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.     

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.     

一种基于视频多特征融合的火焰识别算法

根据燃烧过程中火焰的物理特性，结合火焰的静态和动态特征，设计了一种多特征融合的火焰识别算法，对火灾进行快速判别．基于信任度模型建立了火焰识别的概率模型，以疑似概率反映视频图像中出现火焰的几率．实验表明，该算法识别火焰速度快，能够达到25帧／s的处理速度，与其他的火焰识别算法相比，算法在识别过程中无需人工调整即可自动完成，在复杂实际环境中，算法识别的准确性高，抗干扰能力比较强，如对车灯、路灯等干扰疑似概率始终小于10％．因此，算法在实际运用中有着广泛的应用前景．     

早期火灾火焰识别的滑动平均计数模型

针对大空间环境下的早期火灾的探测问题,提出一种基于滑动平均计数模型的视频火灾火焰探测方法.使用自适应背景减除法提取前景中的运动目标,通过滑动平均计数模型度量运动目标的闪烁特性,结合运动目标的圆度变化和面积变化,实现早期火灾火焰的识别.实验结果表明:方法能够适应室外环境变化,快速检测火灾火焰.     

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.     

采用机器学习的火焰前景提取算法

针对现有火焰前景提取算法提取前景不完整、轮廓失真严重、对复杂环境适应性差等问题,提出一种采用机器学习的火焰前景提取算法。该算法结合使用监督学习方法和无监督学习方法,训练了两级专用的分类器用于确定疑似目标区域;根据Real AdaBoost分类器的输出结果计算聚类算法的初始中心,并使用计算出的聚类中心对目标区域进行聚类分割,以得到最终的前景区域。实验结果表明:该算法对强光环境、夜间环境、静态或动态干扰环境等复杂场景均具有较好的适应性,得到的前景提取误差率在2%~28%之间,低于现有其他算法,且帧运算耗时小于50ms,能够很好地完成多种场景下的火焰前景提取工作,为图像型火灾检测系统中后续的特征提取与识别奠定了基础。     

道路交通视频检测系统初探

提出一种实时自适应的道路交通视频检测方法,提高了视频监测系统在长时间运行条件下对光线变化、阴影和系统噪声的适应性.利用图像边缘检测和模式识别2种方法对前景目标车辆进行提取的算法,保证了准确率和效率.实时交通视频实验结果表明,该方法取得了较好的成果,为道路交通信息系统提供保障.     

基于计算机视觉的火灾识别方法研究

本文对基于计算机视觉的火灾检测识别方法进行研究。首先采用运动检测与火焰颜色模型想结合的方法对视频疑似火灾区域进行分割,然后提取出火焰矩形度、火焰面积增长特征、火焰波动频率三个特征,将此三个特征作为火灾识别的特征向量,最后训练BP神经网络分类器,对火灾进行识别。     

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.     

可变视场下的火灾探测算法

针对火灾发生初期由火焰面积小、特征不够明显且易受干扰等因素所导致的火焰识别困难的问题,提出一种可变视场下小面积火焰快速探测方法.该方法利用旋转云台实现小面积火焰疑似区域的大监控范围跟踪和视野中央聚焦;通过镜头变焦处理对小面积火焰进行自动放大,提高火焰区域“多分辨”视觉识别特征的显著性;采用自适应区域增长算法对火焰图像进行识别,有效完成火焰疑似区域分割;通过建立的信任度概率模型,将疑似概率作为火焰判定的量化参数,用于火焰区域的最终确定,从而在识别算法和图像获取硬件设备两方面改善火焰探测系统的工作效率.实验结果表明,火焰成像质量得到明显改善,火焰特征识别速度得以明显加快,小火焰检测精度显著提升,可广泛应用于火灾早期以及远距离火焰检测与预警.     

面向红外视频图像的火焰识别

针对红外图像的火焰识别,采用基于粒子群优化算法的二维最大熵阈值选取方法,选取最佳阈值对红外图像进行分割,使可疑区域从背景中分离出来.选择物体的高度作为特征量,采用标准模板序列,设计两层模糊分类器分析物体的高度变化和灰度分布,给出可疑目标隶属于火焰的评价.实验证明,这种结合火焰动、静特性的算法鲁棒性强,识别率及灵敏度较高,适用于广范围的火灾监控.     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法．以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可提高检测算法的可靠性     

自适应Retinex与Canny的炉膛火焰边缘检测算法

对炉膛火焰图像的增强与检测是获得炉膛内部燃烧情况的重要手段.首先,提出了一种自适应多尺度Retinex算法,提高了火焰清晰度和炉膛火焰与炉膛的对比度.其次,提出了识别火焰边缘改进的Canny算法,提高了火焰边缘清晰度.仿真结果表明,炉膛火焰与环境对比度得到提高,改善了图像的视觉效果,火焰边界连续且轮廓清晰.     

计算机视觉火灾探测中的特征提取

火灾视觉特征的提取是视觉火灾探测中的关键问题．我们主要研究色彩、纹理以及轮廓脉动等特征的提取，并提出一种度量轮廓脉动信息的距离模型，该模型在规格化的傅立叶描述子空间能够准确地度量这种时空闪烁特征．实验结果表明，该方法具有比较好的鲁棒性，有助于提高视觉火灾探测的准确率、降低误报漏报率．     

基于简化人工蜂群算法的地面防空火力拦截设备部署方法

针对地面防空火力拦截设备部署问题中部署方案产生速度慢、不符合战场实际环境问题,提出了一种基于简化人工蜂群算法的地面防空火力拦截设备部署方法。本方法在地面防空火力拦截设备部署方案制定过程中,将人工蜂群算法分为初始化阶段和优化阶段。从专家知识辅助的视角出发,初始化阶段利用专家知识对可部署位置进行了寻优处理并结合随机初始化,优化阶段利用简化型邻域优化对初始化阶段产生的方案进行优化。2个阶段均对产生的部署方案进行校验,若方案达到给定突防概率指标则直接保存输出,大大提高了收敛速度,且产生的部署方案符合实际。仿真结果表明:提出的方法相比于传统蜂群算法在收敛速度方面具有明显优势。     

A simple plume model induced by stack effect in a vertical shaft

After comparing the mechanism of tilted plume under stack effect with that of spill plume,the tilted plume model induced by stack effect in a vertical shaft is developed simply based on the theoretical results and a series of full-scale tests. It is shown that the two sides of plume are symmetrical and have an accordant regulation that the plume radius has a linear relation to the height z. The profile of fire plume under stack effect is similar to the windblown flame in wind tunnel,and the range of flame deflection angle is about from 50 to 60 degree.     

地铁列车着火后在隧道内行驶的安全速度

地铁列车着火后在隧道内行驶的安全性对火灾应急救援具有重要意义,而行驶速度是决定着火列车安全性的关键因素.文中以热释放速率为0~10MW的火灾为原型,在1∶8的隧道模型内进行列车火灾模型实验.经过相似变换的模型火灾的热释放速率为0~55 kW.采用正庚烷为燃料,利用变频风机提供的流场模拟列车在隧道中的运动情况.通过测定不同行驶速度、着火部位及火源位置时,风速与火灾热释放速率的关系、列车周围的温度场以及火灾烟气蔓延规律,并以北京地铁为例,得到着火列车在隧道内行驶的最佳速度为41.83 km/h.