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.     

基于视频流的林火烟雾运动目标检测方法的研究

运动目标检测是实现视频图像分类与识别的前提.烟雾是森林火灾发生早期的显著特点和视觉现象,通过对林火烟雾图像的特征分析,研究了几种常用的运动目标检测方法,即帧间差分法、背景估计法等,分析了其实现过程,对比了它们的优缺点,并寻求最佳的视频林火烟雾运动目标检测方法.实验结果表明:改进的背景估计法结合色彩判断准则的方法不仅具有更好的烟雾捕捉能力,而且抗干扰能力强,将大大减轻后续图像识别的压力.     

煤矿烟雾的计算机视觉检测方法

针对煤矿井下传统火灾探测器在检测烟雾时受空间限制的局限性,提出计算机视觉和多特征加权融合的烟雾检测方法.通过基于模糊逻辑的图像增强方法对图像进行增强以改善所获取的图像质量,再通过混合高斯模型实现对疑似运动目标区域的提取.在充分分析烟雾图像特征的基础上,基于统计模式的方法实现了烟雾静态特征、动态特征的提取,利用加权的方法将烟雾图像特征融合起来,实现对烟雾的在线检测.研究结果表明:该方法不受环境、探测距离等因素限制,可有效克服煤矿井下低照度、有光照变化以及视频图像有噪声等特点,且无需对分类器训练,该法具有简单、灵敏度高、实时性强、检测率高等特点.     

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。     

基于变分水平集图像分割的视频烟雾检测方法

为及时判断火灾发生情况,利于灭火工作,研究了火灾早期产生烟雾的情况下,通过固定监视探头捕捉 到的影像视频,针对视频中的火情烟雾进行检测,结合计算机视频检测技术的光流法和帧差法获得视频中烟雾 运动的区域,基于某一时刻摄像机不动的情况下得到两帧连续的图像并检测视频中的运动区域,提出了一种不 需初始化的变分水平集算法。利用该算法对烟雾的视频进行分割,将运动区域从背景中分割出来,对烟雾进行 检测分析。从而使通过烟雾判断火情更精确,检测结果更实时,提高了视频指挥灭火工作的效率。     

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.     

自组织临界性与大规模森林火灾的防治

对经典的自组织临界性森林火灾模型进行了数值模拟,在此基础上,重点对我国1960,1970,1980和1987年前后,以及日本1995年前后的森林火灾发生情况进行了比较,分析了大规模森林火灾的发生频率与中小型森林火灾之间的联系.结果表明森林火灾模型可以描述森林火灾系统的自组织临界性,并与真实的森林火灾数据符合得较好.森林火灾系统的自组织临界性对火灾防治有一定的指导作用.     

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。     

基于卷积网络的视频目标检测

针对传统卷积神经网络层级较为浅,对物体识别精确度较低的原因,利用改进的深层卷积网络VGG16模型检测视频运动目标.首先,预处理过程中对数据集进行剪裁和旋转操作,补充数据集数量,以解决前期图像资源不足等问题;其次,在PASCAL VOC数据集上先预训练模型,接着加载自定义视频数据集对预训练模型进行第二次训练.实验结果表明,该网络模型能很好用于视频目标识别,提高了检测精确度,有效减少网络参数计算量,降低硬件内存资源消耗,具有较强的鲁棒性.     

利用图像频度特征的稀薄烟雾检测算法

基于图像的频度特征,不考虑薄烟自身的颜色,通过比较烟不存在时的图像(基准图)和实时视频当前帧的灰度值的相关系数的变化,以及基准图和当前帧频度值的相关系数的变化,实现稀薄烟雾"透明性"特征的有效识别.把非常稀薄的烟雾实时的检测出来.实际烟雾视频数据分析结果表明:该算法是实用有效的,能够在火灾初期阶段把薄烟检测出来,且具有鲁棒性.     

