基于自动种子区域生长的火焰分割算法

在存在壁面反射的低照度火灾环境中,传统的火焰分割算法如颜色分割、运动检测等,在进行火焰分割时造成过分割现象,分割的效果不理想,影响后续的火灾正确识别。针对上述问题,提出了一种基于自动种子区域生长(Automatic Seeded Region Growing,ASRG)的火焰分割算法。首先将从火灾视频中获取的火灾图像从RGB颜色空间转换到YCbCr颜色空间,在Y通道中采用较大自适应阈值背景减法将火灾图像二值化,分别将可疑火焰像素点的横坐标和纵坐标按大小进行排序,取排序后的中间值作为种子点,再由原RGB火灾图像转换而成的灰度图像中,以该种子点进行区域生长,最后将区域生长后的火焰分割图像与采用较小自适应阈值背景减法得到的火焰分割图像进行交集处理,得到最终的火焰分割图像。实验表明ASRG算法在存在壁面反射的低照度火灾环境中,火焰分割效果好,有效解决了该环境下的火焰过分割问题,同时在其他火灾环境中也有较好的火焰分割效果。     

一种HSI空间基于模糊聚类的火灾彩色图像分割算法

针对通用模糊聚类算法进行彩色图像分割存在对初值敏感,迭代过程耗时等问题,在HSI空间结合火焰图像分布特征,采用平均值法进行初值优选,构造抑制算子和抑制因数对火焰无关区域S和I分量进行有效抑制,采用直方图聚类后进行数据融合等方式,最终实现彩色火灾图像分割。实验表明,该算法提高了彩色火灾图像分割的准确性和收敛速度。     

基于红外热成像的隧道火焰检测技术研究

精准的火焰检测是有效避免火灾发生的关键,针对传统的火灾探测算法在公路隧道等大空间环境中存在及时性与准确性相互制约的问题,通过研究隧道火焰初期在图像中呈现的静态和动态特征,提出了一种基于红外热成像的公路隧道火灾初期火焰检测方法。利用温度阈值获取疑似火焰区域,根据红外图像在引导滤波器作用下降噪,同时利用区域增长法分割疑似火焰区域;从疑似区域中提取的特征值构成特征向量,进行数据归一化提高SVM收敛速度;利用人工蜂群算法优化参数。结果表明：ABC-SVM能够实现公路隧道火灾初期的火焰识别,检测正确率相较于RBF方法提升了2.26%,运行时间缩短了2.29 ms;检测正确率相较于SVM方法提升了0.87%,运行时间缩短了2.22 ms。本方法可以对初期隧道火灾进行快速、有效检测,并有良好的环境适用性。     

一种改进的帧差法实现火焰目标分割

针对传统船舶火灾报警系统采用的传感器在远离火灾源时很难探测到初期火灾的特性,提出了利用摄像头模式识别的方法来探测火源的构想,将顶置鱼眼摄像头作为图像传感器,在一个较大的范围内探测初期火灾,提出了一种基于火焰闪点位置的交叉性与聚合性的帧差算法,实现火焰目标分割识别.该方法是在实时视频流中,对连续两帧图像进行帧差,根据闪点位置的交叉性排除运动物体的干扰,再根据闪点的聚合程度排除一部分游离的干扰闪点,最后得到疑似火焰区域.对疑似火焰区域二值化、抽取轮廓、再由种子点位置确定火焰外形.此法能够高效地从视频图像中分割出火焰,从而为火灾的初期预防报警提供高效识别手段.     

基于多特征无量纲向量的图像型管廊火灾探测技术研究

针对管廊火灾检测中背景干扰与小目标检测困难的问题,提出采用无量纲特征参数描述图像型火焰动静态特征的火灾检测方法。利用背景差分法分割火焰目标区域,分析火焰发展特性,提取、计算角二阶矩变化率(A^*_ASM)、对比度变化率(C^*_CON)、自相关度变化率(C^*_COR)、面积变化率(S^*)等无量纲特征参数;拟合无量纲特征融合向量T^*并在SVM模型中检验其可靠性。研究结果表明：通过对不同可燃物在不同空间环境下的燃烧视频随机200帧序列进行检测,发现提出的无量纲特征参数具有“稳定”的变化范围,对火灾火焰与一般火焰的识别率最高可达97.5%,98.0%,受监测空间环境的影响较小。研究结果可为图像型火焰特征提取提供借鉴。     

图像型火灾火焰探测原理

根据火灾火焰的颜色特性、闪烁频率特性、形态变化特性及其发生发展在图像上所表现出来的趋势特征,设计分析了图像型火灾火焰的序列帧识别原理,并结合工程应用的分类特性,论述了图像型火灾火焰的干扰及其使用图像的小块分割算法和外形判断的干扰排除方法.     

基于多尺度卷积神经网络的两阶段火灾识别算法研究

基于机器视觉的火灾识别技术对于智慧消防具有极为重要的意义。针对火焰容易受到复杂背景、不同摄像角度等因素影响,本文提出一种基于多尺度卷积神经网络的火灾高精度识别算法。算法将火灾识别任务分解成前景提取与精准识别两个阶段。在前景提取阶段,算法结合火焰运动性特点,使用帧差法对火灾候选区域进行快速提取。在精准识别阶段,算法引入空间金字塔池化模块,设计多尺度卷积神经网络进行火灾识别,实现对不同火焰尺度图像的高精度检测。在实际数据集上进行仿真实验,本文所提出算法在图像和视频领域分别取得93.6%和94.9%的火灾识别准确率,这有力证明了本文算法的有效性。     

