基于Kalman滤波器运动目标跟踪的火灾监测方法

针对目前通常采用的火焰信息特征检测方法无法有效排除环境变化产生的干扰,特别是光线变化易引发实时火灾监控出现误检的问题,提出了一种基于Kalman滤波器运动跟踪算法的火焰检测方法,同时利用颜色、圆形度等特征和信息进一步确认火灾。不同干扰条件下的测试结果表明,利用文中提出的算法进行火灾识别判断,具有响应时间短,抗干扰性强等优点,可满足实际使用需求。     

基于红外热成像的山火识别技术研究

针对传统火灾监控系统监控范围小、灵敏度差、易受环境影响等问题,设计并实现了一套基于红外热成像处理技术的山火识别系统。该系统对红外热灰色图像先后经过预处理、疑似火灾区域的分割和平滑处理以及动静态特征提取,同时结合烟雾温度传感器的辅助判断,利用SVM和AdaBoost两类分类器融合算法对森林火灾进行监控、识别和警报。实验结果表明,该系统能对火灾火焰进行有效识别,能为类似火灾监控系统的开发及实现提供技术指导。     

基于ARM的人眼疲劳监测系统

根据监测系统车载、实时、非接触、小型化等要求,设计并实现了一种基于ARM+Linux的嵌入式实时疲劳监测系统.将图像数据预处理、算法参数优化、汇编优化和编译器优化等优化方法相结合,实现了快速的人脸检测,并通过移植OpenCV实现了基于PERCLOS的人眼疲劳检测算法.与基于PC和DSP的疲劳监测系统相比,该实时疲劳监测系统具有强大的网络功能以及更优越的扩展性.在室内环境下的实验结果表明,系统检测准确率达到95%.     

基于火焰图像红外动态特征的早期火灾识别算法

针对普通彩色图像对早期火灾高危点的有限检测能力,提出一套基于红外图像动态特征的早期火灾识别算法,该算法使用改进的梯度算子结合图像的动态特征来判断火焰。通过实验,该算法能够快速地识别火灾火焰和早期火灾高危点。算法结构清晰,效率较高,便于工程实现。     

基于图像处理的人员异常行为监测设计

通过对人员异常行为有效的监测算法设计,提高视频监控和异常事故的智能识别能力。传统的人员异常行为监测算法采用视频步进跟踪学习方法,由于人员的随机性和不确定性,导致视觉识别效果不好。基于图像处理理论,提出一种基于视频帧图像阵列像素检测的人员异常行为监测算法,进行了人员异常行为特征数据采集模型设计,得到基于双相机视频监控的人员异常行为视觉特征采集模型,采用视频帧图像阵列像素检测算法,进行异常行为特征提取,得到邻域灰度值向量之间像素点为平均结构相似性聚类中心,计算人员异常行为检测全图所有像素点的加权平均位置的估计值,实现人员异常行为监测算法改进。仿真结果表明,采用该算法进行人员异常行为特征监测,能实现对特定异常人员的准确定位和清晰识别,异常检测概率较高,性能优越,在安防监控系统设计等领域具有较好的应用价值。     

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。     

基于改进YOLOv5的树莓派火焰识别系统

火灾会对人员与财产安全造成巨大危害,如何迅速、准确地检测火焰出现具有重要意义。为实现高大空间条件下火焰的准确识别,设计了一种具有二自由度、可全方位检测环境情况的红外摄像头,并结合深度学习对目标检测算法YOLOv5进行改进;利用K-Means聚类算法匹配出9个聚类中心宽高维度替换原网络anchor参数;考虑了目标框相对比例,对损失函数进行优化,并用于树莓派上实现火焰识别。测试结果表明：改进的YOLOv5算法在树莓派上单张检测耗时2.9 s,较无改进YOLOv5算法减少78%;系统查准率为100%,识别目标框置信度均在0.9以上,能够快速准确识别出火焰。     

嵌入式疲劳驾驶远程监测系统

针对疲劳驾驶监测,论文讨论了一种嵌入式疲劳驾驶远程监测系统的设计,具体介绍了基于RTMP传输协议可支持IPv6/IPv4的嵌入式疲劳驾驶监测系统的设计过程。主要研究内容包括：采用YOLOv3-tiny+Dlib人脸68关键点检测方法实现了对打哈欠、瞌睡等疲劳行为的监测,通过RTMP传输协议将驾驶员疲劳状态实时上传至后台服务器以方便工作人员的监管。实验结果验证了该系统对疲劳驾驶行为识别率可达95%,远程视频传输延时约为600毫秒,相关性能能够满足疲劳驾驶监测以及实时视频传输的需求。     

