低照度室内烟雾的计算机视觉检测方法

为实现低照度室内火灾的早期预警,提出一种计算机视觉检测方法。通过摄像头获取图像,采用自适应中值滤波对图像进行去噪,采用直方图均衡化进行增强,并采用基于改进学习率的混合高斯模型提取烟雾区域,对所提取烟雾的纹理特征、运动方向特征以及面积特征进行融合,采用基于支持向量机的识别算法对烟雾与干扰物进行分类检测。实验结果表明,该算法可以有效区分烟雾与干扰物,有较高的识别率与鲁棒性。     

基于视觉的烟火监控云台算法研究

火灾给人们的生命财产安全带来了严重威胁,做好火灾预防有着重要意义。基于人工智能和嵌入式控制技术,开发了一套基于视觉的嵌入式烟火监控云台,用于公共区域的烟火实时监控与预警。该云台使用NumPy算法库对视频图像进行快速预处理,以提高烟火检测的准确度和处理速度;使用Yolov5检测算法对视频图像中的烟雾和火焰进行分类识别,通过选取大量不同的火焰和烟雾场景制作数据集,得到烟火视频图像的检测模型,可以实现大范围的烟火监控与跟踪。实验表明,该算法可以实现通用场景下的烟火快速识别、检测与预警。     

一种基于模糊特征的火灾烟雾实时识别算法

提出一种基于烟雾模糊特征的火灾烟雾实时判别算法,利用二维小波变换分析背景边缘能量信息来判定图像中烟雾区域。先用背景差分法提取前景图像,确定火灾疑似区域,再利用小波分析方法提取烟雾背景模糊特征,最后通过分块判别的方法实现烟雾图像的识别。实验结果证明,该算法通过提取烟雾预判别区域,大大降低了计算量,实现了实时烟雾图像识别,增强了算法的应用效果。     

基于太赫兹电磁波的火灾主动成像系统

基于太赫兹(THz)电磁波的火灾主动成像系统,由非相干阵列式太赫兹照明器和太赫兹相机组成。在模拟火灾环境下,将太赫兹火灾成像系统与传统的近红外有源成像系统进行了比较。结果表明:无论有无烟雾,太赫兹火灾成像系统均能获得目标物体的清晰图像;而传统近红外有源成像系统目标物体图像的对比度随着烟雾密度的增加而逐渐降低。     

有雾天气下输电线路山火烟雾检测方法研究

输电线路多处于环境复杂的山林中,早期山火发生时经常以烟雾的形式呈现,而在有雾状况下的山火烟雾检测方法的研究却很少见.针对有雾天气状况时的山火检测,提出一种去雾图像增强方法,首先对图像局部均衡化处理,再对全局利用改进的单尺度Retinex方法做增强处理,并使用基于卷积神经网络的山火烟雾检测网络来检测早期山火发生时产生的烟...     

基于图像增强与多特征的森林火灾烟雾检测算法

针对目前森林火灾烟雾检测算法存在的不足,提出基于图像增强与多特征的森林火灾烟雾检测算法。该算法利用小波变换后不同尺度高频分量之间的相关度对小波系数进行修正,并通过小波重构实现图像增强;计算图像的分形特征和基于灰度共生矩阵的图像纹理特征作为烟雾识别的特征;把特征输入支持向量机,通过机器学习和大样本量实现火灾烟雾的识别。复杂背景下的森林火灾烟雾检测结果表明该算法能够有效实现森林火灾烟雾检测。     

基于图像型的火灾烟雾检测技术研究

为了提高基于图像型火灾烟雾检测的准确性和实时性,提出了一种基于支持向量机的火灾烟雾检测方法。首先对图像进行增强处理,再通过累积差分法对运动区域进行检测,再基于烟雾的扩散性,对烟雾和干扰源进行初判,然后对提取的目标区域进行特征提取,最后基于支持向量机对烟雾和干扰源进行分类检测。仿真实验结果表明,该方法具有较好的鲁棒性和较高的识别率。     

