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.     

基于视频图像的建筑内走道烟雾识别定位

为了实现筑内走道烟雾蔓延位置的实时检测,通过目标检测算法识别烟雾,分析烟雾在图像中二维位置,并结合烟雾与建筑内走道的位置关系,提出一种基于监控视频图像的烟雾前锋位置定位方法。在烟雾前锋识别方面,使用YOLOv7（You Only Look Once version 7）模型作为烟雾识别模型,通过数据增强策略增加数据集进行模型训练,得到较好的识别权重;在烟雾前锋位置检测方面上,采用基于位置信息的前方烟雾测量方法,将烟雾在图像中二维信息与建筑内走道顶板边缘线匹配,根据烟雾边缘位置与建筑内走道顶板边缘线交点的图像位置信息与距摄像头实际距离映射关系,得出烟雾在图像中距离摄像头的的实际位置。通过搭建的建筑内走道模型进行试验测试,结果显示本论文方法测定的烟雾前锋位置平均误差在5%以内。研究结果可为利用建筑既有监控系统快速掌握烟雾蔓延信息提供支撑,为现场消防救援与人员疏散方案制定提供依据。     

一种基于块的视频烟雾检测算法

为克服传统探测器的缺点, 提高视频烟雾检测算法的检测率, 提出一种基于运动块的视频烟雾检测算法. 该算法先采用帧差法提取运动块, 再分析由运动块组成连通域的面积和运动估计结果, 从而确定疑似烟雾区域. 通过二维离散小波变换提取高、 低频能量特征值, 并根据运动估计结果提取运动保持特征值, 综合各特征值判断是否有烟雾发生. 实验结果表明, 该方法能及时检测到烟雾, 鲁棒性较高、 抗干扰能力强, 能有效预防火灾.     

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。     

基于视频多特征融合的列车车厢烟雾检测方法

列车车厢中环境相对复杂且遮挡物较多,为了提高视频烟雾检测的准确性,剔除场景中疑似烟雾的干扰物,降低由于环境中光照变化导致的误检情况,提出了基于运动、颜色及衰减等多特征融合的烟雾检测算法.该算法能有效克服背景复杂、光照变化大,以及阴影问题带来的干扰.算法主要由3部分构成:烟雾运动检测、颜色特征分析提取和多特征融合.该算法通过背景建模方法分割出运动的区域,引入归一化RGB空间烟雾颜色基础模型及衰减模型,以剔除疑似烟雾区域的干扰,同时可以有效地降低光照影响.     

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。     

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.      

基于动车组的烟雾发生器设计

动车组车内全程严禁任何烟火,若由于旅客吸烟或电气装置打火冒烟将触发车厢内的烟雾探测传感器产生报警信号,导致动车组紧急制动停车,因此,车厢内实时监测空气烟雾浓度的烟感传感器的功能良好至关重要.为了预防因烟雾探测传感器作用不良而导致出现火情无法及时监测报警的问题,设计制作了在动车组检修过程中测试烟雾探测传感器的烟雾发生器....     

基于同态滤波的图像去烟雾方法研究

在火箭/导弹发射时,地面试验图像受烟雾干扰严重,在地面试验图像预处理中,烟雾去除研究非常重要。本文首先从频域滤波法进行了探讨,提出了一种新的同态滤波方法。最后采用五种不同的客观评价方法对处理后的图像进行评价。实验结果表明,本文所提出的方法去烟雾更有效。     

基于粒子系统的实时烟雾仿真

 通过对烟雾力场的分析研究,将局部力场和动态力场相结合,用四边形面片代替粒子,采用与纹理结合的方法,让粒子以一定的角速度自转,模拟了烟雾的漩涡、烟雾与障碍物碰撞等场景。实验表明,该方法达到实时性要求,帧率不低于28。     

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.     

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。     

基于改进深度信念网络的校园烟雾检测

近年来,人工智能技术和计算机视觉技术迅速发展.基于卷积神经网络(CNN)的深度学习在图像分类、目标检测、人脸识别、语义分割等计算机视觉领域取得了成功的应用.与传统的计算机视觉方法相比,深度学习算法避免了人工的复杂度,可以从大量的图像数据集中学习复杂的表示.提出了一种新的基于深度信念网络的烟雾检测方法.首先采用背景差分检...     

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...     

基于视频的人体运动肢体检测

要实现对视频中人体动作的捕捉和分析首先要提取出人体的运动肢体,当视频中背景和人体姿态比较复杂时,帧差法、光流法等传统的运动目标提取方法并不能准确检测出人体运动肢体的轮廓.在帧差法基础上,提出了动态区域边缘点保留法来获取运动区域的边缘点集,并根据人体先验知识总结出一种边缘点整合的算法,用于对运动区域的边缘点集进一步处理,得到了人体运动肢体较为完整的轮廓.实验证明,该方法可以较好地解决背景干扰和人体及服饰的非刚性问题,比较准确地检测出人体运动肢体的轮廓.     

森林背景下基于自适应区域生长法的烟雾检测

森林背景下,有效的烟雾检测在避免大规模森林火灾方面具有极其重要的意义。当前的研究对烟雾移动得很慢或没有清晰背景的情况下往往表现较差的性能,提出一种针对烟雾检测的自适应区域生长法。采用改进的卡尔曼滤波检测出运动区域,假设烟雾的亮度与视频照度之间存在线性关系,采用支持向量机（support vector ma-chine,SVM）线性回归方法得到烟雾亮度的近似范围,并定义亮度约束,基于检测得到的运动区域,同时考虑亮度约束和纹理约束,蔓延出烟雾区域的主要部分,提取基于区域的特征来做 SVM分类。对比实验结果表明,该方法优于传统的方法,并具有更强的鲁棒性。     

基于单片机的火灾烟雾报警系统设计

随着人们防火意识的提高,火灾报警技术也越来越受到重视.针对现有的分布式火灾报警系统的缺点,文中介绍了一种适用范围更广泛的基于单片机的无线火灾烟雾报警系统.系统主机采用STM32F103单片机作为主控MCU,从机则用烟雾传感器和温度传感器作为探测节点,并选用MSP430G2553系列单片机进行控制.主机和各节点之间通过CC1101无线射频双工通信组成网络.采用软件Altium Designer作为硬件电路设计工具,同时采用软件Keil ARM进行软件设计.最后对完成的实物进行相关实验,结果良好,实现了预定功能.     

基于SIFT特征的视频图像匹配研究

图像匹配是视频处理中的一项关键技术。针对SIFT算法的关键点描述符在匹配性能和匹配效率上的不足,采用建立图像金字塔之前,利用立方插值算法对原始图像进行有效缩放。然后利用降低金字塔层数的思想来构造关键点描述符,使得最后构造出来的描述符更加精确。算法的匹配性能和匹配效率都得到了明显的改进。