基于图像多特征模糊融合的火灾检测

针对单一信息火灾检测方法精度低、鲁棒性差的问题，提出一种模糊融合图像多特征信息的火灾检测方法。以圆形度、轮廓粗糙度和火焰面积增长率等火焰图像特征值为模糊输入量，构建多信息模糊融合系统，降低误判率，提高火灾检测的鲁棒性。通过合理设计输入量的模糊化等级，使得模糊推理规则仅18条，减小算法计算量，提高火灾检测的实时性。室内环境下的火灾检测实验结果验证了该方法的有效性。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

激光三角法钢轨磨耗检测系统研究

传统基于图像处理的钢轨磨耗检测系统处理过程复杂、运算量大,难以满足实时检测的需求.为了解决以上问题,基于激光三角法构建了一种新的二维高精度钢轨磨耗检测系统.它采用光切法扫描钢轨轮廓,将直接采集到的轮廓坐标通过以太网传输到工控机上;通过对不同去噪方法的性能比较,最终采用基于灰色关联的中值滤波方法对初始轮廓数据进行预处理;采用基于最小二乘的高斯-牛顿非线性二次拟合来提取轨腰圆心特征点,通过仿射变换将实测轮廓与标准轮廓进行对位,得到钢轨的磨耗值.实验结果表明:该检测系统垂直磨耗和侧面磨耗测量精度均达到±0.2mm,性能优于传统图像检测方法(±0.3mm),满足铁路标准要求,可用于实时检测钢轨磨耗参数,指导轨道维护工作.     

视频图像序列运动目标检测及轮廓提取

考虑到人类视觉对图像轮廓特征的敏感性,将目标检测与轮廓提取结合起来,实现了目标轮廓自动提取的方法.首先采用了背景差法跟踪视频图像序列中的运动目标,并采用了自适应背景更新的方法更新背景图像,结合活动轮廓模型法GVF Snake进行目标轮廓的提取,从而得到具有精确边界的运动目标.实验结果表明这种方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,实现实时自动轮廓跟踪.     

基于改进Snake模型的人体运动跟踪算法

提出一种改进Snake模型与光流估计相结合的人体运动自动实时跟踪算法.利用角点检测得到接近人体真实轮廓的初始轮廓,减少了迭代次数,降低了Snake模型收敛到局部极值的概率;同时针对Snake模型跟踪不够稳定、容易出现跟踪丢失问题,结合KLT光流法,选取当前帧所得到的轮廓点中的强特征点进行光流估计,将估计结果作为下一帧Snake的初始轮廓,有效地解决了这一难题.实验结果表明改进Snake模型可使初始轮廓形变到人体真实轮廓,同时实现了视频序列中自动、实时的人体跟踪.     

多线程串口通信技术及其在火灾监测中的应用

火灾监控系统需要实时获取来自接收机串口的检测数据和视频数据,对串口进行实时监控的同时还可以进行一些其他的操作.利用基于多线程的串口通信编程思想方法可以很好地解决这一问题.本文介绍多线程的基本概念和上位机C#串口通信编程技术,分析了火灾监控系统的基本功能和需求,着重阐述了采用基于多线程串口通信方法来获取和配置火灾检测参数,并且给出了C# SerialPort类的使用方法.经过最终调试,程序运行稳定,效果良好.     

基于改进YOLOv3的火灾检测与识别

现阶段火灾频发,需要自动进行火灾的检测与识别,虽然存在温度、烟雾传感器等火灾检测手段,但是检测实时性得不到保证.为了解决这一问题,提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库,对火焰和烟雾区域进行类别和位置的标注,并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力,将火灾检测与识别形式化为多分类识别和坐标回归问题,得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明,本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果,同时在检测速度上也满足了实时检测的需求.     

基于烟雾动态特征分析的实时火灾检测

传统的离子式、光电式、吸烟式等烟雾探测器.需要非常靠近烟雾源时才能完成检测,不能应用于室外大空间、远距离等特殊场合的火灾监控系统中.提出了一种基于烟雾动态特征的图像型火灾识别算法.通过监测普通CCD摄像机拍摄的视频图像,进行运动物体的检测分割,分析图像帧中运动物体的动态特征,进而判断监控区域是否有火灾烟雾的发生.实验结果表明,该算法具有比较好的鲁棒性,能够有效地降低火灾监控系统的误报漏报率.     

基于多特征融合的烟雾检测

针对传统火灾探测技术的应用弱点,研究基于视频的火灾烟雾探测方法。首先, 根据烟雾的颜色特征,提取视频序列中的疑烟区域。然后,在疑烟区域中提取烟雾的3 个动态 特征--扩散特征、轮廓不规则特征和使背景模糊特征。最后,利用BP 神经网络对这些动态特 征进行融合判定。实验结果表明,基于多特征融合的烟雾检测方法能够准确、实时、有效地识 别视频中的烟雾。     

基于边界矢量场的视频运动目标检测与跟踪

提出了一种新的视频运动目标检测与跟踪方法.该方法首先采用自适应帧间差分法对视频序列图像的运动目标进行粗检测,进而采用BVF(边界矢量场)Snake方法准确地检测出运动目标轮廓;其次获得轮廓质心后,对传统的α-β-γ滤波器进行了改进,实现对运动目标的实时跟踪;最后根据预测的质心位置来自动完成下一帧轮廓初始化.实验结果表明,该方法具有良好的实时性和准确性.     