多传感器融合的火灾识别算法研究

针对传统火灾探测存在反应滞后,误报率高等问题,提出一种基于多传感器融合的火灾识别算法。采用运动和颜色检测提取可见光图像的疑似火灾区域,同时采用阈值分割提取红外图像的疑似火灾区域。将两者疑似火灾区域分别进行特征提取,再根据所获特征进行基于 SVM 的融合火灾识别,通过传感器检测实时的温度与烟雾浓度,从而实现可靠和快速的火灾识别。实验结果表明,该火灾识别算法在可接受的时间范围内准确率高且鲁棒性强。     

“火眼”V1.0视频图像火灾探测软件

正"火眼"软件是公安部天津消防研究所等单位开发的一款图像火灾探测报警软件。利用已有的监控摄像系统的实时监控图像,采用先进的图像模式识别技术,可实时探测监控区域可能产生的火焰和烟雾。软件探测速度快、抗干扰能力强、火灾定位准确,可同时识别火焰和烟雾。软件应用场所广泛,可有效应用于生产厂房、大型仓库、博     

基于暗原色和Retinex的夜间图像去雾算法

本文提出了一种利用图像的颜色转化,并基于暗原色理论和和Retinex理论的夜间图像去雾,通过图像的颜色转换和暗原色原理对夜间图像进行增强,再基于Retinex原理对增强后的图像进行去雾。相对于传统去雾算法,本文算法针对夜间有雾图像并有效的去除图像中的雾霾,去雾后的图像亮度、清晰度等都有了明显的提升,并且具有一定的应用前景。     

Video-based smoke detection with histogram sequence of LBP and LBPV pyramids

Video surveillance systems are widely applied in a variety of fields. Hence, video-based smoke detection is regarded as an effective and inexpensive way for fire detection in an open or large spaces. In order to improve the efficiency of the video-based smoke detection, a novel video-based smoke detection method is proposed by using a histogram sequence of pyramids. The method involves four steps. Firstly, through multi-scale analysis, a 3-level image pyramid is constructed. Secondly, local binary patterns (LBP), which are insensitive to image rotation and illumination conditions, are extracted at each level of the image pyramid with uniform pattern, rotation invariance pattern and rotation invariance uniform pattern to generate an LBP pyramid. Thirdly, local binary patterns based on variance (LBPV) with the same patterns are also adopted in the same way to generate an LBPV pyramid. And fourthly, histograms of the LBP and LBPV pyramids are computed, and then all the histograms are concatenated into an enhanced feature vector. A neural network classifier is trained and used for discrimination of smoke and non-smoke objects. Experimental results show that the features are insensitive to rotation and illumination, and that the method is feasible and effective for video-based smoke detection at interactive frame rates.     

基于注意力机制的3D卷积双波段烟火识别方法

为提高复杂环境下烟火识别的精度，提出一种基于3D卷积和时空注意力机制的双波段烟火识别方法，该方法融合近红外和可见光双波段图像数据，使用视频流中基于时间的动态特征和基于空间的静态特征降低漏报率、误报率。实验结果表明，该算法在双波段数据集上的烟火识别精度达到99.90%，优于其他基于3D卷积的烟火识别算法，同时，模型具有较小的参数量，能够满足实时推理需求。因此，使用双波段特征的同时，结合注意力机制充分利用视频的动态信息，可以有效提高烟火识别精度。     

受限空间火灾探测数据融合算法研究

为了实现对受限空间火灾发生情况多传感器自动探测信号处理,建立了基于CO浓度、烟气颗粒浓度、红外视频图像等多传感器探测的火灾探测数据融合分析系统.在受限空间内搭建基于多传感器火灾探测的数据融合分析实验平台.根据火灾红外视频图像的燃烧区域面积及圆形度等特征参数介绍了红外图像识别算法.在三种火灾探测方式特征参数的基础上提出了...     

