基于图像处理的智能建筑中火灾探测技术研究

火灾探测系统是智能建筑系统中一个重要部分。而如何准确的判别火灾火焰,是图像型火灾探测技术的关键部分。针对火灾火焰亮度及颜色特点,结合图像相减方法和饱和度、平均亮度方法来提取火焰,可以很好的减小背景噪声的干扰。同时针对早期火灾火焰在时间上的发展性和跳动性,采用了面积变化和尖角判据,很好的减少了误报和漏报,大大提高了火灾判别的可靠性及准确性。     

相似背景下的火灾检测优化方法仿真研究

研究视频图像中的火灾优化检测问题.根据视频分析图像,当有火灾发生时火焰的颜色与背景有差异来判断火灾.针对传统图像像素相减的帧差法进行火灾的检查,当发生火灾的地点所处环境中存在与火焰颜色、形状接近的背景时,结果不能检测出火灾的情况.为了解决上述问题,提出改进的主成分分析的火灾检测方法.通过建立像素特征模型矩阵,将火焰的特征进行投影降维,运用像素排序的方法,描述火焰的细节信息.摆脱像素相似的干扰.实验证明,改进PCA方法实现了在与自身相似背景下的准确火灾检测,有效降低了检测错误率,取得了满意的效果为优化正确检测提供了依据.     

早期油料火灾图像检测及识别技术研究

本文提出了一种早期油料火灾图像检测及识别算法。将火焰颜色、亮度及运动特征作为火灾检测与识别的判据,在火焰颜色模型和运动图像差分模型的基础上提出利用离散分形布朗随机增量场模型对早期油料火灾图像进行进一步的判定。模拟坑道实验结果表明,该算法能够有效提高油料火灾检测与识别的准确率,降低误报、漏报率。     

基于特征融合的图像型火灾探测方法

针对传统火灾探测中灵敏度不高、响应慢的问题,提出一种基于特征融合的图像型火灾探测方法.结合火焰的颜色、运动以及闪烁特征,检测出疑似火灾区域中的火焰像素,排除非火焰像素,并用支持向量机对疑似火焰像素进行验证,采用形态学方法和区域融合判断出火灾区域.实验结果表明,该方法对多种火灾和非火灾场景具有较好的适应性、较强的抗干扰能...     

基于HIS模型的火焰图像分割算法研究

在火灾识别系统中,为了更加方便地进行色彩与轮廓的处理和识别,将HIS模型作为基本的颜色空间,HIS模型是从人的视觉系统出发,用色调、饱和度和亮度来描述色彩的,最后提出了基于HIS模型的火灾图像分割算法。     

基于YCbCr颜色空间的火焰图像分割方法

视频火焰检测对消防安全具有重要的实际意义.火焰颜色信息在视频火灾检测中起着举足轻重的作用,众多学者提出了基于不同颜色空间的多种火焰颜色检测算法.针对目前视频火焰颜色检测算法检测率低、误检率高、适应性差等不足,提出基于颜色空间的火焰图像分割方法.通过研究火焰图像在颜色空间上的分布情况,分析火焰像素对应的Y,Cb和Cr分量...     

基于视频的火焰检测方法

在分析视频监控的火焰检测技术的基础上,针对传统的帧间差分法,提出一种结合分块处理和帧间差分的分块帧组差分的运动检测方法,提高相邻像素间的关联性,降低噪声干扰的影响,通过色调、色饱和度和亮度来分析视频中火焰像素的静态颜色特征,降低亮度对颜色检测的影响.充分利用燃烧火焰的动态频谱特征和空间的能量信息,对不同时刻火焰燃烧的图像时域和空域进行小波分析;分析后的疑似火焰区域利用连通邻域像素的信息对零散的非火焰像素点进行滤除.实验结果表明,该检测方法更具目的性,且颜色检测更具可靠性,降低了闪烁光和类似火焰物体等造成的影响.     

一种火灾报警系统中火焰区域的检测方法

对发生火灾时产生的火焰的图像信息进行了深入的研究和分析,结合火焰像素的颜色和强度变化特征对火焰像素进行检测,并且对火焰的区域进行增长性检测,通过区域生长算法精确提取的火焰区域,最后设计并实现了识别算法.实验结果表明,结合火焰像素特征和对火焰区域精确提取的检测方法具有较好的火焰识别能力.     

森林防火图像识别中的光照干扰消除仿真分析

在物联网视觉识别技术在森林火灾报警的研究中,由于光照强度的随机性无法控制,光强度变化对图像特征采集带来了较大的干扰,对火焰像素与周围像素的差异化关联程度下降.传统的模式识别方法在光照干扰下,会由于火焰特征关联度的下降,造成火灾误识别.提出了一种空间域滤波的物联网视觉中森林火灾识别光照消除方法.利用空间域滤波方法,消除由光照造成的火焰图像噪声,提高了图像的分辨率,为森林防火提供了准确的数据源.针对特征关联下降的问题,引入线性最优分类平面,对干扰下的火焰特征进行分类,从而实现森林火灾识别.实验结果表明,上述算法可以有效消除物联网视觉中光照干扰,有效提高了森林火灾识别准确率.     

