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.     

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.     

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.     

时空背景模型下结合多种纹理特征的烟雾检测

针对复杂场景的烟雾检测准确性低等问题,提出了一种基于多种纹理特征的烟雾检测算法。首先,为了提取出完整的烟雾前景区域,在背景建模时融合了视频像素点的时间和空间信息。然后,在研究和改进局部二值图特征的基础上,提出了3种新的具有高辨别力和鲁棒性的纹理特征,分别为梯度局部二值图特征、多量级局部二值图特征以及局部共生二值图特征。通过提取前景区域局部图像块的这3种纹理特征,利用支持向量机分类器进行分类。最终,通过对3种纹理特征的综合决策检测出准确的烟雾区域。在烟雾图像数据库的测试下,该算法的平均检测出率、误报率及错误率分别为0.978、0.014及0.016,与现有最优算法相比,性能分别提高了0.6%、0.97%、0.83%。大量视频实验结果表明,该算法对复杂场景适应性强,检测准确率高,对比现有视频烟雾检测算法检测率提高了2%~4%。     

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.     

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。     

基于多尺度图像融合的新闻视频文字区域检测定位算法

针对新闻视频中的文字区域检测定位问题,研究了如何快速有效地检测新闻视频中的文字区域,用以实现自动视频检索。为克服视频中文字大小不一的难题,根据视频图像中文字区域特征有别于背景区域的特点,提出了一种基于多尺度图像融合的新闻视频文字区域检测定位算法。算法主要采用训练和学习两个步骤,首先对人为收集的含字符样本与不含字符样本进行小波特征和局部二值模式等特征提取,并完成SVM分类器训练,获取分类器;然后对测试视频帧进行多尺度的遍历检测,并融合检测结果,获取每帧的文字区域。实验结果表明,与前人提出的基于边缘检测的方法相比,算法具有明显优越性,在定位准确度上有较大提高,同时还能克服视频帧之间的快速变换,具有一定的实用意义。     

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。     

基于多尺度深度卷积特征的图像检索

为了检索图像中不同位置和不同大小的感兴趣目标,提出一种基于多尺度深度卷积特征的图像检索方法.首先利用卷积神经网络构造一个深度学习框架,利用随机梯度下降和后向传播算法训练深度学习模型;其次利用训练得到的模型提取图像在不同尺度下的卷积特征,对不同尺度下的卷积特征进行PCA降维,研究降维后的检索性能;最后为了提高深度特征对图像的刻画能力,对不同尺度下降维后的卷积特征进行特征融合.大量的实验表明本文所提算法对图像检索是有效的.     

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。     

基于图论的复杂交通环境下车辆检测方法

目前现有的基于图像的车辆检测系统大多数是利用滑动窗口法来确定车辆候选区域.为了提高车辆检测的速度并减少计算量,提出了一种新的基于图论的车辆检测方法.该方法针对每幅图像通过简单线性迭代聚类(SLIC)算法得到含有若干个超像素节点的图像,分析节点间的相互关系最终确定车辆候选区域.在检测阶段,本文把大量不同视角的车辆图片作为正样本进行训练,得到多视角的分类器;基于候选区域的几何信息,选择适当的多视角分类器进行检测.由公共交通分析数据集(KITTI)检测结果表明:与目前最新的、具有相同提取特征和分类器的算法相比,本文的方法具有更好的检测精度,在复杂的背景下也能取得很好的检测结果.     

一种基于多尺度结构自相似性的图像超分辨率重建算法

多尺度结构自相似性是指图像中存在大量相同尺度,以及不同尺度相似结构的性质。提出一种基于多尺度结构自相似性的超分辨率重建算法;该方法通过图像旋转和金字塔分解,将输入图像的先验信息附加到训练库中;并对样本图像块聚类,分别训练针对各类的多个字典。在图像重建阶段,自适应选择最优字典;并利用相似图像块间的关系建立非局部约束项重建图像。最后利用迭代反投影算法进行图像后处理,进一步提升图像的超分辨率重建效果。实验结果表明,与SCSR、SISR和ASDS算法相比,算法能够取得边缘更为清晰的超分辨率重建效果。     

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.     

一种基于图像匹配的闭环检测方法

为提高较大规模环境下同时定位与地图创建闭环检测的鲁棒性和实时性,提出一种基于单目视觉的闭环检测方法.利用尺度显著算法选择图像的感兴趣区域,对显著特征区域再选择后,通过提取图像尺度不变特征进行图像匹配以实现闭环检测,解决了特征匹配计算量过大对数据关联的速度影响问题.     

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.     

多特征融合和最小二乘支持向量机的运动视频图像分类研究

为了提高运动视频图像分类精度,提出了利用多特征融合和最小二乘支持向量机的运动视频图像分类方法.采集运动视频,采用两帧差分法分割运动视频图像,并提取运动视频图像的多个特征;将不同特征输入到最小二乘支持向量机中进行学习和训练,获得单一特征的运动视频图像分类结果;利用证据理论对单一特征的运动视频图像分类结果进行融合,得到运动...     

基于视频区域特征及HMM的体育视频分类研究

提出了一种基于视频区域特征的体育视频分类方法.首先将帧分块,对块亮度均值大小进行比较得到块亮度比较编码信息BICC,以及对视频帧各块的颜色分量进行统计得到块颜色直方图;再利用这些特征通过SVM对体育视频进行分类;最后利用一阶HMM对SVM的输出结果进行后处理,得到视频的最终分类结果.实验结果表明,方法对于体育视频分类的效果较好.     

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。