矿井外因火灾感知方法

为解决可见光图像在井下受矿灯、车灯、巷道灯、粉尘、红色物体等干扰大的问题,提出了基于近红外和可见光图像的矿井外因火灾感知方法,将近红外图像和可见光图像融合,发挥近红外图像中早期火焰特征明显、可见光图像中中期火焰特征明显的优点,以提高矿井外因火灾识别率。提出了基于近红外图像、可见光图像、温度传感器、气体传感器和烟雾传感器等多信息融合的矿井外因火灾感知方法,该方法融合了近红外图像、可见光图像和传感器信息,传感器不需要无盲区覆盖,仅需要设置一定数量的气体传感器、温度传感器和烟雾传感器,具有及时、可靠、成本低等优点。将报警信息分为图像、温度、烟雾和气体4类。图像类火灾报警信息包括近红外图像和可见光图像信息,当近红外图像或可见光图像监测到火灾时,发出图像类火灾报警信号;当温度超限时,发出温度类报警信号;当烟雾超限时,发出烟雾类报警信号;气体类火灾报警信息包括CO、CO_2、O_2等,当CO、CO_2或O_2超限时,发出气体类报警信号。将火灾报警分为蓝色、黄色、橙色和红色4级,红色为最高级。当图像类、温度类、烟雾类、气体类4类信息中有1类报警,发出火灾蓝色报警信号;当图像类、温度类、烟雾类、气体类4类信息中同时有2类报警,发出火灾黄色报警信号;当图像类、温度类、烟雾类、气体类4类信息中同时有3类报警,发出火灾橙色报警信号;当图像类、温度类、烟雾类、气体类4类全部报警,发出火灾红色报警信号。     

图像型火灾空间定位研究

大空间火源的空间位置的定位是火灾自动探测和自动扑救中间的重要环节。在分析火灾图像和以往图像型火灾空间的相关定位技术基础上,根据计算机视觉原理,利用固定在自动消防水炮末端的单一CCD摄像头随水炮旋转扫描时的角度、位移变化,将CCD摄像头在不同位置所拍摄的图像中火源图像坐标和火源的空间坐标建立联系,利用极线几何扫描式单摄像机空间定位原理实现了火源空间位置的自动定位。     

基于可见光和红外图像的矿井外因火灾识别方法

分析了矿井外因火灾监测方法,提出了基于可见光和红外图像的矿井外因火灾识别方法。①温度和烟雾等传感器矿井外因火灾监测方法需多点布置,成本高、维护工作量大。②可见光图像矿井外因火灾监测方法具有监测范围广、使用简单、成本低、受距离影响小、分辨率高、色彩信息丰富、边缘纹理信息清晰、火焰结构信息便于提取等优点,但受矿灯、巷道灯、车灯及红色物体等影响大。③红外图像矿井外因火灾监测方法具有监测范围广、使用简单、可在浓烟等能见度低情况下监测火灾等优点,但监视距离、矿尘、环境温度和湿度、物体表面发射率等均会影响温度测量,近距离的作业人员、白炽灯及机电设备等均会影响火灾监测。④基于可见光和红外图像的矿井外因火灾识别方法提高了火灾识别准确率:当可见光图像和红外图像均识别出火灾时,才判定为火灾,发出火灾报警信号;当仅有单一可见光图像或红外图像识别出火灾时,不判定为火灾,发出疑似火灾报警信号。⑤通过试验验证了基于可见光和红外图像的矿井外因火灾识别方法的可行性。     

多判据图像型火灾探测系统的研究

根据火灾发生时火焰的颜色、面积逐渐增大、边缘上的尖角等特性,提出了一种基于机器视觉的火灾探测系统.着重介绍了对采集到的火焰图像进行颜色分析、面积计算和火焰尖角识别,以便得到更加准确的火灾识别效果.     