基于ZigBee的矿井安全管理系统设计

安全是煤矿生产的前提,是现代化矿井建设的主要目标,井下人员定位管理和瓦斯实时监控是安全管理的重要组成部分。本文设计了一种基于ZigBee技术的安全管理系统,该系统通过井下无线通讯和地面监控,可以实现对井下作业人员的考勤定位,以及对井下的温度、湿度、瓦斯浓度等的实时监测,为矿井安全生产提供有效保障。     

海计算模式下森林火焰识别算法的实现

针对传统森林防火方法中耗能低效的问题,讨论了海计算模式下森林防火的意义,并提出了海计算模式下森林火焰识别算法的实现.首先根据感知端的特点使用Qt/Embedded设计,再依据森林火焰的特点使用24比特加色模型和Sobel算子实现色彩和区域判定,最后把结果反馈到汇聚节点.该算法能自动对视频捕获的图像进行分析计算并能自动反馈结果,在传感端就完成了火情判别.经实验验证,相比传统的森林防火方法,该算法不仅实现了森林火灾的即时检测和识别,同时也实现了高准确率和低耗能.     

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.     

基于脑电图识别结合操纵特征的驾驶疲劳检测分析

交警部门在进行道路安全管理时,对疲劳驾驶的人员进行有效的驾驶疲劳检测,是辨别疲劳驾驶人员前提与基础。本文基于脑电图识别结合操纵特征为切入点,通过选取的样本进行驾驶疲劳实验,将脑电图识别与车辆操纵特性相结合来检测驾驶员的疲劳状态。     

Bioinspired Machine-Learning-Assisted Early-Fire Perception System Based on VO2 Optical Switch

The continuation of human civilization has always been accompanied by symbiosis and confrontation with fire. Particularly, humans can comprehensively recognize fire situations based on various sensory receptors in organs (eyes, skin, nose, etc.), further forming a sound fire perception system by in-the-brain recording, modeling, and understanding fire behaviors, leading to the most accurate fire treatments. If a sensing perception system can mimic human perceptual behavior and carry out real-time fire recognition, such an active defense system can achieve real fire safety. Here, inspired by the brain-centered perception system, an early-fire perception system enabled by a VO₂-based temperature-flame-modulated optical switch, and a machine-learning-assistant demodulation algorithm is reported. This approach creates real-time monitoring composed of early fire warning (1 s for candle flame and 4 s for 130 °C heat flow), fire cause recognition (95.7% accuracy in identification), and evacuation advice provision, advancing the technologies in the perception system that enable future sensors the comprehensive perception capability for fire state.     

基于物联网和GPRS的公寓安全智能管理系统设计

目前用于公寓安全管理的产品功能比较单一,不能对学生公寓进行全方位的安全防护.本文基于物联网和GPRS技术构建公寓安全监测、控制与管理系统,公寓房间内安装电流检测、温度检测、烟雾检测、红外防盗检测等多种传感器,对房间的安全信息进行感知与实时监测,实现未授权的门窗入口报警、红外防盗报警、大功率电器使用报警以及火灾报警等功能.所有报警信息通过无线传感网络和GPRS实时传送到数据中心,进行存储与显示.实验证明该系统可以实现对多路传感信息的准确识别和报警信息的无线传输.     

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。     

Bioinspired Color Changing Molecular Sensor toward Early Fire Detection Based on Transformation of Phthalonitrile to Phthalocyanine

The fire detection plays a critical role in the maintenance of public security. Previous approaches of early fire warning, based on smoke or temperature response must be set in the proximity of a fire. They cannot provide the additional information of fire location or size and are susceptible to complicated situations. It is still a big challenge to make rapid and accurate early fire warning in precombustion because of the lack of reliable alarm signals. Herein, a precursor molecular sensor (PMS) is designed and synthesized that can present the chemical structure transformation to form phthalocyanines (Pcs) and release a color change signal at about 180 °C, learning from the plant chlorophyll metabolism. Further, the PMS is assembled to an early fire warning component (EWC) and an intelligent image recognition algorithm is introduced for unburned fire detection. The EWC generates a colorful alarm within 20 s at 275 °C. Therefore, the facile PMS provides a reliable real‐time monitoring strategy to the early fire warning detection in precombustion.     

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.     

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。