基于YUV颜色空间和多特征融合的视频烟雾检测

针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融 合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度,多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。     

基于时空域深度神经网络的野火视频烟雾检测

针对目前的烟雾检测算法主要基于单一特征或烟雾的多个动静态特征的融合导致检测精度低的问题,提出一种使用卷积神经网络和循环神经网络组合的视频烟雾检测框架来捕获烟雾在空间域和时间域中的特征信息。利用空间流网络部分对运动区域自动提取特征后进行初步的空域的判别;在将空域判断为有烟的基础上进一步通过时间流网络和循环神经网络部分累积一组连续帧之间的运动信息以区分烟雾和非烟雾区域。与现有的使用深度卷积神经网络模型进行对比实验,实验结果表明,该方法具有较高的分类检测准确率。在多个视频场景中进行测试,验证了该算法的有效性。     

雾天条件下基于机器视觉的森林火灾监测

基于机器视觉的森林火灾监测已成为森林火灾监测的一个重要发展方向。烟雾是森林火灾监测的重要指标。然而,诸如云雾和类似烟雾的诸多干扰物降低了火灾识别精度,为此提出了一种结合去云雾和烟雾检测的基于机器视觉的森林火灾监测方法。首先,提取视频中若干帧图像作为样本图像,采用基于Haze-Line的去雾算法对样本图像进行去雾处理。然后,利用基于Horn-Schunck光流法的烟雾检测算法进行烟雾检测,并利用最大类间方差法去除相邻2帧图像间像素质量差异对烟雾检测的影响。最后,利用扩散性分析进行火灾判断。仿真实验及对比分析结果表明,本文方法能够检测出烟雾区域随时间逐渐增加的趋势,从而有效地进行雾天条件下的森林火灾监测,具有更高的准确性和鲁棒性。     

城镇森林交界域视频烟雾检测算法

针对城镇森林交界域火灾烟雾视频检测准确率低问题,提出一种融合多项图像特征和深度学习的视频烟雾检测算法。通过Vi Be方法提取前景变化区域,根据烟雾模糊特征和角点信息排除部分纹理细节较明显的区域。在此基础上,以颜色特征为判据进一步缩小检测范围,使用累积帧差法排除运动刚体的干扰,利用深度学习模型识别目标是否为烟雾。采用级联分类器的方式设计整体算法,并使用并行计算技术进行实现。实验结果和工程案例表明,该算法能够实现城镇森林交界域火灾早期烟雾的精准识别。     

多层级图像融合算法用于水体探测的比较

针对基于多源遥感图像的水体探测算法,缺少不同层级融合算法对水体探测精度的比较分析的问题,开展了比较不同级别的融合算法对水域面积提取精度的影响分析。分别在像素级与特征级对高分辨率光学影像与合成孔径雷达图像进行融合,并通过Kompsat-3及Kompsat-5图像开展水体探测实验。像素级融合算法基于IHS色度空间变换;特征级融合算法基于最大后验概率-马尔可夫随机场融合框架。基于ROC曲线对实验结果进行了定量比较分析。实验结果表明基于IHS色度空间变换算法的像素级图像融合方法水体探测精度与基于归一化差分水体指数的水体探测精度接近,而基于马尔可夫随机场算法的特征级图像水体探测方法综合利用了光学影像与合成孔径雷达图像上的水体特征,拥有区分水体与阴影的能力,水体探测精度较高。     

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.     

多特征分析的视频烟雾检测方法

提出了一种视频烟雾检测方法,利用烟雾颜色、运动方向以及纹理等特征区分烟雾,并在检测烟雾的同时找到火源位置。引入暗原色先验方法提取出与烟雾颜色相似的区域作为烟雾候选区;通过分析图像局部纹理特征估计图像块的运动方向,排除运动方向向下的非烟雾区域,从而缩小烟雾候选区;将烟雾候选区的一系列特征作为支持向量机的输入,分类为烟雾和非烟雾;根据被检测出的烟雾在视频帧中的具体位置以及对应位置出现烟雾的频数估计火源在视频帧中的位置。与相关算法的实验结果进行了比较,证明了该算法的有效性。     

