【摘要】：火災(zāi)一直威脅著人類生命和財產(chǎn)的安全,提前檢測出火災(zāi)并發(fā)出預(yù)警信息一直是一個重要的研究課題。近二十多年來,隨著科技的快速發(fā)展,基于視覺的火災(zāi)檢測技術(shù)成為預(yù)防火災(zāi)的一個主要研究方向。基于視覺的火災(zāi)檢測運用監(jiān)控視頻可以得到更豐富的信息,抗干擾能力更強,適用的區(qū)域也更廣泛。然而目前基于視覺的火災(zāi)檢測的研究工作主要是對于已經(jīng)燃燒起來的火焰進行分析,還沒有學(xué)者針對初期的火苗進行研究。在公交車、加油站、易燃倉庫等場景中,一旦出現(xiàn)火苗,就可能會造成不可估量的損失。根據(jù)這些特殊場景的需求,本文針對室內(nèi)場景的火苗視頻,研究了火苗的靜態(tài)特性與動態(tài)特性,提出了一套完整的火苗檢測方法。通過不同場景的火苗視頻進行測試,本文提出的方法有較低的虛警率和較高的準(zhǔn)確率。本文的主要研究內(nèi)容有:(1)研究了靜態(tài)火苗的顏色特性與輪廓形狀特性。分析了火苗在不同顏色模型下的統(tǒng)計特征,利用火苗的顏色特征分割火苗圖像,對比分析火苗圖像在不同顏色模型下的分割結(jié)果,得到最佳的表示火苗的顏色模型。應(yīng)用鏈碼得到火苗邊界信息,然后用傅里葉描述子、Hu不變矩特征表述火苗的邊界形狀,對比分析了傅里葉描述子與Hu不變矩特征表述火苗邊界的可靠性。(2)研究了火苗視頻中的運動目標(biāo)檢測。火苗有其獨特的運動特性,火苗出現(xiàn)時可以看作是運動目標(biāo),火苗出現(xiàn)后,又是靜止不動的。針對火苗運動的特性,提出改進型的幀間差分法檢測運動目標(biāo),去除大量與火苗顏色相近的背景信息。(3)研究了火苗的幀間動態(tài)特征�；鹈缡且粋�具有穩(wěn)定的形態(tài)的目標(biāo),幀間的火苗具有連續(xù)性,火苗在幀間檢測出的坐標(biāo)位置具有相關(guān)性。通過對比幀間火苗位置的信息,可以驗證火苗判別的正確性。(4)應(yīng)用支持向量機的分類方式判別火苗是否存在。通過在不同場景拍攝的火苗視頻獲取大量火苗樣本圖像與負(fù)樣本圖像,運用支持向量機對正負(fù)樣本進行訓(xùn)練,然后用測試樣本驗證火苗判別的準(zhǔn)確性,測試的結(jié)果表明有較高的識別率。
[Abstract]:Fire has been threatening the safety of human life and property. It is an important research topic to detect fire in advance and issue early warning information. In recent twenty years, with the rapid development of science and technology, visual based fire detection technology has become a major research direction of fire prevention. Visual based fire detection and monitoring video can get more information, stronger anti-jamming ability and more suitable area. However, the research work of fire detection based on vision is mainly focused on the analysis of the flame that has already been burned, and there is no research on the flame in the early stage. In bus, gas station, flammable warehouse and other scenes, fire may cause incalculable damage. According to the requirements of these special scenes, this paper studies the static and dynamic characteristics of the fire, and puts forward a complete fire detection method. The method proposed in this paper has lower false alarm rate and higher accuracy rate. The main contents of this paper are as follows: (1) the color and contour characteristics of static flame are studied. The statistical features of flame under different color models are analyzed, and the flame image is segmented by using the color feature of fire. The best color model is obtained by comparing and analyzing the segmentation results of flame image under different color models. Chain code is used to obtain the flame boundary information, and then the Hu invariant moment feature is used to describe the shape of the flame boundary. The reliability of Fourier descriptor and Hu invariant moment feature in describing fire boundary is analyzed. (2) moving target detection in fire video is studied. Flame has its unique characteristics of motion. When it appears, it can be regarded as a moving target. After it appears, it is still. According to the characteristics of flame motion, an improved inter-frame differential method is proposed to detect the moving target and remove a large amount of background information similar to the flame color. (3) the dynamic characteristics of the flame between frames are studied. The flame is a target with stable shape, the flame between frames has continuity, and the coordinate position of flame detected between frames is correlated. The correctness of flame discrimination can be verified by comparing the information of flame position between frames. (4) support vector machine (SVM) is applied to distinguish the existence of fire. A large number of images of fire samples and negative samples were obtained from different scene videos. Support vector machine (SVM) was used to train positive and negative samples, and then test samples were used to verify the accuracy of fire discrimination. The test results show that there is a high recognition rate.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：X932;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 陳亞林;于蓮芝;;基于改進Surendra背景更新算法的視頻火災(zāi)檢測[J];電子科技;2016年05期

