基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER（maximally stable extremal regions）检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.      

一种基于单张图像的烟雾检测算法

为了提高烟雾检测的准确性,有效排除图像中类似烟雾的区域,降低由于环境和光照不同而产生的误检率,提出一种基于颜色矩并结合邻近算法进行分类学习的方法,对图像中的烟雾进行检测,该算法能克服光照不同、背景复杂的干扰,有效消除疑似烟雾区域的存在。算法由两部分构成:烟雾颜色矩特征的提取和利用邻近算法对特征数据集进行分类学习,自动找出并正确标记新的测试图像中烟雾区域的位置。     

烟雾特征融合的火灾识别方法研究

针对基于图像的火灾识别方法易受干扰、误报率高等问题，提出一种基于烟雾特征融合的火灾识别方法。该方法根据火灾烟雾独特的纹理和边缘梯度特征，利用HSV颜色空间进行颜色特征提取，得到疑似烟雾区域；通过等价局部二值模式（ULBP）及方向梯度直方图（HOG）提取烟雾纹理和边缘梯度，得到特征向量，再将特征向量输入线性支持向量机（LinearSVC）进行测试和烟雾识别。研究结果表明，算法抗干扰性强，检测率高，为快速准确的火灾预警提供了算法依据。     

基于FDS的运输类飞机货舱烟雾探测试验方法研究

运输类飞机货舱烟雾探测试验采用烟雾发生器产生模拟烟雾的方式来进行,为科学合理地验证货舱烟雾探测系统的有效性,开展货舱烟雾探测试验方法研究。首先采用火灾动态仿真（fire dynamics simulator,FDS）对美国联邦航空管理局（Federal Aviation Administration,FAA）开展的货舱火灾试验进行火灾烟雾数值模型验证;然后,以某型运输机货舱为模型进行建模,采用经验证的烟雾数值模型进行不同发烟位置、货舱通风/不通风、不同货舱环境压力等条件下货舱烟雾扩散规律研究和烟雾探测器对烟雾的响应研究。结果表明：当火源位于8位置时,烟雾探测系统响应时间最长,该处为最严苛火源位置;舱内烟雾扩散情况受货舱通风条件影响很大,通风条件下烟雾探测系统报警时间比无通风条件下长;货舱环境压力越低,货舱顶部的烟雾扩散范围越大,有利于烟雾扩散,烟雾探测器告警越短。最后,根据实际货舱烟雾探测试验条件,从烟雾量大小、试验工况、发烟设备、发烟位置点选择等方面设计该型飞机货舱烟雾探测试验方法。     

一种实时模拟烟雾的新方法

烟雾具有高细节、快速变化和湍流的特点,而传统的烟雾模拟方法都是通过提高网格精度的方法表现烟雾细节,耗费了大量的计算时间。本文提出了一种全新的粒子系统与物理模型相结合的方法,在不影响实时性的前提下生成了逼真的烟雾细节。首先用低精度粒子系统描述烟雾的大致运动轨迹,然后将三维空间中的烟雾粒子投射到平行于视平面的一系列二维平面上,利用二维平面上MacCormack方法求解欧拉方程对流项的快速性,实时地再现了高精度烟雾细节。实验证明,该方法在视觉真实感和实时性方面都取得了令人满意的结果。     

基于视频的林火烟雾识别方法

森林火灾是威胁全球森林面积的一大重要因素,而烟雾作为森林火灾早期的一种显著现象,应当作为森林防火监测的首选目标。该文针对绕固定轴作周期性转动的摄像机拍摄的视频,构建林火监测与识别系统。系统包括视频帧定位、前景提取、烟雾判定、背景更新等模块。提出了一种基于背景帧序列分段模板匹配的视频帧定位算法,可以实现视频帧在全景背景中的快速准确定位。在前景提取和烟雾判定等模块中优化并融合了多种现有的图像处理方法,取得了良好的效果。整个系统可以实时运行,并可以在较长时间内保持稳定状态。     

基于形状控制的烟雾动画模拟

近年来基于物理的流体模拟成为计算机动画领域的一个研究热点。采用基于物理的方法来模拟烟雾,在烟雾形状控制方面,提出了一种新的而有效的方法;即在流体运动控制方程组的基础上,通过增加形状控制力来使烟雾迅速形成指定的形状。采用这种方法,人们只要指定烟雾的形状,系统就可产生烟雾逐步形成给定形状的动画。     