早期森林火灾烟雾图像序列的分割算法

针对早期森林火灾烟雾图像序列,提出了一种基于时间-空间域联合的烟雾前景分割算法。首先,对烟雾的瞬时动态数据和累积动态数据进行分析,然后,进行二值化、形态学处理,得到了烟雾前景轮廓。通过扫描烟雾前景轮廓和填充烟雾前景掩模后即可得到烟雾前景图像。实验证明,该算法兼顾了分割效果和实时性,较好地对森林火灾烟雾进行了提取。     

基于视频的烟雾检测预警系统在森林防火系统中的应用

运用数字图像处理技术,提出利用烟雾来识别森林火灾的思想,给出森林烟雾监测预警系统的设计方法。该方法对获取到的图像进行处理,处理后再提取可疑区域并对可疑区域火灾发生时烟雾的特征进行识别,主要包括烟雾的背景模糊度特征和扩散性特征,针对烟雾的这些特征设计了相应的检测算法,实现对视频中的烟雾图像的提取、检测并自动报警。分析结果表明,结合烟雾特征设计的烟雾检测预警系统具有较好的识别效果,在森林防火预警中有很强的实用性。     

时空双路3D残差卷积网络的视频烟雾检测

现有的视频烟雾检测方法大多通过运动检测提取疑似烟区,并依据经验手工设计提取烟雾特征,在复杂场景中检测准确率不高。针对以上问题,提出了一种基于时空双路3D残差卷积网络的视频烟雾检测方法,基于混合高斯背景模型与原始视频帧的小波低频分量差进行疑似烟区提取,其次构造时空双路3D残差卷积神经网络,并引入注意力机制加权融合烟雾时空域特征,实现端对端的烟雾识别。实验结果表明,该方法可以得到更为完整的疑似烟区,尤其对于过于稀薄和浓厚的烟雾分割效果较好,且相比于传统的烟雾检测方法和2D的烟雾检测卷积网络,在烟雾检测准确率上得到了提高。     

融入时空显著性的高精度视频稳像算法

为剔除复杂运动前景对视频稳像精度的干扰,同时结合时空显著性在运动目标检测上的独特优势,提出一种融入时空显著性的高精度视频稳像算法。该算法一方面通过时空显著性检测技术识别出运动目标并对其进行剔除;另一方面,采用多网格的运动路径进行运动补偿。具体包括：SURF特征点提取和匹配、时空显著性目标检测、网格划分与运动矢量计算、运动轨迹生成、多路径平滑、运动补偿等环节。实验结果表明,相较于传统的稳像算法,所提算法在稳定度（Stability）指标方面表现突出。对于有大范围运动前景干扰的视频,所提算法比RTVSM（Robust Traffic Video Stabilization Method assisted by foreground feature trajectories）的Stability指标提高了约9.6%;对于有多运动前景干扰的视频,所提算法比Bundled-paths算法的Stability指标提高了约5.8%,充分说明了所提算法对于复杂场景的稳像优势。     

融合时域和分水岭信息的车辆检测算法

在实时视频图像车辆目标检测时,为了克服行进中车辆背景噪声和阴影带来的准确率低、漏检率高等问题,提出一种时空融合和内外标记的分水岭车辆检测算法。通过相邻视频三帧差法得到的时域运动变化信息结合Canny算子得到的边缘图像相结合,得到时域掩模图像。利用文中提出的基于二次重构、内外区域标记、梯度修正的分水岭空域算法对运动区域及其周围区域进行分割,解决了一般分水岭算法的过分割现象。将得到的结果进行投影,以提高运动状态下车辆的检测精度。实验结果表明,在车辆背景噪声和阴影的影响下,该算法的检测效果仍然较好,车辆漏检率降低到4.90%,算法的准确性、鲁棒性和适应性较好。     

改进YOLOv5s的小目标烟雾火焰检测算法

针对复杂环境中,烟雾火焰检测存在精度低,小目标检测困难等问题,提出一种改进的基于YOLOv5s的小目标烟雾火焰检测算法。基于公开数据集自建了9 981张不相似的烟雾火焰图像数据集,解决现有数据集的限制,提高了模型的训练效率与泛化能力;在网络中添加3-D注意力机制SimAM,增加算法的特征提取能力,而且没有增加额外的参数;修改网络中的Neck结构,将三尺度检测改为四尺度检测,并结合了加权双向特征金字塔网络（BiFPN）结构,对特征融合过程进行修改,提高小目标的检测能力与特征融合能力;通过遗传算法来优化网络中的部分超参数,进一步模型的检测能力。实验结果表明,改进后的算法比原始YOLOv5s算法平均检测精度提高了7.2%,同时对小目标检测精度更高,误检漏检等情况减少。     