基于神经网络的火灾图像特征融合算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,着重分析了室内火灾图像与常见干扰光源图像的特点,提出用火焰区域面积变化、质心位置、尖角数、圆形度等信息作为火灾判据,并用模糊神经网络对以上特征参数进行数据融合,作出火灾判断。实验结果表明,基于模糊神经网络的信息融合算法能够有效识别出火灾火焰,提高了识别的准确率。     

基于CCD图像的自动定位灭火系统的开发

针对大空间建筑物早期火灾监控问题，提出了基于CCD图像信息的消防炮自动定位灭火监控系统的设计方案和具体实现，系统利用CCD摄像头提供的动态特征和颜色信息进行火源识别和定位，还利用了DSP和FPGA技术提高了系统的可靠性、经济性和实用性。通过实验证明，系统可以准确地识别和确认火焰，并通过消防炮控制器与消防炮联动，实现火源的空间定位，并自动控制消防炮向着火点喷射水柱灭火。     

基于遗传神经网络的火灾图像识别及应用

传统的火灾检测方法一般采用感烟、感温、感光探测器以及红外对射探测。本文提出了一种基于图像视觉特征的火灾检测方法,根据火灾火焰处于近红外波段的特征,采集近红外图像,并利用火灾初期火焰变化的各种特征信息,用图像处理方法提取这些特征值,并把其作为输入,利用遗传神经网络对其进一步识别,从而进行火灾判别,并进一步设计了基于以上思想的火灾识别系统。实验结果表明,该系统比传统系统更进一步减少了误报率且具有响应快、监控范围广等优点。     

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。     

基于DLT的双目视觉火源图像立体匹配新算法

为了提高双目视觉过程中对火源图像立体匹配的准确性和匹配速度,提出基于DLT的双目视觉火源图像立体匹配新算法。首先用直接线性变换DLT算法对火源图像进行图像校正,其次用Harris算法对其进行特征点提取,最后利用SURF算法对提取的特征点进行特征向量及特征向量在多维空间中对应点之间的欧式距离进行计算,得到两个特征点的相似程度并给予正确匹配结果。实验结果表明,该算法提高了火源图像立体匹配的准确性和匹配速度,适用于大空间建筑双目视觉火灾自动定位系统,具有一定的应用价值。     

双目视觉的立体标定方法

为实现双目视觉系统的立体标定,分析了摄像机成像模型,并充分考虑了透镜的径向畸变和切向畸变,提出了一种新的立体标定算法。该算法利用张正友的灵活标定算法,初步求取摄像机的内参数,结合Brown算法并提取图像中角点的子像素级坐标,精确求取摄像机内参数和畸变向量。为方便后续的图像校正,基于前面的单个摄像机标定,通过计算空间中的景物点在左右摄像机成像平面上的位置关系,计算出双目视觉系统中两个摄像机之间的旋转矩阵R和平移向量T,从而实现了立体标定。实验结果表明,该算法能取得较高的精度,可以应用于双目视觉系统。     

基于快速支持向量机的图像型火灾探测算法*

图像型火灾探测的核心问题是火焰和疑似火焰物体的分类和识别。以火灾视频和疑似火灾视频为分析对象,提取了火灾图像的面积重叠率、圆形度以及火焰尖角数目三个特征量,选择快速支持向量机进行分类器训练,最终利用训练好的分类器实现了火焰及干扰物体的分类识别问题。实验结果表明,该算法提高了火灾图像的分类精度和火灾识别的准确率,同时具有较高的检测效率。     

机器人双目视觉系统的算法研究与实现

针对计算机视觉系统在移动机器人中的应用,对摄像机标定、图像分割、模式识别、目标距离探测以及双目视觉系统在移动机器人导航中的运用进行分析与研究。文章提出了在特定三维场景中,对不同研究对象采取不同处理方式的复合算法,实现了对于机器人视野内简单几何物体的识别,同时使用双目摄像机结构,直接探测出目标物体相对于机器人的深度距离及其方位角度。     

双目立体视觉的目标识别与定位

双目立体视觉系统可以实现对目标的识别与定位.此系统包含摄像机标定、图像分割、立体匹配和三维测距4个模块.在摄像机标定部分,提出了基于云台转角的外参数估计方法.该方法可以精确完成摄像头旋转情况下外参的估计,增强了机器人的视觉功能.并利用广茂达机器人系统,基于改进的双目视觉系统进行目标识别与定位,以此结果作为依据控制机器人的手臂进行相应运动,最终实现了对目标物体的抓取,验证了提出方法的可行性.     

