基于视频序列的火焰模拟

在现有火焰模拟方法的基础上,提出了基于视频序列的火焰模拟方法.该方法首先用火焰视频帧图像提取火焰边界,然后用提取出来的边界对火焰形状建模,并在相邻模型间进行线性插值,获得火焰燃烧过程的形状变化3D动态模型,最后用粒子系统模拟,给出了具体的模拟步骤和实际的模拟效果.     

火焰模拟方法的研究综述

火焰等无规则物体的模拟近年来成为计算机动画领域中的一个研究热点,回顾了该领域中火焰模拟的各种模型的发展情况,总结了该研究方向所采用的各类方法,并结合各种模型的特点分门别类地详细展开。其方法总体上可以分为粒子系统方法、数学物理方法和纹理技术方法,讨论了各自方法的优缺点、适用范围和效果特征;展望了未来发展的3个重点:火焰细节、控制机制和模拟速度;并对这个方向的研究前景进行了必要的探讨。     

粒子系统在钻井模拟器中的应用

介绍了钻井模拟器图形程序在压井作业中实现模拟火焰燃烧效果的技术和过程。在粒子系统的基础上,基于OpenGL的火焰模拟使得效果更真实,场景更逼真。模拟过程中采用BillBoard技术实现粒子立体影像,节约了资源,提高了运行速度;采用纹理融合技术,火焰粒子随时间的推移,发生颜色渐变和纹理变化,使得燃烧效果更加真实。     

基于卷积神经网络的火焰智能识别研究

传统方法无法描述火焰变化特点，导致识别错误率高，识别时间长，为获得更加理想的识别结果，设计基于卷积神经网络的火焰识别算法。采集火焰图像，对火焰图像进行预处理，提高火焰图像的清晰度，并提取火焰识别特征，采用卷积神经网络对特征和火焰状态之间的关系进行模拟，构建火焰智能识别模型。在相同测试平台下，与其他方法进行对照实验，结果表明，所提方法描述火焰的变化特点，大幅度提升火焰识别正确率，同时缩短火焰识别时间，识别整体性能明显优于经典方法，具有较高实际应用价值。     

基于Level-Set的火焰动画生成方法研究

火焰动画在影视、动漫、游戏等领域有着广泛的应用,而逼真模拟细节丰富的多形态火焰动画一直是图形学研究领域的难点.以Level-Set曲面变形为基础,提出了将目标形态、路径约束和燃烧传播相结合的火焰蓝芯曲面演化模型,以此模拟沿路径的火焰蔓延、移动燃烧物等现象.并针对目前模拟中火焰细节不足的问题,引入修正的MacCormack高阶对流求解器;同时,采用烟密度演化曲线模拟燃烧过程中的烟雾生成,进一步提高火焰真实感.实验结果表明该方法能逼真模拟沿路径的火焰蔓延、移动燃烧物以及其他多形态且细节丰富的火焰动画.     

基于粒子系统和纹理绘制的火焰模拟

不规则物体的模拟一直是计算机图形学的研究热点和难点,而火焰在时间和空间上的多变性,更具有挑战性。本文详细讨论了火焰模型中火焰粒子属性的变化和纹理图片的选取。粒子系统是模拟不规则物体的有效方法,结合纹理映射增强绘制结果的真实感,可大大降低粒子数量,提高了绘制效率。实验表明,这种方法满足真实感和实时性的要求。     

自然燃烧火焰的快速仿真

从自然燃烧的火焰的现象出发,采用面向对象的方法,提出了一种基于粒子系统的自然燃烧的火焰的快速数值模拟算法.首先,讨论了形成火焰燃烧的动态场景图像的基本原理,给出了火焰图像与背景图融合的算法,并建立了用于火焰仿真的两种火焰颜色模型.然后,建立了用于火焰仿真的火焰粒子、火苗与火焰系统的面向对象模型,给出了各对象的燃烧行为的快速模拟方法.接着,对实现动感火焰的方法进行了讨论,指出了算法.最后给出了通过该文算法进行模拟实验的效果图.该算法准确度较高,速度快,效果较好.     

