基于改进梯度边缘特征的早期火焰识别方法

在视频火灾探测中,基于颜色特征变化的火灾识别模型适应性差、对火焰倒影等在颜色模型方面与火焰图像很类似的外界干扰分辨率差。利用火焰燃烧时在空气中的状态与周围环境的颜色阶跃性,在颜色分量模型的基础上,对火焰图像边缘进行粗定位和精定位,使用改进的Soble边缘检测算法,选取颜色B分量的边缘梯度作为判断火焰和干扰图像的依据,构建了一种基于图像边缘梯度的火焰识别模型。实验证明:颜色分量梯度模型能够排除大量的常见干扰源,准确、快速地对火灾进行识别,对大空间室内火灾探测具有一定的使用价值。     

基于连续帧图像面积变化的火灾探测方法

针对传统视频火灾探测方法误报率高、适用性弱的缺点,基于火焰在连续帧图像上的面积变化规律,提出了一种新的火灾探测方法。首先利用RGB-HSI颜色模型筛选出单帧图像中的疑似火焰区域,再结合区域跟踪算法和面积极大值统计计算出疑似火焰区域的闪烁频率,从而实现火灾探测。酒精火和远距离强光背景下的火焰探测实验证明:该方法能够排除常见干扰源的影响,对于室内火灾探测具有一定的实用价值。     

建筑防水材料火焰视频图像特征提取

在火焰视频探测技术的基础上,对建筑防水材料的火焰特征进行研究。对三元乙丙橡胶燃烧视频序列进行数据处理。运用软件编程的方法提取三元乙丙橡胶燃烧视频中的火焰特征,包括火焰面积、频谱特性以及火焰颜色空间,得到了三元乙丙橡胶燃烧初期火焰面积变化趋势、火焰脉动频率以及火焰颜色的RGB分量分布规律,为三元乙丙橡胶火灾乃至建筑外壁面的火灾探测技术研究提供数据支持。     

一种基于连续帧图像质心运动的火灾探测方法

针对传统视频火灾探测方法误报率高、适用性弱的缺点,根据火焰在连续帧图像上的质心运动规律,提出了一种新的火灾探测方法。先利用RGB-HSI颜色模型筛选出单帧图像中的疑似火焰区域,再结合区域跟踪算法和质心轨迹统计得出火焰的质心运动规律,从而实现火灾连续探测。实验证明,该方法能够排除常见干扰源的影响,对于室内火灾探测具有一定的实用价值。     

数据采集及处理在火焰闪烁频率研究中的应用

本文在理论分析的基础上,设计出测量火焰闪烁频率的实验方法和电路,在火灾科学国家重点实验室的大空间火灾实验厅进行实验,测量了不同燃烧物质火焰辐射频率特征,该测量分析对相关的火灾探测技术研究、设计提供了基础理论数据。     

基于红紫外光电传感器的多波段火焰探测方法研究

针对不同火灾发生场景对火焰探测的要求,建立具有火灾特征的火灾探测模型,对多波段红紫外传感器火焰探测机理、多特征数据融合算法和火灾决策判断方法进行研究。选择185～260 nm波段的紫外光电传感器和3.6、4.4、4.8μm波段的红外光电传感器进行火焰探测,采集火焰特征信号数据信息;采用多信号数据融合和特征参数相关性算法,建立多波段火灾特征的火灾探测数学模型,模拟火灾发生场景,训练有关特征参数的最佳配置。研究结果表明,对185～260 nm波段的紫外光和3.6、4.4、4.8μm波段的红外光进行多波段火焰探测,能够满足标准GB 15631-2008《特种火灾探测器》的要求,火焰的识别和决策判断能力提高,试验中无误报和漏报。     

原料储运大空间环境下的早期火灾快速识别算法研究

文章提出了一种大空间环境下火焰图像快速识别的算法.通过建立背景的统计特性模型确定了目标捕获的方法,通过初期火灾的发展规律得出了识别火焰颜色和形状特征的基本算法,利用模式识别算法给出了识别目标是否为火焰的算法.测试结果表明,该算法可以快速捕获和识别火焰图像,且误判率很低,能够作为大空间建筑初期火灾预警的依据.     

视频图像火焰探测技术概述

介绍了基于视频图像的火焰探测技术,分析了该探测技术相对于其他探测技术的优点,简述了该探测技术的主要组成和探测原理.与以往的探测技术不同,该探测技术采用非接触式的测量技术,尤其适合大空间、室外、以及隧道等场所的火灾探测.     

基于自注意力的隧道视频火灾识别技术研究

针对公路隧道火灾样本量少、深度学习效果不理想的问题，研究一种小样本学习技术，以提高对隧道火灾样本的利用率，并在此基础上利用成熟的机器学习方法，提出一种基于自注意力的隧道视频火灾识别技术。该技术采用自注意力机制结合SVM分类器搭建火焰识别模型，该模型针对各项特征对火焰识别的重要性分配不同的注意力权重，形成注意力矩阵，并将权重矩阵与特征向量的值相加权，通过SVM的Hinge Loss进行线性支持向量机分类，对公路隧道火灾进行识别和预警。在火灾识别训练过程中，通过对火焰疑似区域进行检测，并利用数据增强技术达到样本扩增的目的，随后采用多通道融合的特征提取方式构建特征向量，输入设计的自注意力火焰识别模型中，通过梯度下降优化器进行小批量模型训练，降低迭代次数，最终获得最优特征权重参数，得到最佳识别模型。试验结果表明，该方法在模型训练时收敛较快，在火焰识别时相比未使用小样本学习的传统SVM算法，准确率提高了5%，因此能在小样本环境下有效提高火灾识别的准确度。     