基于视频的大空间建筑消防系统研究

针对基于视频的大空间建筑火灾消防存在的实时性和有效性问题,提出了一种基于改进的自适应差分进化算法的摄像机自标定方法。用基于比值法与相关函数法融合的SURF火灾图像特征点匹配算法,快速得到准确的匹配点对;进行摄像机自标定,用较为准确的匹配点对求得基本矩阵F,利用绝对二次曲线的性质,得到优化函数。利用基于改进的差分进化算法对其进行优化,求得摄像机内参数,得到火源的三维信息。实验结果证明,该方法短时间内,算出了较为准确的火源的空间三维信息,实时性和精确度均能够满足火灾消防的标准,有效地进行灭火。     

基于图像特征的火焰识别与检测技术研究

提出了一种基于火焰图像特征的火灾火焰检测及识别算法。将火焰颜色、变化率作为火灾火焰检测与识别的判据,在火焰颜色模型和变化率的基础上引入火焰尖角以及圆形度对火灾火焰图像进行进一步判定。实验结果表明,该算法能有效提高火灾火焰检测与识别的准确率,排除干扰源。     

无人水面艇双目立体视觉系统设计

针对雷达不能利用目标的颜色等属性和水面多路径反射的干扰等问题,建立无人水面艇双目立体视觉系统,为实现无人水面艇的自主避障和目标跟踪等任务提供基础。采用两个IEEE1394接口的数字摄像机在无人水面艇上构建双目立体视觉系统,进而编程拍摄左右两幅图像并标定摄像机。结果表明,所构建的双目立体视觉系统可以用于无人水面艇视觉技术的研究。所设计的双目立体视觉系统对无人水面艇具有重要的研究意义。     

基于计算机双目立体视觉的排爆机器人自动抓取的研究和实现

研究和开发一个双目视觉系统用于智能排爆机器人的自动控制。该系统利用计算机双目视觉原理,采用Matlab 7作为运算引擎,调用机器视觉软件eVision 6.2进行立体匹配,实时捕获图像,进行摄像机标定、图像预处理和匹配,确定可疑目标物的坐标,把图像实时显示在控制台,并通过xPC目标系统实现该机器人实时控制系统,自动控制手臂靠近并准确抓取可疑目标物。排爆机器人的抓取实验表明,该双目立体视觉系统在精度上能满足排爆要求。     

基于嵌入式Linux的双目测距系统研究

根据嵌入式系统的特点,设计了以ARM为核心的双目立体视觉测距系统。系统使用双目立体摄像头采集图像数据,可设置图像的多种属性。利用开源计算机视觉库Open CV对采集的图像数据进行处理,分别完成了两台摄像机标定、匹配、重建等工作,最后实现摄像机测距功能。实验结果表明,该系统测量结果合理,工作稳定,同时可用Qt/Embedded实时显示图像和数据,具有良好的人机交互功能和跨平台移植性。     

多特征量对数回归的火焰快速识别算法

为了提高实时视频监控中火焰识别率和降低误识率,提出了一种基于多特征量对数回归模型的火焰快速识别算法。首先,根据火焰的色度特征进行图像分割,通过运动目标与参考图像差分运算获取火焰候选区域（CFR）;然后提取候选区域的面积变化率、圆形度、尖角个数以及质心位移等特征量,建立火焰的对数回归快速识别模型;其次采用美国国家标准与技术研究院（NIST）、仁荷大学计算机视觉实验室（ICV）和基于计算机视觉的火灾探测（VisiFire）实验库以及自制蜡烛、纸燃烧火焰中的火焰和非火焰图像中的300幅进行参数学习;最后选取实验数据库中8段视频共11071幅图像进行识别算法检验。测试结果表明,所提算法的真正率（TPR）达到93%、真负率（TNR）达到98%,识别平均用时0.058 s/帧。所提算法识别速度快且识别率高,可以应用于嵌入式实时图像火焰识别。     

基于STM32的探灭一体化智能灭火机器人设计

针对火灾的预防和处理问题，设计了一款能自动寻找火源并灭火和现场环境探测的智能移动机器人。利用超声波传感器感知周围环境并进行避障，通过火焰传感器配合PID算法实现火源的精确定位和灭火，利用摄像头完成对现场信息的采集，并搭配专用遥控器实现对机器人的控制和环境探测。实验研究表明：该机器人能够有效地实现对火源的定位和灭火动作，避障灵活准确，在消防领域具有广阔的应用前景。