3D游戏场景中的火焰效果的真实模拟

在3D游戏场景中我们通常利用真实感图形学的知识,模拟具有随机过程的自然场景。粒子系统是此类应用的重要实现途径。本文在基础粒子系统的框架上进行改进,对动态火焰进行模拟。对火焰粒子的速度,动态效果和颜色变化等物理现象进行建模,采用关键帧技术和自定义粒子发射器,真实地模拟了3D游戏场景中的动态火焰效果。     

逼真可控的火焰动画框架设计与实现

提出一个通用的火焰模拟框架,通过前处理、火焰模拟和后处理三个阶段生成满足用户需求且真实感强的火焰动画。针对该模拟框架,给出一种有效解决方案。根据火焰的两相流特性以及流体湍流特性,提出火焰的湍流模型,在有限计算资源条件下生成细节丰富的高真实感火焰动画。实验结果表明,所提出的火焰模拟框架切实可行,能逼真模拟基本火焰现象以及在复杂曲线、曲面和蔓延规则约束下的火焰动画。     

CPU与GPU并行计算的火焰模拟

采用基于粒子插值的SPH方法对火焰流体进行模拟,用GPU加速粒子状态地计算,同时用CPU并行地计算粒子邻接关系并控制粒子产生速率。在SPH模型中,较为高效地加入了漩涡场的计算,增加了粒子运动的细节。在粒子渲染过程中,采用了色度场、有向点扩散和颜色锐化技术,由离散的粒子空间分布得到了较为理想的连续火焰图像。由于该方法属于流体模拟的拉格朗日法,所以火焰具有物理真实性,又由于采用GPU为主CPU为辅的计算架构,使得模拟达到了实时。     

Fire accident reconstruction based on LES field model by using orthogonal experimental design method

The main objective of fire accident reconstruction is to determine the fire source and find out the fire spread. The temperature and the fire spread mark are the most important information in a fire accident, the information can be fully utilized based on Large Eddy Simulation (LES) field model, which has been widely used as simulation model for fire analyses. However, this model is not popular in fire accident reconstruction because it needs lots of simulation runs, which increases the reconstruction time and cost. The use of orthogonal experimental design (OED) method as a tool to reduce the simulation runs in fire accident reconstruction is proposed in this research. An orthogonal array is selected on a discrete design space and levels are chosen from candidate values. Matrix experiments with the orthogonal array are conducted and range difference analysis is used to find out the optimum levels. The method proposed in this research is applied to a typical house fire accident as a validation. A group of optimum levels was obtained and the corresponding simulation was studied. The reconstruction results can provide a scientific foundation for accident judgements.     

森林场景可视化和林火模拟仿真技术研究综述

森林是生态环境系统的重要组成部分。随着气候变暖,恶劣气候气象条件造成全球森林火灾频繁发生,给国民经济和消防救援带来巨大挑战,森林火灾已成为全球主要的自然灾害。因此,森林场景可视化建模、3维场景仿真、林火模拟仿真、火场复现、预测和灾害评估成为林业虚拟仿真研究热点。本文对树木形态结构建模技术、森林场景大规模重建和实时渲染、森林场景可视化、林火模型和林火模拟仿真等前沿技术和算法进行综述。对相关的林木、植被的形态结构表达和真实感可视化建模方法进行归纳分类,并对不同可视化方法的算法优劣、复杂度、实时渲染效率和适用场景进行讨论。基于规则的林木建模方法和基于林分特征的真实场景重建方法对大规模森林场景重建技术进行分类,基于物理模型、经验模型和半经验模型对森林火灾的林火模型、单木林火、多木林火模拟和蔓延进行总结,对影响林火蔓延的不同环境气象因子（如地形地貌、湿度、可燃物等）和森林分布对林火发生、扩散和蔓延的影响进行分析,对不同算法的优劣进行对比、分析和讨论,对森林场景可视化和林火模拟仿真技术未来的发展方向、存在问题和挑战进行展望。本文为基于森林真实场景的森林火灾模拟仿真和数字孪生沉浸式互动模拟系统的构建提供了理论方法基础,该平台可以实现森林场景快速构建、不同火源林火模拟、火场蔓延模拟仿真以及不同气象影响条件的火场预测,可对森林火场救援指挥、火场灾害评估和火场复原提供可视化决策支持。     

