基于超像素分割与闪频特征判别的视频火焰检测

视频监控已经成为当今火灾防范的主要方法。视频火焰算法层出不穷,但多为训练各种分类器做最后的分类,这需要提前准备大量相关的视频火焰样本来做训练,在视频火焰样本不够的情况下往往不能达到很高的检测率。本文提出一种基于超像素分割并结合闪频特征进行判断识别的方法。首先在Lab颜色空间上利用超像素分割方法将待检测图像分割出近似均匀的若干个小区域,并以其形心点代表一个超像素,结合RGB颜色空间与Lab颜色空间中的静态特征,根据提出的一定规则提取出火焰候选区域,最终利用此区域内提取的闪频特征判别其是否为火焰。实验证明,该算法在样本较少的情况下检测率较高。     

基于色彩和闪频特征的视频火焰检测

基于视频图像的火焰检测是火灾预防的一个重要研究方向。为了提高火焰的检测率,利用RGB和HSI色彩空间中的颜色信息,建立了一种新的火焰色彩模型,应用该模型提取疑似火焰区域。提出了一种基于累积差分RGB三通道的火焰闪频特征抽取方法,并用逻辑回归（logistic regression,LR）对火焰的闪频特征进行分析,得到了优化的权重和偏斜率,建立了火焰闪频特征值的概率模型。最后将概率模型应用于火焰检测。实验结果表明,该算法对火焰区域检测效果好,适用范围广,且能检测出较小的火焰区域。     

融合运动特征的高效视频火焰检测算法

提出一种轻量高效的视频火焰检测算法。该算法以基于深度学习的卷积神经网络目标检测算法为主体,提取监控视频中的图像帧,识别并定位火焰区域。加入运动目标检测模块作为后处理机制,依据连续视频帧中火焰的运动特性,采用基于混合高斯模型的运动目标检测算法对火焰目标检测结果进行合理化判断,减少类似火焰的静止物体或光线造成的误报,效率高且资源消耗少。此外,收集并标注了一套火焰检测数据集（Fire detection dataset,FDD）,包含多种场景下多类型燃烧物产生的火焰图片2 487张以及15段不同场景下的火灾视频数据。在FDD的视频检测实验中本文算法准确率达到了98.94%,证明了本文算法的有效性。     

多特征融合的视频火焰检测算法研究

基于视频的火焰检测算法为解决传统感烟感温火焰检测方法受环境制约的问题提供了一条新的路径。通常的视频火焰检测算法主要利用火焰的颜色、形状、频域特征等信息来进行检测,计算较为复杂,往往不能达到实时性。文中结合火焰的颜色、运动特性以及频闪特性,提出一种简单高效的视频火焰检测方法。首先使用ViBe算法提取出视频中的运动区域作为火焰候选区域,以降低计算量,再通过火焰的颜色模型筛选出疑似火焰区域,最后根据火焰的频闪特性建立一个简单的频闪模型,进一步滤除与火焰颜色相似的非火焰运动区域。通过实验证明,该文提出的算法能够检测出不同环境下火焰的发生,且执行效果较高。     

多特征融合的视频火焰检测算法研究

基于视频的火焰检测算法为解决传统感烟感温火焰检测方法受环境制约的问题提供了一条新的路径。通常的视频火焰检测算法主要利用火焰的颜色、形状、频域特征等信息来进行检测,计算较为复杂,往往不能达到实时性。文中结合火焰的颜色、运动特性以及频闪特性,提出一种简单高效的视频火焰检测方法。首先使用ViBe算法提取出视频中的运动区域作为火焰候选区域,以降低计算量,再通过火焰的颜色模型筛选出疑似火焰区域,最后根据火焰的频闪特性建立一个简单的频闪模型,进一步滤除与火焰颜色相似的非火焰运动区域。通过实验证明,该文提出的算法能够检测出不同环境下火焰的发生,且执行效果较高。     

基于视频的火焰检测方法

在分析视频监控的火焰检测技术的基础上,针对传统的帧间差分法,提出一种结合分块处理和帧间差分的分块帧组差分的运动检测方法,提高相邻像素间的关联性,降低噪声干扰的影响,通过色调、色饱和度和亮度来分析视频中火焰像素的静态颜色特征,降低亮度对颜色检测的影响.充分利用燃烧火焰的动态频谱特征和空间的能量信息,对不同时刻火焰燃烧的图像时域和空域进行小波分析;分析后的疑似火焰区域利用连通邻域像素的信息对零散的非火焰像素点进行滤除.实验结果表明,该检测方法更具目的性,且颜色检测更具可靠性,降低了闪烁光和类似火焰物体等造成的影响.     

嵌入式系统和红外图像的火焰检测算法

火焰的检测与识别是对火灾预防与控制的重要因素,目前已设计出一种嵌入式的图像采集系统,对嵌入式系统的概念进行了分析,分别探讨了火焰目标的提取、火焰特征的识别、火焰动态特征的识别以及火焰检测算法的设计,通过嵌入式系统以及红外图像的综合技术的实验分析,体现出该技术进行火焰检测算法的优势.     

