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.      

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。     

香烟与水烟自由基浓度的比较

对九种香烟的烟雾及灰,四种水烟的灰,烟雾、穿过水层后的烟雾与通过烟雾后的水分别在室温下用电子自旋共振仪测定稳定性自由基。 发现香烟及水烟的灰内都有ESR信号,香烟的烟雾中也有ESR信号,而水烟的烟雾不论是否通过水层部未见ESR信号。通通水烟烟雾的水也无ESR信号。     

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。     

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.     

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     

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。     

火灾烟雾的轮廓光流矢量分析

由于烟雾运动具有特殊的湍流特性,使得其运动方向具有特定一致性.利用这一特性,采用光流矢量分析方法,对可疑区域运动方向进行判定.为了提高算法实时性,首先提取可疑区域轮廓,然后对轮廓光流矢量进行分析.通过对比烟雾与非烟雾干扰(包括运动的光照、行进中的汽车车灯、水蒸气等),分析其轮廓的光流矢量特性,发现烟雾轮廓与非烟雾轮廓的光流矢量具有明显差异性,即其运动矢量基本呈现向上、向外扩散的趋势,因此角度基本位于一、二象限,即在0°~180°之间(除个别干扰点),这也与烟雾湍流运动特征相匹配,而分析非烟干扰发现,运动矢量并不具备这一特征.通过对比实验证明了该算法在保证准确度的基础上,将传统光流算法的计算速度提高了3倍.     

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。     

飞机货舱烟雾探测系统功能试验中烟雾量大小研究

根据中国民用航空规章第25部《运输类飞机适航标准》(CCAR-25-R3)相关条款的要求,烟雾探测系统必须在起火后1 min内,向飞行机组给出目视指示。然而条款中未明确给出烟雾探测系统试验中所用烟雾量的大小。如何科学、合理的确定烟雾探测试验中烟雾量的大小是烟雾探测系统合格审定试飞的关键。通过搜集资料,梳理了国外对于发烟材料以及烟雾量大小的研究方法;通过借鉴空客公司烟雾探测试验烟雾量大小的确定方法,在实验室中对某型货舱烟雾探测系统功能试验中的烟雾量大小进行了研究,为该货舱烟雾探测系统功能飞行试验铺平了道路。     

基于合成图像的Faster R-CNN森林火灾烟雾检测

本文采用合成图像的Faster R-CNN对森林火灾烟雾进行检测,避免了传统视频烟雾检测方法中复杂的人工特征提取过程.合成烟雾图像是将真实或模拟烟雾插入到森林背景中,解决了训练数据缺乏的问题.将真实合成烟雾和模拟合成烟雾分别训练后的模型放在由真实火焰烟雾图像组成的数据集中测试,测试结果表明,模拟烟雾是更好的选择,模型对薄烟不敏感.通过改进森林火灾烟雾图像的合成过程或者将这个解决方案扩展到视频序列中,可以进一步提高它的性能.     

基于多维动态纹理分析的烟雾检测算法

为了提高动态纹理特征分析的可靠性且降低计算量,提出了一种基于多维动态纹理分析的烟雾检测算法。该算法在预处理阶段利用ICA烟雾前景初步分离烟雾模型得到初步烟雾前景,然后通过GBVS提取多通道、多尺度的底层特征得到烟雾前景显著区域,以提高前景目标检测阶段对烟雾前景的分割精确度;在烟雾特征提取阶段,提出基于多维特征分析的烟雾特征提取检测方法(h-LDS/RGBH),该方法首先经过烟雾颜色和背景差分预处理得到烟雾候选区域,然后在四维图像块中引入RGB和HOG特征,最后基于对多维图像数据的高阶分解,分析烟雾视频的动态特征。多维动态纹理分析(h-LDS/RGBH)改善了烟雾特征提取阶段所提取的烟雾特征稳定性不高且对烟雾的判断准则过于简单的缺点,提高了动态纹理特征分析的可靠性。实验表明,其检测率高于LDS和h-LDS/RGB的识别率。实验表明,该算法的检测率高于LDS和h-LDS/GRB.     

不同属性烟雾融合过程可视化建模与实时绘制

为了快速精准绘制真实世界中各种各样的多烟雾融合现象,提出一种基于欧拉法的实时有效的烟雾融合模型。首先,提出域划分算法,从结构层解决了多烟雾自由随机运动的描述问题;其次,利用GPU的并行能力大幅提高了N-S方程求解速度,获得多达7种不同属性烟雾融合过程的实时绘制;再次,实现Ray-casting(光线投射)算法,清晰地表现出烟雾融合的扩散细节;最后,调节温度、速度、扩散系数和浓度等烟雾运动影响因子,灵活控制烟雾融合过程。实验表明,所做工作能够快速真实地模拟不同属性烟雾的融合。     

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。     

基于随机森林特征选择的视频烟雾检测

利用随机森林算法,提出了一种基于随机森林特征选择的视频烟雾检测方法.首先,提取四种表征烟雾的特征:RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道;其次,根据烟雾图像信息模型利用无烟图片合成烟雾图片并分块得到随机森林训练样本;第三,训练随机森林进行特征选择并通过训练支持向量机得到识别烟雾块和非烟雾块的分类器,并由此得到视频图像帧的疑似烟雾区域;最后通过视频烟雾区域的凸形度和增长率分析,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率.     

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。     

可变风场中多烟雾融合实时绘制算法的改进

多烟雾融合的实时仿真非常具有挑战性与实用性,针对不同烟雾融合时的边界过渡不自然的问题,提出一种改进的多烟雾融合实时绘制算法。首先,为了准确描述可变风场中多烟雾融合过程,通过刻画小尺度可变风场,并将描述风力的时变函数加入N-S方程的外力项,从而实现可变风场中多烟雾的融合;然后,为改善不同烟雾融合时的边界过渡不自然的问题,引入错切变形法对传统的烟雾融合绘制算法进行改进,利用空间数据结构加快空区域的跳跃速度,减少相邻颜色间空区域的间隔,保证相邻颜色之间的平滑过渡;另外,为了丰富多烟雾融合时的形态空间,引入AABB包围盒技术实现多烟雾融合区域的网格划分,增加多烟雾融合空间的表现形态,有效地减少网格模型对多烟雾融合形态空间的限制。设计并实现多组烟雾融合的对比实验,结果表明,本文方法能够使烟雾融合的边界更加平滑自然,有效提升多烟雾融合的速率的同时仍可保证实时性。     

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。     

一种基于改进SSD的烟雾实时检测模型

在SSD(single shot multibox detector)模型基础上,提出一种采用多特征融合及递进池化技术的烟雾实时检测模型,用于对烟雾的实时检测,最终实现了火灾的前期预警.首先,采用MobileNet作为基础网络,实现对烟雾图像特征的逐层提取;然后利用递进池化技术实现对特征模型的压缩,通过反卷积操作实现关键特征的向前融合,避免关键特征的损失;最后经过1×1的卷积后对烟雾图像中不同类型的特征进行融合,借助SSD模型合并不同尺度特征的检测框,使模型目标框预测器统一,增强对模型正负样本的判断能力,实现对目标的类别和位置做出准确判断.实验结果表明,所改进的模型不仅能够对常规环境中的烟雾准确检测,而且对不同光照和尺度的烟雾图像检测也取得了较好的效果.