Automated extraction of fire line parameters from multispectral infrared images

Remotely sensed infrared images are often used to assess wildland fire conditions. Separately, fire propagation models are in use to forecast future conditions. In the Dynamic Data-Driven Application System (DDDAS) concept, the fire propagation model will react to the image data, which should produce more accurate predictions of fire propagation. In this study we describe a series of image processing tools that can be used to extract fire propagation parameters from multispectral infrared images so that the parameters can be used to drive a fire propagation model built upon the DDDAS concept. The method is capable of automatically determining the fire perimeter, active fire line, and fire propagation direction. A multi-band image gradient calculation, the Normalized Difference Vegetation Index, and the Normalized Difference Burn Ratio along with several standard image processing techniques are used to identify and constrain the fire propagation parameters. These fire propagation parameters can potentially be used within the DDDAS modeling framework for model update and adjustment.     

基于改进FCM聚类算法的隧道火灾受困人员信息化定位方法

为了缓解火灾现场受困人员定位时间长以及定位精度低的问题,研究基于改进FCM聚类算法的隧道火灾受困人员信息化定位方法。采用改进FCM聚类算法分割隧道火灾图像,利用SIFI算法提取完成分割后隧道火灾图像的空间特征,利用Gabor小波方法获取隧道火灾图像空间特征内的面积边缘以及烟雾纹理,建立方向角分布模型以及烟雾变化能量模型...     

Simulating wildfires backwards in time from the final fire perimeter in point-functional fire models

Fire propagation models simulate wildfires forward in time from a set of ignition locations, but are usually unable to be used backwards if only a final fire perimeter is available. This approach is useful to search fire ignition points, reconstruct past fire events, adjust fire simulators and other purposes. This study proposes three different algorithms: a short time range backwards in time simulation from the perimeter, a statistical analysis related to the likelihood of a fire ignition location over the domain, and an analysis aiming to multiple ignition locations. The methods presented are fast to be solved and may be used with any empirical fire propagation model as a core engine as long as the ROS is locally defined and the model is not coupled to the weather.     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于 无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

基于主变起火应急演练的虚拟现实培训系统

为提高火灾应急演练的训练能力,提出基于主变起火应急演练的虚拟现实培训方法。在3D虚拟现实视景模型下计算起火环境的单尺度特征参数,并根据参数结果构建图像输出模型,结合主变起火应急演练模糊控制方法进行虚拟现实培训的三维重构,实现主变起火应急演练虚拟现实培训的控制,在虚拟现实系统中进行主变起火应急演练的视景重构,在视点位置中进行主变起火应急演练的3D虚拟现实模拟,实现基于主变起火应急演练的虚拟现实培训设计。仿真结果表明,采用该方法进行虚拟现实培训系统设计的帧渲染速度快、特征配准率高。     

Convolutional neural network based early fire detection

The detection of manmade disasters particularly fire is valuable because it causes many damages in terms of human lives. Research on fire detection using wireless sensor network and video-based methods is a very hot research topic. However, the WSN based detection model need fire happens and a lot of smoke and fire for detection. Similarly, video-based models also have some drawbacks because conventional algorithms need feature vectors and high rule-based models for detection. In this paper, we proposed a fire detection method which is based on powerful machine learning and deep learning algorithms. We used both sensors data as well as images data for fire prevention. Our proposed model has three main deep neural networks i.e. a hybrid model which consists of Adaboost and many MLP neural networks, Adaboost-LBP model and finally convolutional neural network. We used Adaboost-MLP model to predict the fire. After the prediction, we proposed two neural networks i.e. Adaboost-LBP model and convolutional neural network for detection of fire using the videos and images taken from the cameras installed for the surveillance. Adaboost-LBP model is to generate the ROIs from the image where emergencies exist Our proposed model results are quite good, and the accuracy is almost 99%. The false alarming rate is very low and can be reduced more using further training.

     

火焰、烟、云等不规则物体的建模方法研究综述

对计算机图形学领域的火焰,烟、云等不规则物体建模及模拟方法的研究动态进行了综述性介绍,在介绍描述云的分形几何模,描述火焰的细胞自动模型,描述气体现象运动特征的扩散过程及粒子系统模型,纹理映射模型和光照模型的基础上,分析和总结了几个主要方法的特点及使用场合。