基于模糊聚类的图像型火灾检测

提出一种基于模糊聚类的图像型火灾检测算法。建立火焰颜色模型,利用像素运动累积法获取疑似目标的闪烁频率,借助有监督模糊聚类法合并同一疑似火焰区域中的不连通部分,依据火焰的运动特征进行火灾判定。实验结果表明,该算法误报率较低,运行效率较高,适用于多种场景的火灾检测。     

Early fire detection method in video for vessels

New generation vessels are equipped with fire detecting sensors; however, fire may not immediately be detected if it is far away from the sensors. The fire process therefore cannot be recorded. A video-based fire alarm system is developed to overcome the drawbacks of traditional fire detection equipment. This paper presents a video-based flame and smoke detection method for vessels. For flame detection, the dominant flame color lookup table (DFCLT) is created by using the fuzzy c-means clustering algorithm. The changed video frames are automatically selected and the changed regions deduced from these frames. An elementary, medium, or emergency flame alarm is then triggered by comparing the pixels of changed regions with the DFCLT. The changed video frames are automatically selected for smoke detection. The changed regions are deduced from these frames. If the shape of the changed region conforms to the characteristic which the top area is wider than the bottom area, a dangerous smoke alarm is sounded. The experimental results show that the proposed fire detection approach can detect dangerous flames and smoke, effectively and efficiently.     

Multi-modal time-of-flight based fire detection

This paper proposes two novel time-of-flight based fire detection methods for indoor and outdoor fire detection. The indoor detector is based on the depth and amplitude image of a time-of-flight camera. Using this multi-modal information, flames can be detected very accurately by fast changing depth and amplitude disorder detection. In order to detect the fast changing depth, depth differences between consecutive frames are accumulated over time. Regions which have multiple pixels with a high accumulated depth difference are labeled as candidate flame regions. Simultaneously, the amplitude disorder is also investigated. Regions with high accumulative amplitude differences and high values in all detail images of the amplitude image its discrete wavelet transform, are also labeled as candidate flame regions. Finally, if one of the depth and amplitude candidate flame regions overlap, fire alarm is given. The outdoor detector, on the other hand, only differs from the indoor detector in one of its multi-modal inputs. As depth maps are unreliable in outdoor environments, the outdoor detector uses a visual flame detector instead of the fast changing depth detection. Experiments show that the proposed detectors have an average flame detection rate of 94% with no false positive detections.     

火灾中火场运动方向估计方法研究

研究火灾中火焰运动方向估计问题。针对火灾现场,燃烧中的火焰存在着动态特征不定,运动方向容易发生随机性改变,影响估计的准确性。传统的物体运动方向估计方法很难对燃烧的火焰做出准确的方向估计。为解决上述问题,提出基于运动能量块计算的火焰运动方向判定方法,首先为燃烧的火焰建立运动能量块,创立火焰的动态特性,通过预判火焰运动块的方向,形成运动块在各个方向上的匹配,完成对火焰燃烧过程中,运动方向的准确估计。仿真结果证明,改进方法能对燃烧中的火焰运动方向做出准确估计,取得了满意的效果。     

基于独立成分分析和支持向量机的图像型火灾探测

图像型火灾探测具有非接触性、反应快等优点,可有效解决大空间火灾探测难题,是火灾探测新的研究方向,其核心问题是火焰和干扰物的分类识别。常用方法是提取火焰在图像上表现的单个或某几个特征信息作为识别依据,需要设置大量经验阈值,识别率常因特征选择不合适而受到影响。通过对火焰整体特性的研究,提出了基于独立成分分析和支持向量机的火焰探测方法。首先在RGB空间建立颜色模型对连续数帧火灾图像预处理,并进行频闪特性和模糊聚类分析提取疑似目标区域,根据独立成分分析线性变换一对一和可逆性估计出基函数描述火焰图像特征,最后用支持向量机模型实现火灾探测。实验结果表明,该方法提高了图像型火灾探测精度和速度,可适用于多种火灾探测场景。     

结合注意力机制的火灾检测算法

鉴于现有的火灾检测手段大多依赖于感温探测器和感烟探测器,但感温探测器和感烟探测器的探测具有一定的滞后性,无法实时准确地检测出初期火灾的问题,因此,构建了一个大规模多场景的火灾图像数据集;同时对图像数据集进行了火焰和烟雾目标标注,并提出了一种具有注意力机制的火灾检测算法,采用颜色分析的方法检测出图像中火焰和烟雾的疑似区域;再对火焰和烟雾目标的疑似区域进行关注,通过结合深度网络的特征提取能力,得到火灾目标的检测模型;实验结果表明,此方法在检测火灾任务上取得了更优的效果,相比于基于YOLOv3的火灾检测模型,mAP(mean average precision)提高了5.9%,同时满足了实时检测的需求。     

基于帧间动态和纹理特征的邮轮舱室火焰识别

火焰探测是火灾探测和监测系统中的一项重要任务。论文提出了船舶火灾探测中火焰的动态和纹理分析方法。火焰最初是根据多尺度颜色空间中的颜色强度分割的,称为候选火焰区域。从候选火焰区域中提取动态和纹理特征,通过混合纹理描述符获得混合纹理特征。结合动态特征,得到了动态混合纹理特征。最后,利用极值学习机分类器,根据提取的动态和纹理特征,将候选火焰区域划分为真实火焰或非火焰区域。结果表明,所提出的火灾探测技术有较好的识别率,可有效降低误检。