通过神经网络模型实现火灾图像跟踪探测

采用神经网络模型进行火灾图像数据处理的跟踪检测,建立数据处理的算法模型和火灾轮廓的识别跟踪结构,在图像处理过程中得出火灾火焰的尖角数目会因时间随机变化,采用MATLAB进行数据实验验证了算法可以保证火灾探测的正确性。实际应用效果表明,运用BP神经网络算法可以较好地实现火灾探测。这一研究为火灾探测提供了一个具有良好的适应性以及抵抗内外界干扰的能力的方法。     

高速公路隧道火灾探测技术比较及应用

本文简要介绍了高速公路隧道火灾报警系统中线性光纤分布式温度探测技术、双波长火焰探测技术、智能视频图像火灾探测技术的原理,分析比较了这三种典型技术的优缺点,并对公路隧道火灾探测技术的发展方向进行了探讨。     

双流序列回归深度网络的视频火灾检测方法

首先构建1个室外多场景大规模火灾视频数据库,不仅标注火焰区域,同时根据火焰区域标注量化的火焰级别标签。结合深度网络视频特征的表征能力,将火灾检测形式化为多类别有序回归问题,提出基于双流序列回归深度网络的火灾检测模型。所提出的方法有效融合了视频帧间的运动信息和关键帧的视觉信息。在所构建的数据库和现有的3个公开火灾测试集上的实验表明,所提出的火灾检测方法准确率显著提高。     

浅谈基于视频的高大空间建筑火灾探测与扑救技术

基于传统的高大空间建筑火灾探测与扑救技术是有局限性的,本文结合该技术在实践中的应用趋势,提出了基于视频的高大空间建筑火灾探测与扑救技术的设计方法。     

图像识别技术在火灾探测中的应用

讨论了火灾火焰图像的识别技术,研究了火灾火焰和其它一些干扰现象的面积变化规律、边缘变化规律、形体变化规律、闪烁频率规律和整体移动趋势,并且针对每一种规律提出了相应的图像识别算法。     

Fike SigniFire视频烟雾图像探测系统

Fike SigniFire是基于摄像头的视频烟雾、火焰探测系统,可以实现可视化探测烟雾和火灾,不受空气气流的影响。     

小空间火灾多元探测装置和实现方法研究

针对小空间火灾探测方法单一、误报漏报率高、采集数据处理简单的问题，提出1 种小空间火灾多元探测装置及方法，能够实现对火灾的烟雾、CO 气体、温度、火焰等的多元探测，多角度多方位采集火灾信号，利用信息融合技术和算法，寻找特征信息之间的规律，对数据信息进行分析解析、优化组合，运用人工神经网络和模糊推理方法，采取反复的样本训练将探测数据的误差降到最低，从而准确地判断火灾所处的阶段和类型，及时有效地采取灭火抑制措施。研究结果证明，小空间火灾多元探测方法能够满足小空间的火灾探测要求，减少了公共财产的损失，对火灾探测的进一步研究具有重要意义。     

无锡蓝天电子有限公司简介及产品介绍

（续上期） 10JTG-IR-5Ei（EX）点型红外火焰探测器JTG-IR-5Ei（EX） 10.1概述 JTG-IR-5Ei（EX）点型红外火焰探测器是公司推出的新一代点型红外火焰探测器。它是专门设计用于开阔区域长区间火灾探测的红外火焰探测器,探测器内置人工智能算法,既具有极高的火灾探测灵敏度,又具有传统火焰探测器所不具备的非火灾干扰源识别能力。每个探测器包含一对用于报火警触点和一对用于报故障触点。     

基于多重迁移学习的Yolo V5 初期火灾探测研究

火灾发生初期是灭火的最佳时期,故对于初期火灾的探测具有十分重要的意义。初期火灾的火焰面积较小,数据样本较少,传统的机器学习目标检测方法难以对其进行有效的训练。针对以上问题,提出图像型初期火灾探测系统,并对基于多重迁移学习训练得到的Yolo V5 初期火灾探测模型进行重点研究。试验结果表明,该模型精确率达到97%,对初期火灾的探测精度高、探测速度快,可以快速准确地探测到初期火灾的发生。     

基于图像特征的火灾火焰识别方法

针对火灾火焰识别算法复杂和对环境要求高的特点,提出了基于图像特征的火灾火焰识别方法。首先采用颜色模式预判断火灾图像,排除不具有火焰颜色的物体,然后采用图像灰度化和二维熵最大阈值法进行预分割,得到火焰疑似区域,再通过提取火焰纹理特征和形状特征等对火焰图像进行分析、决策,最终判断出是否有火焰产生。实验结果表明,该方法具有较高的探测率,能降低误报漏报率且抗干扰能力强。     

浅论某大空间建筑火灾探测器的设计研究

以某展览建筑的主展厅这一大空间区域为模型,介绍了几种火灾探测器的特点和适用性,分析了如何合理选择和设置火灾探测器,通过采用红外光束感烟探测器和火焰探测器相结合的方式,以实现火灾的早期探测。