图像识别火灾探测报警系统的研究与设计

针对目前国内常用的火灾自动报警技术的不足,提出了采用红外图像分析的方法,对火灾特征进行提取、识别,最终判断火灾发生并进行GSM远程报警的思路,介绍了火灾探测报警系统的整体框架,图像的前端采集方法,图像的特征表示和提取,火灾识别,远程报警的整个过程,能更好的实现火灾前期的探测.     

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。     

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。     

基于互信息时空域特征的视频烟雾检测方法

视频烟雾检测在火灾早期预警起到了重要的作用,文章提出了一种基于互信息时空域特征的提取方法。该方法引入了信息论中"互信息"的概念,通过区别干扰物体与烟雾在运动过程中背景图像与前景图像的关联性及其时间域上变化的特性,同时结合视频图像时空域的小波分析和归一化颜色空间中RGB颜色通道在时间域上的一维小波分析,从而实现了烟雾的识别。经过实验的验证和分析,文章提出的方法提高了视频烟雾识别的准确率,减小了视频中烟雾识别的误差。     

基于知识的线状目标边缘提取与识别定位

介绍了基于知识的线状目标的边缘提到，特征表达与识别定位方法，边缘提取与特征表达充分析利用人类关于线状目标的知识，摈弃了传统的图像低，中层处理常用的数据驱动型方法。识别的过程将目标的边缘信息与原始图像的达度信息相结合，避免了复杂背景下图像理解的歧义性，同时圆满解决了由于航空图像的噪声高面蚓的边缘提取的不连续及由此带来的识别难题。本文计算量小，速度快，实用性强。     

基于LBP特征匹配算法的红外人脸图像表情识别技术

红外人脸图像表识别过程中易受到光照不均匀、角度多变、亮度差异大等问题的影响，导致红外人脸图像表情识别效率较差，为解决上述问题，提出基于LBP特征匹配算法的红外人脸图像表情识别方法。首先通过局部优化保留摄影法对红外人脸图像实行降维处理，获取优化后的图像，然后采用多角度分水岭法分割图像，保留图像的细节信息。并采用LBP算子提取预处理后的图像纹理特征，将提取的纹理特征输入支持向量机中，计算出特征的类内比重，完成红外人脸图像表情的识别。实验结果表明，所提方法的平均识别准确率为92%,识别100张人脸图像表情耗时129 s识别效率高、识别效果好、稳定性强。     

基于Multilinear PCA的烟雾图像识别算法

为了提高火灾烟雾图像识别正确率,更好地预防火灾,提出一种基于multilinear PCA的火灾烟雾图像识别算法。在提取烟雾疑似区域的基础上,首先分别提取烟雾的静态和动态特征,然后采用multilinear PCA对特征进行融合,消除其中冗余特征,并根据选择特征进行训练样本构造,最后将训练样本输入支持向量机建立烟雾图像分类器,并对测试样本进行识别。仿真结果表明,相对于其他烟雾图像识别算法,提出的算法不仅提高了烟雾图像识别正确率和识别效率,而且具有良好的抗干扰能力,可以满足不同环境下烟雾图像识别要求。     

一种新型的城市火灾检测方法

在图像型火灾检测方法中,火灾特征的选取有一定的随机性和复杂性,仅仅依靠低层次的图像特征难以完整地描述复杂背景下的火灾图像。将深度学习技术应用到火灾检测领域,提出基于卷积神经网络的火灾检测方法,搭建包含3层全连接层的网络模型,使用Relu函数作为激活函数;然后基于Tensorflow平台实现该网络结构模型。在公开的火灾数据库上进行实验,结果表明,所提方法的火灾检测效果优于传统的图像型火灾检测算法,避免了由于选取特定火灾特征进行检测识别带来的局限性。     

深度学习的MPCANet火灾图像识别模型设计

针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析（Multilinear Principal Component Analysis,MPCA）深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。     

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DSP的图像型火灾探测技术的研究

介绍了火焰图像的特征判据,提出基于DSP的图像型火灾探测系统的开发流程,并介绍了利用CCS集成开发软件,在一个开发环境下完成工程项目创建、程序编辑、编译、链接、调试和数据分析的过程。最后,提出基于DM642的嵌入式图像型火灾探测软件系统实现。     

一种改进的火灾颜色模型检测算法

从火焰的颜色特征出发,综合考虑已有颜色模型的优缺点,提出一种改进的基于颜色模型的火灾检测方法.首先结合HSI颜色模型和YCbCr颜色模型对火灾图像进行预处理提取出可能火焰区域,然后在HSI空间上采用颜色空间距离法去除噪声.实验结果表明,该方法提高了火灾图像识别的准确度,并能在一定程度上消除干扰,具有较好的适用性.     

基于视频监控的火灾安全监测系统的设计

文中旨在设计和实现一种基于视频监控的火灾安全监测系统,该系统利用火焰识别算法和人员疲劳检测算法,能实时监测火灾的发生并提前检测人员疲劳情况,为火灾安全管理提供有效的帮助。首先,针对火焰识别,文中提出了一种基于图像处理和机器学习的火焰识别算法,其能准确、快速地检测到火焰的存在。其次,针对人员疲劳检测,文中设计了一种基于计算机视觉和模式识别的人员疲劳检测算法,其能实时监测相关人员的眼睛状态和姿势,及时发现疲劳迹象。〖JP+1〗最后,通过将这两种算法与Java后端系统进行集成,实现了一个完整的火灾安全监测系统。实验结果表明,该系统在火灾安全监测方面具有较高的准确性和实时性,为火灾事故的防范和人员安全提供了有效的保障。     

消防水炮射流轨迹图像的分割与识别算法研究

提出了一种基于改进OSTU法和区域生长相结合的消防水炮射流轨迹图像的分割与识别算法。首先对OSTU法进行改进,快速确定射流轨迹差分图像的最佳分割阈值,再用区域生长法分割得到可能的目标区域。对消防水炮喷射水流的形态特征进行了研究和分析,并以此为判据对可疑目标区域进行判断,最后识别出真正的射流轨迹。实验结果表明:该算法在不同光照条件、背景情况下,基本可以摒除干扰物,准确识别目标,且处理速度较快。     

大尺度高分辨率遥感图像机场目标的快速识别

基于对机场的图像特征、目标特征的全面分析,提出了一种从大幅面高分辨率光学遥感图像(10000×10000 pixel)中快速识别机场目标的算法。首先通过预处理去除图像中大部分与目标特性不相关的区域,然后在剩余区域中作精确的检测,其中用到的目标特征有空间频率、均值、方差和能量等,使用canny边缘检测、线段分割与四邻域跟踪技术对目标进行精确识别。研究结果表明,本文算法能够实现对机场的快速识别,识别算法时间小于2 s。