基于图像分析的森林火灾监测系统

森林火灾危害大,损失大.由于其覆盖地域辽阔,环境复杂,仅靠直接接触的传感器检测,监测十分困难,几乎不能实现.本文通过远距离图像采集,获得较大范围的观测区域的动态图像,组建嵌入式视频监控系统,实现动态监控.运用动态图像分析和处理技术,获取动态图像报警和控制信号,并实现实时视频图像Internet网上传送.系统响应速度快,低于20ms;控制精度高,动态图像区域小于背景面积的1%;实现了图像检测火灾和烟雾,构成多功能监控,与温度、烟敏传感器复合使用,实现了立体监控,极大地降低误报率.实验证明,系统方案简单,控制效果好,可移置性强,监测范围广.     

一种基于码本背景建模和多特征融合的火灾烟雾检测算法

该文提出一种基于码本模型和多特征融合的火灾烟雾检测算法。主要步骤是:首先,利用码本模型提取出视频中运动的前景像素;然后,结合暗通道先验知识对前景像素进行过滤,消除部分干扰像素;最后,统计疑似烟雾区域的颜色直方图、纹理直方图和边缘方向直方图特征,利用多特征融合的方式加以分类识别。多个视频场景测试结果表明,该算法具有良好的烟雾检测能力和抗干扰能力,可以基本满足实时性的要求,具有一定的实际推广价值。     

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.     

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，通过建立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形下的烟雾、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．     

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。     

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。     

一种基于颜色模型的火灾识别系统

相比较传统以温度、烟雾等传感器为主的火灾检测方法,通过对火焰的成像特征进行分析,采用视频检测火灾.针对可见光下的火焰特征,基于计算机视觉技术,设计并实现了一种基于颜色模型的火灾识别系统.本系统以火灾检测算法为核心,设计并实现了简洁、易用的可视化的界面,将多种图像处理算法融入其中,并通过实验数据测试表明该系统的火灾识别平...     

基于样本扩充的小样本车牌识别

车牌识别技术作为智能交通系统的核心课题之一,一直受到广泛的关注.近年来深度学习技术的迅速发展,更是为其提供了一种良好的解决方案.但实际场景下,研究者有时很难收集到足够的数据以支持模型训练.本文聚焦于小样本车牌识别问题,提出了使用生成对抗网络生成车牌图像,辅助后续模型训练的方法.本文方法先使用CycleWGAN合成大量带标签车牌图像;之后用合成图像对识别模型进行预训练;最后使用原始真实数据微调模型,进一步提高模型的准确率.本文在多个数据集上验证此方法,均获得了明显的效果增益,特别是当真实数据相对有限时,本文方法将准确率从已经较高的基线上又提升了7.5%.另外,在较困难的双动态车牌图像上,本文方法也取得了不俗的效果.最后,引入模型压缩技术,在原方法的基础上设计并实现了LightRCNN,使识别速度提升近1倍.     

基于FDS的火灾产物对人员疏散影响的研究

研究火灾产物对人员疏散的影响,首先使用火灾数值模拟软件Pyrosim对某教学楼一层全尺寸模型的火灾数值模拟分析,得到仅门开启的火灾场景下影响人员疏散的主要火灾产物数据;其次引入疏散速度系数概念,将火灾产物数据经Matlab预处理后输入Pathfinder,建立基于火灾产物影响下的人员疏散模型,对比分析考虑火灾产物影响与不考虑火灾产物影响下的疏散情况;最后将火灾模拟动画与人员疏散动画耦合,实现三维环境下火灾发展过程与人员疏散过程的可视化展示.结果表明:疏散速度系数影响下的火灾人员疏散模拟相对于不考虑速度影响的火灾疏散模拟更能真实反应火场中的人员疏散情况.     

建筑火灾中基于大涡模拟的场区复合数值模型及其应用

结合大涡模拟技术,采用体积守恒压力修正的区域模型发展了一种新的火灾过程场区模拟程序.采用低Mach数近似下的三维可压缩Navier-Stokes方程,和有限差分法计算了滤波后的控制方程,对着火房间内的烟气运动过程进行有效的模拟.对一个模型多室建筑以及一个真实尺寸多室建筑内的火灾烟气运动过程进行数值模拟,并将模拟结果与实验数据进行对比.结果显示该方法能够较好地描述建筑火灾中的烟气运动规律.其模拟结果能够为建筑消防安全的性能化设计提供参考.