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.     

基于北斗卫星的森林火灾监控终端设计

针对传统森林火灾监控方式存在的受地形限制,导致火灾发现不及时和定位难的缺陷,设计了基于北斗卫星的森林火灾监控系统,实现了火灾智能识别和预警,并且可以对火源、火场进行快速定位和信息通报;终端包括烟采集处理模块、图像采集模块、DSP处理模块、ARM主控模块和北斗卫星通信模块五部分,从烟和火焰两个方面对森林实时进行监控,分别采用离子烟雾传感器和DSP火焰识别混合算法,提取火焰图像差值和火焰图像边界参数的方法,提高了识别的准确率;试验证明,系统具有结构简单、使用方便和识别智能化的特点。     

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。     

基于图像处理技术的烟雾检测在家庭火灾防范中应用

针对家庭火灾防范中缺少更有效、快速的实时烟雾检测问题,本文设计了一种基于图像处理技术的烟雾检测算法,能够对家庭住宅内部进行实时烟雾检测,从而实现火灾防范。本算法主要使用单阶段的端到端YOLO v3算法,对输入的烟雾数据进行学习,提取网络中不同卷积层的特征图进行联合训练。实验结果表明,和双阶段网络的烟雾图像检测方法相比,该方法检测速度快,实时效果好,同时也取得了较高的检测准确率,具有较高的实际应用价值。     

混合高斯模型和机器视频的火灾检测的实现

针对目前基于传感器技术的火灾探测器存在检测区域小、干扰大、误报率高等不足,提出了一种基于混合高斯模型与机器视觉相结合的火灾检测方法.该方法通过对摄像头获取的图像信息进行处理和分析,利用火灾早期产生的烟雾和火焰的颜色及形体变化特征来探测火灾.通过建立混合高斯模型对火灾进行识别,再对识别结果进行进一步的动态特征识别.试验证明,该方法克服了传感器检测方法的缺点,实时性好、识别率高.     

地下矿CA粒子系统火灾蔓延仿真

为了对火灾在地下矿巷道中的蔓延情况进行仿真,提出了一个元胞自动机理论和粒子系统理论相结合的地下矿巷道系统中火灾蔓延仿真方法。针对地下矿巷道这个特殊环境,采取可变邻域半径的元胞自动机模型来仿真火焰在巷道中蔓延的情景;同时,引入基于粒子系统的烟雾模型,把燃烧着的元胞作为烟雾模型的粒子发射器。整个仿真系统基于同一时钟运行,把时间、空间、火烟的物理行为有效地结合起来,不仅能非常直观地仿真出火势蔓延态势和烟雾扩散运动过程,并且通过在仿真过程中计算记录不同时刻火灾蔓延距离和入侵巷道烟雾粒子数量等数据,可以获取大量巷道环境相关信息,为逃生决策和火灾预防与控制提供依据。     

基于无线传感器网络的多参数火灾探测节点研究

设计了基于无线传感器网络的多参数无线火灾探测节点,实现对温度、湿度和烟雾的自动探测,通过多参数符合探测方法来降低火灾误报率,实现对火灾的可靠监测.针对火灾特征参数多跳传输提出一种基于CSMA/CA机制的最短路径路由算法,探测器能自动组网实现对火灾特征参数的无线实时监测.实验结果表明,探测器单跳通信距离最远可达100米,多跳通信每跳传输延时约50 ms,对火灾烟雾响应达到I级灵敏度,湿度参数可有效消除水汽引起的火灾误报.     

邮轮客房火灾自动探测与报警电路的设计

邮轮客房火灾具有突发性,不易控制,危害大等特点,火灾自动探测与报警装置对于邮轮必不可少。本文设计了一种基于单片机的邮轮客房火灾并报警电路。该电路包括主控模块、温度检测模块、烟雾检测模块、显示模块和报警模块,并运用Keil软件进行编程和Proteus软件进行仿真实验。当温度值和烟雾浓度值同时超过上限值时系统会发出声光报警信号。仿真分析表明：该电路工作稳定可靠,可及时、准确地实现客房温度、烟雾浓度的显示和自动报警。     

林火视频烟雾检测算法综述

火灾早期时,烟雾相较于火焰特征更为明显,因此早期的烟雾检测对于预防火灾具有重大意义。针对森林、草原火灾早期的烟雾检测,烟雾探测器成本高、检测效果较差且不能提供烟雾大小、方向、位置等信息。随着计算机视觉的发展,基于视频的烟雾检测方法以低成本、覆盖面广、信息获取较全面等优势逐渐成为研究热点。但由于森林、草原背景复杂、烟雾本身易变化,因此视频烟雾检测算法仍面临着巨大的挑战。为研究深度学习的视频烟雾检测中的应用效果,分析了烟雾检测存在的难点问题及传统视频烟雾检测算法的不足,介绍了当前深度学习中各类目标检测算法在烟雾检测中的应用,对比了这些烟雾检测算法,总结了其优点和不足,重点分析了各种烟雾检测难点问题的解决方法,并提出烟雾检测的下一步研究方向。