2 李明軒;盧國建;胡忠日;梅秀娟;謝曉剛;;點式感溫火災(zāi)探測器動作時間預(yù)測方法的應(yīng)用[J];消防技術(shù)與產(chǎn)品信息;2015年09期

3 張鴻鋒;李婉琪;曾昭君;麥志杰;;Hu不變矩在圖像識別中的應(yīng)用與實現(xiàn)[J];科技資訊;2014年30期

4 趙三琴;劉德營;丁為民;申寶營;;邊界點數(shù)量對傅里葉描述子識別精度的影響[J];農(nóng)業(yè)機械學(xué)報;2014年09期

5 屈晶晶;辛云宏;;連續(xù)幀間差分與背景差分相融合的運動目標(biāo)檢測方法[J];光子學(xué)報;2014年07期

6 王文豪;陳曉兵;劉金嶺;;基于連通區(qū)域和SVM特征融合的火災(zāi)檢測[J];計算機仿真;2014年01期

7 黨勃;;基于SVM的圖像型火災(zāi)探測系統(tǒng)[J];計算機光盤軟件與應(yīng)用;2013年04期

8 劉海生;張鑫磊;宋麗霞;;基于統(tǒng)計數(shù)據(jù)的全國火災(zāi)形勢綜合評價與預(yù)測[J];中國安全科學(xué)學(xué)報;2011年06期

9 謝勰;王輝;張雪鋒;;圖像閾值分割技術(shù)中的部分和算法綜述[J];西安郵電學(xué)院學(xué)報;2011年03期

10 吳蕓;彭真明;;分形約束二維Otsu紅外圖像分割方法[J];指揮控制與仿真;2011年02期

相關(guān)博士學(xué)位論文 前1條

1 康鋒;基于視覺特征的早期農(nóng)林火災(zāi)檢測方法的基礎(chǔ)研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 及林;基于圖像特征提取的火災(zāi)檢測[D];大連理工大學(xué);2013年

2 普婕;復(fù)雜動態(tài)場景背景建模與目標(biāo)檢測技術(shù)研究[D];電子科技大學(xué);2013年

3 楊峰;基于支持向量機的車身顏色識別方法研究[D];電子科技大學(xué);2013年

4 景亮;復(fù)雜環(huán)境下自動目標(biāo)識別檢測技術(shù)研究[D];電子科技大學(xué);2013年

5 徐東;基于輪廓的圖像分割及目標(biāo)跟蹤方法研究[D];電子科技大學(xué);2012年

6 劉培勛;基于視頻監(jiān)控的全天候火災(zāi)檢測系統(tǒng)[D];吉林大學(xué);2011年

7 鐘取發(fā);動態(tài)環(huán)境下早期煙霧、火苗的視頻分級檢測研究[D];浙江理工大學(xué);2010年

8 葛勇;基于視頻的火災(zāi)檢測方法研究及實現(xiàn)[D];湖南大學(xué);2009年

9 張金華;基于矩特征傅里葉描述的目標(biāo)形狀識別[D];上海交通大學(xué);2009年

10 方浩宇;序列圖像中的目標(biāo)檢測與跟蹤方法研究[D];電子科技大學(xué);2006年

，

本文編號：2124129