多特征融合的视觉烟雾探测技术研究

文章介绍了一种多种特征识别算法融合的烟雾提取和特征识别方法。为了降低火灾损失,需要在火灾发生的早期及时发现,并实现预警和施救处置,而图像烟雾特征的提取和识别是早期火灾判断的一种有效手段。本文通过烟雾的形状和运动特性提取疑似区域,再利用其烟雾的颜色空间、连通性特性和小波纹理能量信息等进行烟雾特征二次综合研判。视频火灾探测系统确认火灾后,后台通过物联网网关将火灾信号传递给火灾报警主机实现预警功能,消防控制室同时可视频查看火灾情况,妥善制定救援策略。经过测试发现,本文算法在包括各类复杂光影变换环境的公开数据集和实际工作实验场景,可以有效排除树木、旗帜等扰动,以及类似烟雾的墙体、金属面反光、车辆等干扰,视频烟雾区域的识别准确率高达98%。

基于U-Net深度神经网络的早期火灾烟雾自动分割方法

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用U-Net结构的深度神经网络进行早期火灾烟雾的自动分割,通过半自动算法人工辅助分割出烟雾区域的图像样本,基于深度神经网络对分割烟雾区域进行学习,得到原始视频帧到分割结果的映射模型,并据此模型进行烟雾区域分割。在测试集上的分割实验结果表明该方法与传统方法相比,不需要设置阈值,自动化程度更高,分割速度极快,在疑似烟雾区域分割任务中性能较好。

基于视觉双通路与贝叶斯模型的烟雾检测方法

该文提出了开放环境下基于贝叶斯模型与视觉双通路融合的烟雾检测方法。首先利用Itti视觉注意模型自下而上生成灰度显著性图;然后通过被测图像纹理特征直方图与烟雾样本纹理特征直方图的匹配,自上而下获得纹理显著性图;最后根据贝叶斯模型融合灰度与纹理显著性图,生成最终的烟雾概率显著性图。实验结果表明,该文方法能准确提取图像中的疑似烟雾区域,具有抗光照变化的优势,适用于开放环境下的实时烟雾检测。

基于多特征的火灾监控系统设计

随着网络摄像机的普及以及图像处理技术的不断发展,基于视频的火灾监控系统得到越来越多的关注。目前基于视频的火灾监控系统的常用方法是通过对火灾发生后产生的火焰进行检测,其缺点在于报警时火灾已经发生。提出的火灾检测系统首先通过运动检测和烟雾刚出现时的运动特征找出疑似烟雾区域,在此基础上在疑似烟雾区域内进行烟雾和火焰联合检测。其中烟雾检测采用烟雾颜色特征以及纹理特征相结合方式,火焰检测采用火焰RGB、HSI两种颜色特征相结合方式,以此提高检测的准确率。实验结果表明,系统可以在火灾蔓延前提供报警并准确检测出火灾着火点的位置,验证了所提方法的有效性。

基于视频图像的煤垛自燃检测算法研究

煤炭在我国一次能源中占有重要地位,在煤炭运输中煤垛自燃会导致巨大的经济损失。本文以国投曹妃甸煤炭码头为研究对象,提出一种基于视频图像的烟雾检测算法,即:基于烟雾动态特征提取疑似烟雾区域;再在疑似烟雾区域搜索烟雾静态特征完成识别。利用现场的视频信息开展实验研究,结果表明,该算法与传统帧间差分法和背景差分法相比,具有抗干扰能力强的优势,能够有效解决煤垛自燃识别问题。