基于稠密连接和非局部运算的烟雾识别方法

烟雾图像检测已经成为早期火灾预警的主要技术手段之一,为了提升烟雾识别准确率和运算效率,提出基于稠密连接和非局部运算的深度卷积神经网络用于烟雾识别。首先,设计深度网络中卷积层间的稠密连接机制,构建稠密基本块,增强信息流通和特征重利用,同时也减少模型参数量。然后,为了进一步考虑烟雾图像的全局信息,将非局部运算与稠密基本块中的卷积运算相结合,构建稠密和非局部基本卷积块。最后,利用已经构建的若干个稠密和非局部基本卷积块搭建用于烟雾识别的深度卷积神经网络。在已经公开的烟雾图像数据库上进行性能评估,实验结果表明,提出的基于稠密连接和非局部运算的烟雾识别方法以不到1M的模型参数量取得了更令人满意的性能。     

高灵敏度烟雾报警装置的研究

提出了一种新型的烟雾报警装置,并详细介绍了装置的硬件电路原理和所采用的具有动态调整门限的幅值测量法和变化率测量法.试验运行表明,应用该测量法实现的烟雾报警装置,电路简单、工作可靠、测量灵敏度高.     

可燃元器件耐温时间新型测试装置的研制

针对可燃元器件的特点,提出了适用于速射火炮用可燃元器件耐温时间测试方法,并研制了测试装置样机;通过采用光电倍增管配合光纤进行火焰检测,以及红外发射、接收管配合光纤检测烟雾,作为一种测定可燃元器件膛内耐温时间方法;经试验测试,该测试装置能有效测试烟雾和火焰信号;该装置也能应用于其他非金属材料的耐温特性测试.     

基于卷积神经网络的烟雾检测

针对已提出的很多烟雾检测方法中都是基于手工制作的特征或者使用原始图片直接作为神经网络的输入,减少了深度学习的鲁棒性。为解决这些问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的烟雾检测方法。使用图片归一化方式消除光照的影响,利用烟雾颜色检测烟雾候选区域,CNN自动提取烟雾候选区域的特征,进行烟雾识别,根据分类结果得到报警信号。针对烟雾产生初期烟雾区域相对较小的问题,利用扩大候选区域的策略提高烟雾检测的及时性。由于训练数据少或不平衡引起的过度拟合,使用数据增强技术从原始数据集生成更多训练样本解决该问题。实验结果表明,该方法能有效地检测烟雾,且具有更高的准确率和更好的鲁棒性。     

燃烧室—喷管工作频率计算方法的研究

烟雾机是森林病虫害防治中的主要设备之一，燃烧室－－喷管是烟雾机的主要部分，笔者对燃烧室－－喷管工作的理论计算方法进行细致的分析与推导，并结合实际进行了试验验证。     

基于流体力学方程的二维烟雾模拟

介绍了一种基于流体力学方程并采取欧拉法实时模拟二维真实感烟雾的算法.为了获得视觉真实感,烟雾流体场的物理模型是根据Navier-Stokes方程定义;采取欧拉法将烟雾流体场划分为二维网格空间,并将烟雾速度场和浓度场分布定义于每个网格中心点;最后,通过双线性插值获得整幅图象中每个象素的烟雾浓度.试验证明该算法能实时高效地模拟具有真实感的二维烟雾效果.     

融合ICA和GBVS的烟雾分割检测算法

在烟雾前景分离中,针对传统高斯混合模型分离的前景仍存在大量噪声点的问题,本文将独立分量分析(ICA)应用于分离烟雾前景,对传统烟雾前景分离算法进行改进,算法通过ICA消除烟雾前景和背景间的二阶和高阶相关,降低非烟雾成分的干扰,并通过基于图的视觉显著性(GBVS)来缩减预判的烟雾前景区域,得到较为纯净的烟雾区域。实验结果表明,与基于混合高斯模型的烟雾检测算法相比,该算法提取的烟雾区域小而集中,主观视觉评价以及客观指标均显示本文算法的识别效果更优。     

基于深度学习和高分辨率遥感图像的车流量统计

针对现有的方法对地面道路上车辆检测率不高的问题,提出一种基于深度学习和高分辨率遥感图像的车辆检测方法.对高分辨率遥感图像道路进行感兴趣提取,并采用改进的YOLOv3模型对车辆进行多目标检测,利用多尺度特征进行对象检测.确定了训练流程,在高分辨率遥感图像数据集上进行训练,采用准确率、召回率、F值作为评价指标进行了图像识别检测试验.结果表明：采用文中方法对高分辨率遥感图像进行分析,得到的准确率、召回率和F值分别为98.01%、97.23%和97.57%,并且能通过检测结果统计得到每秒的车流量.该方法可作为地面车辆分布信息监测的一种有效补充方式.     

