雾检测方法

列车车厢中环境相对复杂且遮挡物较多,为了提高视频烟雾检测的准确性,剔除场景中疑似烟雾的干扰物,降低由于环境中光照变化导致的误检情况,提出了基于运动、颜色及衰减等多特征融合的烟雾检测算法.该算法能有效克服背景复杂、光照变化大,以及阴影问题带来的干扰.算法主要由3部分构成:烟雾运动检测、颜色特征分析提取和多特征融合.该算法通过背景建模方法分割出运动的区域,引入归一化RGB空间烟雾颜色基础模型及衰减模型,以剔除疑似烟雾区域的干扰,同时可以有效地降低光照影响.

基于运动累积和半透明的视频烟雾探测模型

通过分析早期火灾烟雾运动规律,提出了一种适用于普通可见光视频的运动累积和半透明的视频烟雾探测模型。由于烟雾通常从阴燃点持续冒出,因而通过累积模型度量运动像素的累积程度,能够很好地捕获这种早期火灾的时空视觉特征,同时有效地抑制噪声的干扰。根据烟雾的模糊和部分遮挡背景特性,提出了一种基于高通滤波的半透明遮挡快速模型。半透明模型能有效地表征烟雾遮挡的半透明特性。实验结果表明,累积和半透明模型相结合提高了鲁棒性、增强了抗干扰性,明显地提高了探测的准确率。

基于动态特性的实时视频烟雾检测

针对室外或大空间环境下烟雾的动态特性,实现一种实时视频处理的烟雾检测算法。首先采用高斯混合模型GMM(Gaussian mixture model),利用背景差分方法实现对运动目标的提取;其次在小波域上分辨出烟雾可能出现的图像区域;再次计算目标在空间扩散的动态特性;最后采用支持向量机区分出烟雾目标。实验结果表明,该算法适应背景复杂场景,能够有效抑制环境扰动影响,快速、准确地检测视频图像中出现的烟雾。

城镇森林交界域视频烟雾检测算法

针对城镇森林交界域火灾烟雾视频检测准确率低问题,提出一种融合多项图像特征和深度学习的视频烟雾检测算法。通过Vi Be方法提取前景变化区域,根据烟雾模糊特征和角点信息排除部分纹理细节较明显的区域。在此基础上,以颜色特征为判据进一步缩小检测范围,使用累积帧差法排除运动刚体的干扰,利用深度学习模型识别目标是否为烟雾。采用级联分类器的方式设计整体算法,并使用并行计算技术进行实现。实验结果和工程案例表明,该算法能够实现城镇森林交界域火灾早期烟雾的精准识别。

基于PoolNet显著性和SURF-VIBE模型的林火视频烟雾提取算法

烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。

多特征分析的室内外视频烟雾检测

针对室内外烟雾特点,提出了一种多特征分析的视频烟雾检测。首先,分块进行烟雾实时背景更新,真彩色差分结合颜色特征进行疑似区域提取。其次,在时空域提取疑似烟雾静动态特征,并进行融合性分析。最后结合不同场景不同算法进行烟雾检测对比实验,结果表明,本文算法能有效适应光照变化,灵敏度高,抗干扰性强,较好的区分烟与非烟,从而准确定位识别烟雾。

基于DM642和i.MX27的网络视频烟雾监控系统

针对传统烟雾及温度传感器在火灾识别方面的局限性,设计了一款基于TMS320DM642和i.MX27的网络视频烟雾探测器。主要介绍了系统硬件和软件平台的搭建工作。通过引入基于OTSU阈值分割的背景差分算法和烟雾色彩及能量度量算法,在TMS320DM642平台上开发烟雾检测程序,通过i.MX27实现视频的网络传输,实现了对烟雾的探测识别,且可以较好地避免光照变化和物体移动等背景变化引起的误检测。系统具有较高的实时性、准确定和稳定性。

国外视频烟雾探测技术简析

本文阐述了国外视频烟雾探测系统的硬件组成;介绍了视频烟雾探测的原理及关键技术;分析了视频烟雾探测系统的技术特征、功能优势及其适用性;总结并提出了当今国外视频烟雾探测技术中的不足之处与潜在的发展方向。

基于改进YOLOX轻量级的烟雾火焰目标检测方法

本文针对目前基于深度学习的烟雾火焰目标检测任务中存在的在嵌入式设备下准确率低、实时性能差的问题,提出一种基于改进的轻量级YOLOX算法的烟雾火焰目标检测方法F-YOLOX。该方法以YOLOX-s作为基准模型,通过引入ECA注意力模块、使用SIoU损失函数和采用GELU激活函数等技术手段对原模型进行改进。实验结果表明,F-YOLOX在烟焰图像检测数据集上检测平均精度达到78.45%,比基准模型提高3.7%;检测速度达到53.4fps,比基准模型提高2.8%。F-YOLOX能够满足烟雾火焰检测任务精度和实时性的要求。