基于亮度守恒假设的火灾图像运动特征提取

论述了火灾火焰和烟雾图像特征分析及提取方法,分析了这些方法尚存在的问题,指出了火灾图像运动特征分析相对于静态特征分析的优势.针对亮度不变假设在提取火灾火焰和烟雾图像运动特征时存在的问题,提出将目前最新的光流计算方法——亮度守恒假设应用于视频火灾探测中,结合全局平滑性假设,推导了亮度守恒方程解的迭代形式,并对基于亮度守恒假设的火灾火焰和烟雾图像运动特征识别方法进行了分析和讨论,为开发更加准确可靠的视频火灾探测识别算法提供了理论支撑.     

一种新型的图像型火灾识别算法的研究

图像型火灾探测技术是一种新型的探测技术,可以有效地克服传统火灾探测技术的缺陷.针对背景复杂的火灾图像,首先利用差分技术、RGB颜色分割技术和形态特征分割技术建立3层复合分割模型,排除大部分干扰,得到火焰疑似区域;然后分析火焰疑似区域的相似性测度、面积变化值、致密度、偏心率和质心点偏移距离等特征,这些特征可以较全面地表征火灾信息;最后利用RBF神经网络建立火灾识别模型,将提取出的火焰特征作为输入量,对火灾图像进行分类识别.仿真结果表明,该算法对不同场景的火灾识别具有较高的准确率.     

大型石油化工储罐区消防安全系统设计

文章针对大型石油化工储罐区消防系统中存在的问题,在国家消防技术标准规范的基础上引入新型光纤测温、视频图像火灾探测等先进技术,以及大型储罐区消防PLC及联动控制系统,提出了一种适用于大型石油化工储罐区的消防安全系统解决方案。该方案集成光纤感温火灾探测技术、图像型火灾探测技术,并联用水喷雾冷却系统及泡沫灭火系统等,对石油化工储罐区进行分区保护,为石油化工储罐区提供一种高效、可行的消防系统。     

浅谈大空间火灾探测技术

针对大空间火灾探测设计所面临的问题,分析了大空间火灾探测的特点,介绍了光截面火灾探测器和双波段图像型火灾探测器的工作原理和技术特点,并对其在大空间建筑中的选型、应用及布防进行了探讨。     

海岸海岛重要基地图像型火灾探测系统研究

针对当前海岸海岛重要基地防火方法不能适应实际需求,提出了基于云计算的图像型火灾探测系统.作为一种新的服务计算模式,其具有弹性计算、简化应用和降低成本的特点,然后对云模式图像型的火灾探测系统行了深入的研究,提出了系统架构,探讨了火灾探测的功能服务设计,提出了云模式火灾探测中关键阶段融合多种数据处理技术提高探测准确率的方法.最后借助开源Hadoop平台,对系统方案进行了有效验证.     

煤矿井下图像型早期火灾探测

针对煤矿井下传统火灾探测方法的不足,提出了一种基于图像型的火灾探测方法,阐述了对所获取的红外图像进行预处理、特征提取和火灾识别的过程。根据早期火灾的特点,通过提取图像序列中多个参数的火灾信息,并将量化后的火灾特征值输入支持向量机,对支持向量机进行分类器训练,再利用训练好的分类器对火灾和干扰物进行分类识别。实验结果表明:该方法探测正确率高,误判率低,抗干扰能力强,对于小样本的非线性分类问题效果较好。该研究成果对煤矿外因火灾的预防具有一定实际意义。     

基于ZigBee无线传输协议的视频火灾探测系统设计

本文提出基于集成ZigBee无线协议的Z-Accel 系列网络处理器,运用视频图像处理、检索和数据挖掘技术,采用H.264视频图像压缩和ZigBee协议无线传输,实现实时火灾视频监控的网络系统解决方案.     

火灾视频图像的边缘自动检测研究

针对火灾视频图像的特点，在介绍了边缘检测的基本思想后，详细研究了火灾视频图像的边缘检测方法和常用的几种边缘检测算子，同时利用拍摄的火焰视频图像对本文提出的算法进行了多次试验，并通过结果图像证实了提出的边缘检测方法效果良好．     

补白

煤矿井下图像型早期火灾探测研究王媛彬,马宪民(西安科技大学电控学院,陕西西安?710054)摘要:针对煤矿井下传统火灾探测方法的不足,提出了一种基于图像型的火灾探测方法,阐述了对所获取的红外图像进行预处理、特征提取和火灾识别的过程。根据早期火灾的特点,通过提取图像序列中多个参数的火灾信     

使用日夜两用型红外摄像机进行火焰检测

为了提高火灾监控的准确性和及时性,并最大限度地利用已有硬件设备,提出一种使用日夜两用型红外摄像机的火灾自动监控方法.根据红外图像RGB空间的色彩分布特点,设计视频类型判断算法,实现视频图像类型自动切换.通过红外状态与可见光状态两类状态下的焰色模型提取火焰疑似区域.对疑似火焰区域提取不规则度、角点量、闪烁频率和帧间相关性等4个静态及动态检测特征.通过减聚类和模糊C均值聚类相融合的方式优化训练样本,并分别训练2种状态下的火焰识别神经网络分类器.实验结果表明:视频类型判别平均准确率93.07%,21段火焰或干扰视频均能正确检测,报警时间小于8s,帧处理速度达到25帧/s以上.对室内自动火灾监控的精度高、抗干扰能力强、处理速度实时和适应全天候监控等.     

