基于多特征匹配的视频图像火灾火焰检测方法研究

相对传统的视频图像火灾检测方法,提出一种基于多特征匹配的视频图像火灾火焰检测方法.首先,算法采用改进的混合高斯分块模型对监控画面中的动态区域划分;再利用颜色概率统计模型提取动态区域的颜色特征,并分割出疑似火灾区域;最后,通过统计疑似火灾区域圆形度特征并判断火灾火焰是否存在.实验表明：算法对火灾火焰的检测识别准确率较高,并具有较好的实时性和抗干扰性.     

一种改进的火灾颜色模型检测算法

从火焰的颜色特征出发,综合考虑已有颜色模型的优缺点,提出一种改进的基于颜色模型的火灾检测方法.首先结合HSI颜色模型和YCbCr颜色模型对火灾图像进行预处理提取出可能火焰区域,然后在HSI空间上采用颜色空间距离法去除噪声.实验结果表明,该方法提高了火灾图像识别的准确度,并能在一定程度上消除干扰,具有较好的适用性.     

基于多传感信号的火灾探测互相关算法

本文针对复合探测器提出了一种新的互相关算法。该算法首先对采集的数据信号特性进行分析,利用给出的模型公式描述出采集信号的变化特征,再根据互相关函数的性质分析和识别火灾信号与非火灾信号。本文论述了该方法的实现和对试验火以及油烟火的分析结果,证明该算法具有较好的灵敏度,能识别厨房油烟信号,具有较低的误报率。     

基于多属性分类器融合的火焰检测算法

火焰检测作为火灾事件自动识别的关键技术,其检测的准确性对于火灾的事先预防和快速响应尤为重要.然而,现有方法不能有效地利用火焰的综合属性给出令人满意的检测结果.本文设计了一种基于多属性的火焰检测算法,融合火焰的颜色和运动属性,提高了复杂监控视频中的火焰检测准确率.为了利用火焰的瞬时运动特性,设计了一个基于深度运动特征的运...     

基于视频图像的森林火灾识别算法研究

针对火焰的色彩特性和燃烧时的动态特性,提出一种面向视频图像序列的火灾识别算法.首先通过火焰颜色特征,在HSV模型基础上运用改进的区域增长法提取目标区域,然后根据火焰区域的重心和面积变化特性,通过设定模糊数学的隶属度函数来判定是否有火灾发生.实验结果表明,本算法实用有效,对火灾的识别率较高.     

火灾报警消防联动控制系统的漏报率和误报率及系统设计的研究

探讨了火灾报警系统的漏报率和误报率，并针对火灾报警系统的漏报率和误报率提出了火灾报警消防联动系统设计数学模型和设计方法。     

角闪烁下基于变分贝叶斯-交互式多模型的目标跟踪

开展角闪烁噪声下的目标跟踪研究对提升传感器的探测性能具有重要意义,其中角闪烁噪声具有的分布未知和非平稳特性是长期困扰研究者的难点。针对该问题,该文首先给出角闪烁下基于变分贝叶斯参数学习的跟踪滤波理论框架。其次,提出一种联合估计运动状态和闪烁噪声分布的变分贝叶斯-交互式多模型(VB-IMM)算法,该算法通过设计多个并行的跟踪模型处理角闪烁的跟踪问题,同时利用变分贝叶斯方法实现闪烁噪声分布参数的在线学习,并反馈给跟踪模型,实时调整跟踪模型参数。最后,设计了仿真实验对算法在闪烁噪声分布未知和非平稳条件下的跟踪性能进行了验证,同时对算法的计算复杂度进行了仿真分析。仿真结果表明,在量测噪声分布未知和非平稳条件下,VB-IMM具有较高的跟踪精度,且算法复杂度较小,易于实现。     

深度学习的MPCANet火灾图像识别模型设计

针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析（Multilinear Principal Component Analysis,MPCA）深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。     

融合色彩和轮廓特征的火焰检测

基于图像的火焰检测能适应大空间和恶劣环境火灾预防应用的需要,首先分析了火焰图像的色彩及轮廓信息等重要特征,然后提出了基于连通区域面积阈值化的单像素宽度目标轮廓特征的抽取方法,再应用所建立的火焰检测色彩模型,融合火焰色彩和边缘轮廓动态变化等特性,实现了在视频序列图像中火焰的自动检测.实验结果显示,该方法能实时检测火焰,误判率低.     