基于彩色图像的林火图像火焰分割研究

结合实际林火图像的特点,提出了一种基于彩色图像分割策略的林火图像的火焰分割算法。该算法首先将图像转化为HSI彩色模型,然后根据各个分量的特点进行分割,并且进行了仿真实验,实验结果表明此算法能够很好地将火焰从复杂的背景中分割出来,克服了基于灰度图像分割不能准确分割烟雾和火焰的弊端,为今后对林火图像进一步分析提供了良好的基础。     

建筑火灾顶棚射流的数值模拟及火焰扩展长度处理方法

探讨了建筑火灾数值模拟中常用的火焰区域获取方法及其优缺点。通过火灾动力学模拟软件(Fire Dynamics Simulator, FDS)对建筑火灾中的顶棚射流现象进行了模拟计算，其中考虑了不同火源热释放速率与不同火源距顶棚高度等条件的影响。分别采用连续图像法和温度阈值法获取了数值模拟中顶棚射流火焰扩展长度的数据，并与文献中基于试验建立的火焰扩展长度预测模进行了对比。结果表明：通过温度阈值法获取的火焰扩展长度数据受阈值取值的影响较大。通过连续图像法获取的火焰扩展长度数据可以较好地反映出火焰扩展在不同火源热释放速率及不同火源距顶棚高度等条件下的动态变化情况，与前人建立的火焰扩展长度预测模型之间的吻合较好，表明通过连续图像法获取的火焰扩展长度数据较为准确。建筑火灾数值模拟中的火焰扩展长度可通过基于单位体积热释放速率的连续火焰图像获取。研究结论可为建筑火灾数值模拟中火焰燃烧区域的确定提供参考。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

基于无人机的火灾检测系统设计与实现

针对传统森林火灾检测手段响应速度慢、效率低、误报率高等问题,设计了无人机搭载的由云台和相机组成的图像采集平台,通过火灾智能识别技术,实时识别监测火灾的发生,并达到了自动抵近侦察及实时态势感知的效果。在火灾智能识别算法方面,提出了improved-YOLOv3算法,通过在特征交互阶段增加yolo层,加强了网络对特征的融合度,从而增加了网络的检测能力。通过与性能相似的网络进行对比测试,验证了改进算法的有效性。测试结果表明,提出的算法检测准确率高、漏检率低、推理速度快,能够适用于实际火灾现场监测。     

火灾烟雾探测技术的发展与探讨

简述了火灾烟雾探测的基本原理，针对火灾烟雾中固态产物的物理特征，从探测器设计和相应算法两个层面综述了国内外火灾烟雾探测技术的进展，展望了火灾烟雾探测技术的发展趋势。     

基于U-Net深度神经网络的早期火灾烟雾自动分割方法

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用U-Net结构的深度神经网络进行早期火灾烟雾的自动分割,通过半自动算法人工辅助分割出烟雾区域的图像样本,基于深度神经网络对分割烟雾区域进行学习,得到原始视频帧到分割结果的映射模型,并据此模型进行烟雾区域分割。在测试集上的分割实验结果表明该方法与传统方法相比,不需要设置阈值,自动化程度更高,分割速度极快,在疑似烟雾区域分割任务中性能较好。     

基于改进GMM算法的林火烟雾识别研究

针对森林火灾烟雾场景光照突变时传统混合高斯模型(GMM)无法适应的问题,提出基于改进GMM的林火烟雾识别算法。通过六足机器人平台上的CCD摄像机读取当前帧图像,与混合高斯模型建立的前一个背景图像作差分得到变化区域,计算二值化后的变化区域中像素值为1的像素点占总像素点的比例,与设定的阈值相比较从而判别森林火灾场景中的光照是否发生突变。若场景内光照发生突变,采用一个较大的更新速率α,保持模型的稳定性;若场景内光照未发生突变,根据不同的情况自适应调整更新速率α的值,保证模型快速收敛。实验表明,改进的GMM算法可检测到场景中相对完整的动态烟雾区域,满足林火烟雾的检测要求,以期为图像处理在森林火灾巡检机器人上的应用和进一步研究提供参考。     

基于Soft Fuzzy ARTMAP算法的地铁隧洞光纤光栅传感火灾识别研究*

为解决传统火灾报警系统在应对地铁火灾报警时存在的即时性差、灵敏度及智能化水平低等问题,基于Fuzzy ARTMAP网络,结合Yu范数相似度准则与软竞争学习机制,提出1种软竞争学习Fuzzy ARTMAP算法,弥补传统Fuzzy ARTMAP网络胜者为王规则导致的区域重叠而产生误判的不足;结合地铁光纤光栅传感网络数据,将该算法应用于地铁火灾识别。结果表明:与传统的Fuzzy ARTMAP相比,该算法可快速有效地识别地铁火灾趋势,为地铁火灾识别系统研究提供理论支持。     

基于静态特征和动态行为的火灾检测模型

为实时准确地检测视频监控的火灾信号,减少火灾误报,提出1种基于静态特征和动态行为的火灾检测方法.利用改进的Faster RCNN检测模型,根据可疑火灾区域的颜色特征和空间特征对其进行目标检测和特征降维,与传统的Faster RCNN相比平均检测精度提升5％;利用ILSTM对连续帧中的特征进行累加,对短期内是否发生过火灾...     

城市火灾时间标度行为

根据2003年-2006年浙江、武汉两地火灾事件发生情况,应用变异系数、法诺因子、阿伦因子的统计分析方法,对城市火灾事件的时间标度行为进行了分析。结果显示,城市火灾序列具有一定的时间丛集性特征,且在达到一定的时间尺度后呈现出较为明显的分形特征,该分形自相似性特征具有普适性和稳定性。同时发现,一定时间尺度范围内城市火灾时间序列的分形特征与时间窗口的取值无关。