两种火灾烟雾识别方法的研究

接触式火灾探测器在大空间和室外场景存在局限性,结合视频监控系统和数字图像处理技术,进行探测和预警成为火灾探测领域里的新研究方向。针对不同场景下烟雾识别算法的选择问题,研究颜色统计特征和小波变换两种方法在烟雾图像识别中的应用,分析算法的具体过程及其适用性。火灾烟雾图像包含丰富的颜色、纹理等特征参数,将烟雾图像转换为二值图像,采用数字图像处理的方法对烟雾的RGB颜色特征进行统计,分析其颜色距离与人类视觉的关系,提取图像中的烟雾点特征,识别是否有火灾烟雾生成以达到预警的目的。小波变换方法利用烟雾背景图像纹理模糊即信号衰弱的特点,对目标前景进行提取。利用连续目标图像计算均值背景,通过与均值背景的对比,捕捉图像信号衰减的连通区域,获取烟雾图像。通过实验,从图像要求、烟雾对象、时间复杂度、适合场所几方面得出颜色统计特征和小波变换方法在火灾烟雾识别中的性能比较。结果对不同场景下烟雾图像识别方法的选择有指导作用。     

基于视频的烟雾检测

一种基于视频的烟雾检测方法,检测烟雾像素的算法由两部分组成:基于烟雾颜色的静态特征和烟雾扩散性的动态特征.先建立一个混合高斯模型来检测烟雾颜色像素,然后再用烟雾的动态特征来检测上面哪些像素才是真正的烟雾像素.实验结果显示了这种改进的方法能在火焰燃烧起来前报警,并且火警错报率降低.因此,这对于军事、社会安全、商业等都具有重要的意义.     

基于改进型残差网络烟雾图像识别

摘 要：当前在深度学习上对烟雾图像和视频识别较少,目前存在的问题是烟雾视频图像第一帧识别率低,覆盖范围小,自适应较差的情况。本文算法改变了ResNet结构,实现精确的烟雾区域检测。在实验中经过5000张不同烟雾图像的数据集学习,实验结果准确地识别了烟雾图片,为大范围的火灾烟雾报警提供了一种有效方案。     

火灾烟雾颗粒的光学散射特性研究

从理论和实验两个方面研究了几种常见的燃烧烟雾在不同波长激光下的散射特性。从Mie散射理论出发，比较几种Mie散射算法的优缺点，采用一种改进的连分式算法对火灾烟雾颗粒的散射光强分布进行计算，得出不同粒径大小和波长下光强分布图。结合理论计算，设计一套实验装置，测量并计算在不同角度下3种烟雾颗粒和面粉气溶胶散射光的相对光强比，实验测量值与理论计算值吻合较好。研究结果表明不同种类烟雾散射光相对光强比互不相同，火灾烟雾与非烟雾气溶胶差距较大，从而表明散射光相对光强比是区分不同烟雾特定的物性参数，为火灾烟雾探测技术发     

基于GB—YOLOv5的烟火智能检测研究

火灾的发生极大地威胁到人类的生命、财产安全，如何在初始阶段遏制火情尤为重要。针对复杂环境下火焰和烟雾目标较小、检测精度低、速度慢等问题，提出一种基于GB—YOLOv5的烟火智能检测方法。由于现有数据集限制，首先自建了包含4143张不相似图像的烟火数据集；其次将融合了注意力机制Convolutional Block Attention Module的Ghost Bottleneck模块与YOLOv5结合，在保证准确率的前提下，提高了检测速度；最后采用BIFPN模块替代PAN模块来增强颈部，更好地实现多特征融合，提高火焰和烟雾的检测能力。实验结果表明，改进后检测方法的平均精度均值比YOLOv5s高6.1%,推理速度比YOLOv5s快21%。