大空间图像型火焰检测方法研究

为了提高图像型火焰检测算法的准确率,满足其对实时性的要求,采用三帧差分和背景更新相结合的方法,提取运动前景区域。然后在RGB空间和Lab空间建立颜色模型,分割出火焰疑似区域。用Lucas-Kanade稀疏光流算法跟踪运动区域,获取火焰的主运动方向作为火焰识别特征,判断是否是真实的火灾发生。实验结果表明,该算法具有较好的实时性、鲁棒性,能够有效地提高火焰识别的准确率,降低误检率,在大空间公共建筑消防系统中具有重要的应用价值。     

基于参数优化支持向量机的火焰图像识别

图像型火灾探测的主要问题是关于火焰和干扰物的识别。通过提取火灾图像特征,利用支持向量机来进行识别。为提高火灾准确预报率,用参数优化后的支持向量机来预报。提出一种混沌粒子群算法对支持向量机进行参数优化。实验表明,改进的粒子群算法比传统方法的火灾准确预报率有大幅提高,可以进一步降低火灾探测系统的误报。     

于Ohta颜色空间的火焰检测

为了提高火焰检测算法的准确率和满足实时性的要求,在分析火焰颜色特征的基础上,提出一种基于Ohta颜色空间并利用最大熵阈值分割法改进的火焰颜色特征模型.该模型可有效提取疑似火焰区域,然后通过光流法分析火焰运动方向特征,进一步判断是否有火灾的发生.实验结果表明,该算法具有较好的实时性,能够有效地提高火灾识别的准确率,降低误检率,在日常消防系统中具有重要的应用价值.     

基于视觉对比机制的红外弱小目标检测方法

为解决复杂背景下红外弱小目标检测精度低的问题,本文提出一种基于视觉对比机制的红外弱小目标检测方法,算法主要模拟了人眼对目标对比度敏感这一机制。首先利用8向梯度方程提取红外图像的梯度显著图并二值化处理;根据小目标的尺寸大小特征对梯度显著图进行优化处理,剔除孤立的噪声点和尺寸较大的背景梯度显著区域;利用视觉对比机制对优化后的显著图进行局部对比度计算,通过阈值处理剔除虚警目标,完成红外弱小目标检测。仿真实验表明,该算法在低信噪比情况下对红外弱小目标的检测率较高,且虚警率低,单帧检测时间较小。     

无线多传感器数据融合的家庭火灾检测系统设计

针对现有火灾检测系统常出现的误报警和漏报警情况以及传统的有线火灾检测系统布线复杂、成本高、灵活性差等缺点,设计了一套基于无线多传感器数据融合的家庭火灾检测系统,检测厨房设备、电器线路或电器设备老化等造成的火灾安全隐患.详细介绍了多传感器融合算法的设计、火灾检测系统硬件框架和软件实现等.仿真结果表明,该方案具有准确度高、灵活性强的特点.     

基于目标跟踪和多特征融合的火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法.首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪.实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力.     

应用图像融合与多样性的舰船显著性检测

基于单源的图像显著性检测存在较大的虚警或漏检,文章提出了利用约简后的特征点和CPD算法对海面实拍船只图像进行多源图像匹配,获得图像间的变换投影方程并利用投影方程对单源图像的显著性检测结果进行叠加与虚警控制器分类,从而达到提高检测率与控制虚警的目的。显著性检测方面,文章分析了基于图等级多样性的显著性检测方法的不足和优点,引入了最大稳定区域检测方法对图像做前期处理,并对获得区域进行联合获得新区域,使得新区域能够最大限度地满足基于图的等级多样性显著性检测最优条件。对于检测获得的联合区域目标显著性不完整的情况,利用了区域的叠加性进行加权求和,最终获得了具有较好联通性的多舰船目标图像显著性检测结果。对于显著性检测结果中存在较大虚警的情况,文章进一步提出计算船只与浪花的多尺度分形维数,并结合Adaboost算法训练浪花虚警控制器。实验结果显示控制器能够消除一部分浪花带来的虚警,但是对于灰度与舰船极为相似的虚警无法消除。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

Shot boundary detection in the presence of fire flicker and explosion using stationary wavelet transform

Detection of fire in video for fire alarm systems has been studied by many researchers, but detection of shot boundaries under fire, flicker and explosion (FFE) is one of the under-studied areas. In thriller movies, FFE occur more often than other special effects and lead to false detection of shot boundary. We tested major metrics used for detection of shot boundaries under FFE for various movies. It is observed that for almost all metrics, precision is low due to false positives caused by FFE. We propose an algorithm based on cross-correlation coefficient, stationary wavelet transform and combination of local and adaptive thresholds for detection of shot boundaries under FFE. The proposed algorithm is tested on three movies, and experimental results validate the effectiveness of our proposed method in terms of better recall and precision.