基于运动区域检测的黑板设计

介绍几种常见的运动区域检测方法以及黑板模型．从基于网格模型的运动区域检测的研究出发,并结合黑板模型的设计思想,提出基于运动区域检测的黑板设计框架,并对设计框架中的知识源、控制机制和黑板进行详细的设计。该方法突破常规的设计思路,提高运动区域检测的智能化。     

基于新的运动特征的火焰检测方法

当前火焰检测方法在刻画火焰特征时忽略了火焰的运动方向信息,从而对于复杂背景环境下的火焰目标可能会产生错误的检测结果.为了更准确的刻画火焰,在层次火焰检测方法的基础上,对多个层面,融入光流法获取的火焰方向信息,提出一种新的火焰运动特征,从而实现火焰检测.首先利用光流获得火焰候选区域每个点在四个方向区域的分布,统计不同区域像素的比例信息获得火焰方向特征;然后在时空层次上结合方向特征进行分析形成火焰频率特征;最后把方向和频率特征结合形成火焰的运动特征,利用核支持向量机(Kernel-SVM)对该特征进行训练,得到火焰检测模型.实验结果表明,火焰运动特征能显著提高火焰检测的准确性和降低误报率.     

应用GMM的快速火焰检测

基于视频图像的火焰检测是火灾预防研究的重要内容。为提高检测效率,首先使用具有自适应背景变化的 高斯混合模型(GMM)来检测场景中的运动物体。然后针对运动物体,提取颜色特征和面积变化特征。最后,根据得 到的特征来识别场景中是否有火焰发生。该方法不仅可有效检测到视频中的火焰帧,还避免了非火焰场景中对计算时 间的浪费。     

基于运动区域的多目标检测

运动目标的检测在天文观测、气象分析、安全监视、交通管制等许多领域有着广泛的应用，它是机器视觉研究的重要课题。本文提出了基于运动区域的多目标检测方法，有效地解决了同一运动目标在序列图像中“远小近大”的问题，运用运动区域正确地检测出运动目标在序列图像中的位置。     

火焰颜色及动态特征的选择和探测方法

在一般光照前提下对火焰的时空、颜色等特征进行选择时,为了找到适应火焰区域探测的最佳特征,在不同颜色特征中使用PCA特征选择方法对各颜色通道特征进行降维,然后使用Relief特征选择方法确定动态和颜色特征的最佳分类组合特征顺序,最后使用协方差矩阵对各特征的分类贡献效率进行验证。实验过程中为了比较分析采用了3组融合特征,实验结果表明通过Relief和PCA特征选择方法得到的融合特征在火灾监控系统中表现出较好的识别精度和较高的运行效率。     

基于DB小波变换的多频时变电压闪变检测仿真研究

电压波动与闪变是评价电力系统电压质量的重要参数,因此电压闪变的检测分析对于电力系统的运维至关重要。为了验证Daubechis(DB)小波变换在电压闪变检测方面的有效性与可行性,采用MATLAB搭建了电压闪变信号模型,采用DB小波变换对多频时变电压闪变信号的检测进行了仿真分析,并将仿真结果与基于平方检测法的仿真结果进行了比较。结果表明,DB小波变换不仅能够检测出电压闪变分量的幅值与频率信息,而且能够根据小波变换的模极大值确定电压闪变发生与结束的时刻,而基于平方检测法的电压闪变信号检测无法直接分离出多个电压闪变分量,也无法检测出电压闪变的起止时刻。仿真结果验证了DB小波变换用于电压闪变检测的有效性与可行性。     

基于噪声和能量分析的视频运动变化区域检测

提出基于噪声特征参数估计和能量分析的视频运动变化区域自动检测方法.该方法通过基于块的帧差处理,利用相对噪声服从高斯分布的特性和能量的属性的双重约束来检测运动变化区域.利用Matlab实现了相应算法,实验结果表明该方法具有较强的自适应性和应用性.     

动态闪变电压检测及电机智能自启动系统设计

为迅速准确地提取闪变电压的特征值,克服电压闪变对生产造成的损失,设计了一种智能自启动防护系统.该系统通过对闪变跌落电压实时性检测方法的分析,运用"abc-bq"变换的检测算法,检测出闪变电压波动起止时刻和有效值.同时,系统对闪变电压跌落造成的生产设备停机可以实行自动恢复或报警,为连续性生产工艺提供了一种有效的防护.     

基于运动检测的图像去模糊算法

针对相机曝光期间,由于相机和被拍摄物体之间存在相对运动而产生的图像模糊的问题,提出一种基于运动检测的图像去模糊算法。本算法根据相机成像的数学模型,推导出模糊核的参数（长度和方向）与相对运动之间的定量关系,通过维纳滤波对图像进行滤波去模糊。通过实验,可以观察到滤波过后的图像在细节上更加清晰,表明本方法能够一定程度上地去除模糊。     

基于火焰图像动态特征的火灾识别算法

提出了一种基于火焰图像动态特征的火灾识别算法.首先在HSI空间对捕捉的图像进行彩色分割,通过相邻两帧图像判断视频中是否存在可疑火焰.当有可疑火焰存在时,再连续捕捉多帧图像,进行火焰中心定位并提取火焰动态特征,最后判断是否发生火灾.实验结果表明,该算法具有比较好的鲁棒性,能够有效地提高火灾识别的准确率、降低误报漏报率.