档案馆火灾危险性及其预防措施

本文介绍了档案馆火灾危险性的主要特点,并从如何正确选用火灾探测、灭火系统,加强消防管理等方面提出了加强档案馆消防安全工作的几点措施。     

火灾探测技术的发展

综述了火灾探测的基本原理和方法 ,描述了气敏型、感温型、感烟型、感光型和感声型五大类数十种火灾探测器的物理实质 ,论述了其工作原理。指出解决火灾探测灵敏度与可靠性的矛盾 ,有赖于火灾科学基础研究的积累和突破。阐明了火灾探测算法中存在的问题 ,指明了火灾探测技术的发展方向     

基于视频数据的公路隧道火灾预警算法

通过对隧道视频数据的分析,提出了一种适合于隧道环境下的火灾预警算法.该算法采用阈值和背景自适应更新策略,解决了隧道环境下光线条件变化对火焰识别系统的影响,利用二维投影技术实现了火灾疑似区域的快速提取,并结合火灾的亮度变化率来提取火灾火焰的闪动特性.最后给出了火灾疑似概率模型,以此来反映视频图像中出现火焰的几率.实验结果表明,该算法对影响隧道的车辆运动形成的干扰、路灯和光线条件变化有很好的适应性,其识别速度达到3～5s,识别率可以达到97%以上,具有较强的实用价值.     

基于视频的全天候多特征融合火焰检测算法

针对传统可视化火灾探测技术采用单独分析可见光摄像设备或红外摄像设备采集的图像进行火灾探测, 不能全天候监控火焰的问题, 提出一种全天候多特征融合的检测算法. 首先通过视频类型判断算法确定摄像头采集的每帧图像类型, 然后利用与图像类型相对应的算法提取疑似火焰区域, 最后对疑似区域进行基于DCT的火焰频率检测和帧间相关性检测, 判断火焰是否存在. 实验表明, 该检测算法解决了传统可视化探测技术不能全天候监控火焰的问题, 且能在保持火焰高检测率的同时降低误检率.     

浅谈火灾探测报警器的应用与发展

简述了火灾探测报警器的类型及其适用范围,针对火灾事故易发场所的安全问题,提出了应用新型独立式火灾探测报警器的建议。     

视频监控系统在火灾报警中的应用

针对当前火灾检测、监控能力薄弱的现状,提出了一种用于视频监控系统中对火灾进行有效检测和报警的方法,该方法首先利用DirectShow与FFMPET相结合的方式把视频帧从播放的视频流中提取出来,并保存为视频帧图片文件,接着利用ASIFT算法对得到的视频帧图片与原始静态图片进行特征提取和特征匹配,然后对匹配成功的匹配点进行归一化处理,最后,通过系统对视频流进行自动分帧处理与判别,对超过设定阈值的进行报警,实验结果表明,该方法实现成本较低,操作简单、快速、有效,灵敏度高,可降低误报、漏报,适用于对重点无人职守区域进行火灾检测和报警的监控系统.     

一起仓库纵火案的调查分析

通过现场勘查、调查走访、调取视频监控等方式对一起仓库火灾进行调查分析,准确认定现场起火部位、起火点,剖析了火灾原因的认定过程,并结合调查中遇到的问题,阐述了调查体会。     

基于方次火灾模型的感温探测器设计的研究

火灾探测和报警系统是建筑防防火策略的关键组成部分,通过研究建筑物内火灾发展和烟气流动的规律,消防工程师获得了大量有价值的信息和工具,所有这些信息使消防工程师和设计人员设计满足特定安全目标的火灾探测和报警系统成为可能.方次火灾模型是最常见的室内火灾发展的模型,而t2火是最常见的模型.根据其火灾增长模型确定不同情况下的热释放速率,进而确定探测器对特定火灾场景发生响应时的安全距离.     

多通道火灾探测信号的分析与合成方法

提出一种多通道火灾探测信号的分析与合成方法，通过基于信号互功率谱的多通道信号模型，提取火灾和非火灾两种情菜下的烟雾、温度等实际信号的统计特征，自适应合成信号序列，探讨了模型参数的选择，并开发了探测算法模拟测试系统，实验表明，该方法能有效地测试出探测算法的火灾报警时间和误报警率等性能指标。     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法,并根据火灾传感器信号处理的特点,提出了将其用于火灾探测的方法,在子波神经网络中采用了子波函数和共轭梯度优化方法．实验表明,子波神经网络对火灾信号具有很好的学习和探测能力,与ＢＰ神经网络火灾探测方法相比,所提出的方法能够更快和更准确地探测各种标准实验火．