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.     

视频火灾识别方法研究综述

火灾发生时,其火焰和烟雾具有特有的静态和动态特征,在分析总结火灾图像特征的基础上,以火焰和烟雾特征为线索,介绍了火灾提取和识别的典型方法,侧重于分析各种特征在火灾识别中的应用及所采用的算法,最后对未来视频火灾识别方法的发展方向作了展望。     

基于飞行时间深度图像变化率的火焰识别方法

为开发飞行时间算法在火灾探测中的应用,简化算法,提高检测速率和准确性,根据飞行时间法,结合火焰的深度图特征,设计了基于深度图像变化率的火焰识别算法。以三维深度相机为主要图像捕获设备,进行了多组火焰识别实验,包括正庚烷火焰、乙醇火焰、纸张火焰、灯光干扰、行人干扰实验,对捕获的图像进行了处理与计算,提出了识别火焰的简化算法和火焰像素估计模型。采用该方法分析了火焰深度图特征,火焰识别结果图像的频谱图特征、集中度特征以及面积变化特征。研究结果表明,采用文中提出的算法的实验识准率大于91.5%,误识率小于3.8%,能有效识别火焰。     

一个基于视频图像检测火灾的算法

针对传统火灾检测技术在面对大空间结构建筑及复杂环境中的不足,提出一种基于视频图像检测早期火灾的算法。该算法首先对视频图像进行阈值分割,然后根据火焰的颜色特征获取其中的疑似火焰区域。在此基础上计算疑似火焰区域的圆形度,并将圆形度与其整体特性相结合进行火灾的早期探测和预报。     

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.     

一种基于图像多特征的火焰识别算法

火灾探测技术的稳定性高、误判率低是目前研究的热点,重点分析了火灾火焰燃烧过程中色彩形态的变化过程.提出用火焰色彩、面积变化、尖角数、质心位置移动等信息作为火灾识别的依据,采用逐步排除、渐进的识别方式作出火灾判断的算法.实验结果表明,基于图像多特征的火焰识别算法能够有效识别出火灾火焰,并有很强的抗干扰能力.     

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。     

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。     

基于图像处理的森林火灾识别方法研究

主要研究了火焰的物理特征信息,结合图像处理技术,提出了一种基于图像中高亮度区域特征的森林烟火识别方法。该方法的核心是采用分步提取预处理后图像颜色、面积及圆形度特征来实现烟火识别,弥补了单个算法仅对单一特征进行分析导致识别准确度不高的缺点,且能快速排除干扰物,提升了整个森林火灾图像识别的运行效率。     

基于超像素和DTCWT的火焰检测

结合超像素和双树复小波变换(DTCWT)给出了一种基于图像的火焰检测算法。该算法使用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,并采用RGB-HSV混合颜色空间对超像素进行处理,分割出疑似火焰区域;然后利用DTCWT对疑似火焰区域图像进行多尺度多方向分解,分别对高低频系数提取HOG特征和圆形度特征;最后通过特征融合,并使用交叉网络搜查法的SVM实现火焰的识别。大量实验结果表明该算法火焰识别的精度较高。     

动态红外图像仿真研究

本文研究了飞机目标动态红外图像仿真技术。分析了飞机目标红外辐射特性,包括发动机、尾焰、尾喷口及飞机蒙皮的辐射计算方法。应用LOWTRA7软件包进行了目标和背景的动态图像仿真计算,可以为制导和火力控制提供仿真的红外动态图像。     

图像处理技术在火焰目标提取中的应用

在火灾识别系统中，为了精确地提取火焰目标，本文提出了一种综合有效的算法，该算法采用二维最大熵自动阈值法对火灾图像进行了分割处理，随后采用区域生长法，检测出火灾图像中的可疑区域，并以区域生长后的目标区域为模板，采用Otsu阈值选取法对当前图像进行精确分割，提取准确的火焰目标。实验证明该算法能够有效地提取出连续图像序列中的火焰目标图像。     

基于高斯混合模型的火焰检测算法

火灾作为对社会和环境危害最大的灾难,一直是人们重点防范的对象。但目前现有的火灾预警系统都存在误报率过高的问题。因此,文中提出了一种基于火焰闪烁动力学的火焰检测框架。在该框架中,火焰颜色分布模型采用高斯混合模型。此外,采用概率显著性分析方法和一维小波变换提取运动显著性和滤波后的时间序列作为特征,描述火焰的动态特性和闪烁特性。通过实验证明了提出的方法对比现有方法具有较好的精确度,能够获得95%以上的精度,并且具有较低的误报率,满足实际需求。     

基于多信息融合的火焰检测

针对复杂场景下的火焰检测困难,提出了一种结合颜色信息、运动信息以及统计信息的火焰检测算法。该方法首先将视频转换到YCrCb颜色空间,利用颜色信息分割出可疑的火焰区域,接着通过时域滤波提取出视频中的运动区域,结合颜色信息与运动信息的结果进行统计分析,根据统计值的大小确定视频中是否存在火焰及火焰所处位置。实验结果表明,本方法具有较好的实时性和自适应性,能在复杂背景下对场景中是否存在火焰做出快速准确的判断,且能处理摄像机运动的情况。     

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.     

亚像元火点对红外预警卫星的辐射干扰特性

亚像元火点是红外预警卫星的辐射干扰源,基于推导火点像元辐射强度方程,对不同条件下的火点像元在2.55~2.85 (m波段和4.19~4.48 (m波段的辐射强度进行数值计算,分析了影响火点像元辐射特性的因素。通过与Titan ⅢB型火箭尾焰辐射特性进行对比分析并利用实际火点数据验证了亚像元火点的辐射干扰特性,结果表明:亚像元火点在2.55~2.85 (m波段和4.19~4.48 (m波段均能够对红外预警卫星的探测造成辐射干扰,与火箭尾焰辐射特性的区别是大部分火点像元在4.19~4.48 (m波段具有更强的辐射强度,结果可为提升红外预警卫星抗火点辐射干扰能力提供理论支撑。     

基于视频图像的火焰识别算法

相对传统的火焰识别方法,为提高火焰识别精度,提出了一种基于红外热像仪和彩色摄像机的火焰识别算法。对采集得到的红外图像进行温度阂值分割,得到高温疑似火焰区域,通过三维重建技术匹配彩色摄像机中对应的高温疑似火焰区域,对其RGB空间模型进行色彩分析,排除干扰得到疑似火焰区域。在此基础上分析疑似火焰区域的区域增长特性及闪动特性,提取疑似火焰区域的面积及其轮廓,对其轮廓进行离散余弦变换,计算前后两帧图像轮廓的变化,从而进一步确定真实火灾火焰的发生,及时报警,减少误判率和危害性。实验证明了该算法的准确性和有效性。