An effective algorithm to detect both smoke and flame using color and wavelet analysis

Fire detection is an important task in many applications. Smoke and flame are two essential symbols of fire in images. In this paper, we propose an algorithm to detect smoke and flame simultaneously for color dynamic video sequences obtained from a stationary camera in open space. Motion is a common feature of smoke and flame and usually has been used at the beginning for extraction from a current frame of candidate areas. The adaptive background subtraction has been utilized at a stage of moving detection. In addition, the optical flow-based movement estimation has been applied to identify a chaotic motion. With the spatial and temporal wavelet analysis, Weber contrast analysis and color segmentation, we achieved moving blobs classification. Real video surveillance sequences from publicly available datasets have been used for smoke detection with the utilization of our algorithm. We also have conducted a set of experiments. Experiments results have shown that our algorithm can achieve higher detection rate of 87% for smoke and 92% for flame.     

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。     

多信息动态融合的运动目标检测方法

针对基于视觉显著性的运动目标检测算法存在时空信息简单融合及忽略运动信息的问题,提出一种动态融合视觉显著性信息和运动信息的运动目标检测方法。该方法首先计算每个像素的局部显著度和全局显著度,并通过贝叶斯准则生成空间显著图;然后,利用结构随机森林算法预测运动边界,生成运动边界图;其次,根据空间显著图和运动边界图属性的变化,动态确定最佳融合权值;最后,根据动态融合权值计算并标记运动目标。该方法既发挥了显著性算法和运动边界算法的优势,又克服了各自的不足,与传统背景差分法和三帧差分法相比,检出率和误检率的最大优化幅度超过40%。实验结果表明,该方法能够准确、完整地检测出运动目标,提升了对场景的适应性。     

利用惯性传感器和AdaBoost算法的步态识别方法

针对现有方法在步态识别方面存在的动作信号分割、传感器方向不一致和相似动作识别精度不高等缺点,提出一种基于惯性传感器和AdaBoost算法的步态动作识别方法。首先,基于尺度空间技术,提出了一种鲁棒的步态检测方法将信号分为动作样本,以此来应对动作速度或强度的剧烈变化;然后,应用定位补偿匹配算法纠正传感器的倾斜,从而解决了传感器方向不一致的问题;最后,为了提高识别精度,基于AdaBoost算法自适应选取动作特征,再进行判别分析完成识别。对5个相似步态动作类进行识别实验,结果表明提出的算法具有较高的准确性。     

基于H.264的运动及纹理自适应去隔行算法

在分析空间和时间二维插值去隔行算法特点的基础上,提出一种基于H.264编码的运动及纹理自适应去隔行算法。对H.264编码过程中的运动估计、运动补偿和帧内预测结果进行研究,将视频序列划分为运动区域、静止纹理复杂区域和静止纹理简单区域,分别采用沿自适应插值、竖直时域滤波和行平均插值方法进行去隔行处理。实验结果表明,该算法在处理运动区域和静止区域图像时,能有效抑制由于运动检测失误造成的梳齿和虚影问题,提升图像质量。     

Visual spatial-context based wildfire smoke sensor

Sensors for early fire detection based on visual analysis have been under constant development and improvement, especially during the last decade. However, there is still a lot of room for advancement to increase the accuracy and reliability of such sensors. In this paper, a novel method for wildfire smoke detection based on spatial context analysis as well as motion detection, chromatic, texture and shape analysis is introduced. Several measures for evaluating quality of smoke detection are used, both on image and pixel scale. Smoke is a semi-transparent and amorphous phenomenon whose boundaries are hard to determine precisely; therefore, fuzzy measures are introduced for assessing the detection error. The proposed method is evaluated using the proposed measures and compared with two existing methods. The results show that the wildfire sensor based on proposed method is capable of detecting fire-smoke accurately and reliably, and in most detection aspects it outperforms the existing methods.