基于火焰区域跳动特性的高速公路隧道火灾火焰检测方法

为了准确检测高速公路隧道火灾火焰,提出一种基于火焰区域跳动特性的火焰检测方法,其利用小波变换的高频敏感性来分析高速公路隧道视频火焰区域的高度变化特性。首先对视频图像进行背景更新,提取运动区域并滤除移动车辆的灯光干扰;然后在HSI颜色模型下识别出类似火焰颜色的疑似区域。疑似区域变化是火焰跳动特性的直接体现,故基于这一特点,对连续多帧图像疑似区域的高度变化曲线进行小波分解,并利用小波高频分量系数的局部极大值数量来判断视频图像中是否存在火焰。仿真试验结果表明,此种算法具有很高的准确性和有效性。

基于BP神经网络的公路隧道视频火焰识别

为提高基于视频图像的公路隧道火灾火焰识别率，在对火焰动态特征研究成果之上，利用BP神经网络融合火焰静态特征，对公路隧道视频火焰进行综合识别．火焰动态特征选取作者研究的火焰边缘运动量（AM FE）和火焰区域跳动特征，火焰静态特征选取前人研究的尖角数目、火焰颜色特征和圆形度．将此5种火焰特征作为BP神经网络的输入，达到融合火焰多特征信息并实现火焰综合识别的目的．实验结果表明，火焰识别率稳定在86．2％～96．5％之间，验证了该方法的可靠性．