基于改进YOLOv3的无人机林火监测系统设计与实现

以无人机为飞行平台,基于目标检测技术设计并实现了一套林火监测系统,针对原生态YOLOv3算法在烟雾与火焰检测时表现不佳,从增加NMS和重新聚类Anchors两个方面对算法进行改进,检测准确率和召回率分别提高了6.8％、11.92％.该系统无论昼夜都可实时监测森林火灾,提高了森林防火安全防范的能力和林火预警的自动化、数字...     

多站融合变电站内数据中心智能消防联动系统设计

为了解决多站融合变电站内数据中心传统消防的机械性、低效性、传输距离短等问题,设计一种基于LoRa无线传输的数据中心智能消防联动系统。该系统通过传感器探测烟雾、温度以及电压实现多参量探测系统,利用LoRa远距离无线传输将多个探测终端节点的处理数据传输至消防监控终端,经过阈值比较法判断数据中心实时状态,联动各区域消防设备完成协同灭火。实验结果表明,探测终端信息可在5 s内完成响应,消防灭火继电器的响应时间则在0.5 s内,相较于传统的细水雾灭火系统响应时间（小于60 s）有了较大的提升,并能在监控屏上准确显示火灾位置,灭火效果好,无复燃现象。     

基于烟气湍流效应的火灾判据

烟气是火灾过程的重要物理现象,烟气的湍流效应是火灾图像探测的重要影响因素。本文分析了烟气湍流效应对火灾图像探测的影响,得出了一些烟气湍流效应的图像特征,为多参数特征的火灾探测提供了理论依据。     

A smoke model and its application for smoke management in an underground mass transit station

This paper discusses the development of a smoke model for CFD. The model evaluates smoke visibility based on line of sight. Using a compartment fire, the deficiency in determining visibility by the conventional surface-based approach is first demonstrated. Smoke management in an underground rail station is investigated using the smoke model. For a medium growth rate fire, the results show that the platform is blocked by smoke within 2–3 min. On the mezzanine, the designed smoke exhaust controls the smoke only for a limited time of less than 4 min. The variations of smoke obscuration are quantified at three locations, which are used to start the tunnel ventilation at 4 min. This can be related to a video-based smoke detection. The smoke model would be useful in tenability, egress and other life safety assessments. Future development of the model includes local lighting effects and experimental validation.     

低照度下火场应急疏散标志颜色特征研究

为研究低照度火灾场景中应急疏散标志的颜色特征变化,提出了一种基于闵氏距离的低照度颜色特征量化方法,利用统计学方法研究低照度下火场标志背景的颜色特征参数。首先分别在室内灯光环境和低照度单一火场环境中取得标志背景的图片样本;其次对试验图片进行检测统计、特征提取;最后统计并分析图像的闵氏距离、方差。试验结果表明：近火场标志背景使用效果变差,绿色和蓝色背景标志尤为明显。以非接触测量的闵氏距离方法能够有效度量各通道值,并能分析各参数对结果影响的大小。     

受限空间火灾探测信号可靠性研究

为提高受限空间内火灾预警的准确性,设计并建立1套针对受限空间内火灾探测信号可靠性研究的技术,将可燃物燃烧烟气体积分数的实验研究与神经网络仿真算法相结合,验证受限空间内火灾探测信号是否满足高斯分布.结果表明:可燃物燃烧烟气体积分数在误差允许范围内可拟合为二次高斯分布形式.2种可燃物燃烧产生的CO值输出信号服从高斯分布,且...     

关于公共照明监控的探讨

结合消防需要、就地控制功能,对建筑设备监控系统中关于公共照明系统的监控进行了初步的探讨,在《智能建筑弱电工程设计施工图集》(图集号:97X700-2)BAS照明系统监控原理示意图的基础上,对公共照明系统监控系统原理分3种情况进行了适当的改进。