加油站是為機動車輛供給燃油的場所,它一方面為司機行車帶來了便利,另一方面存在的油氣泄漏問題也會帶來大氣污染,嚴重危害人類的健康。隨著全民環(huán)保意識的增強,人們對油氣泄漏檢測的精度及實時性要求也更高了,而傳統(tǒng)的檢測方法在這些方面稍顯不足,因此需要新的方法來精確的檢測泄漏情況。針對泄漏油氣所具有的與其它氣體相似的特性,本文以加油槍加油時的油氣泄漏情況為研究背景,提出了一種基于紅外視頻的油氣泄漏檢測方法,主要做了以下幾個方面的研究:（1）通過分析總結(jié)光流法、差分法以及混合高斯背景建模方法的優(yōu)缺點,提出了一種聯(lián)合差分法和混合高斯建模的運動目標檢測方法用以提取疑似油氣泄漏區(qū)域,并對該區(qū)域進行二值化、濾波及形態(tài)學運算等預處理,得到較為合理的泄漏區(qū)域圖像。（2）對泄漏油氣的相關(guān)特征進行了分析,包括油氣的擴散、形狀及灰度變化特征,并設計泄漏及干擾模擬實驗提取出了這些特征,驗證了確實存在某些特征閾值可將泄漏油氣和外界干擾區(qū)分開來。（3）簡要介紹了BP神經(jīng)網(wǎng)絡的基本原理并將其應用于本研究中,以上述三個特征參數(shù)為輸入信號,有無干擾為輸出信號,并采集多組泄漏及干擾視頻進行訓練,結(jié)果顯示可以準確的識別出干擾。（4... 

【文章來源】：浙江科技學院浙江省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

技術(shù)路線

dtdt得的解有無窮個，因此需要其它的約束條件來縮小范圍確定唯一解。光流法除了能對靜態(tài)場景下的運動目標進行提取，對于動態(tài)場景也具有一定的應用，然而該方法的計算相對較為復雜，而且在實際生活中，由于光線陰影變化容易產(chǎn)生較大的誤差，因此對于時刻變化的視頻流而言，并不適用，需要結(jié)合其它的方法來降低誤差和提高速度。2.2 差分法概述2.2.1 幀間差分法在視頻流中，相鄰幀之間時間間隔很短，因此背景幾乎保持不變，而運動區(qū)域則有一定的變化，據(jù)此可將兩者分開。幀間差分法36主要是通過將相鄰兩幀或多幀之間作差分運算，并將所得差值和預設閾值對比，若大于閾值，則認為該區(qū)域為前景，反之，則認為是背景。其原理圖如下所示：

13(e) 模擬油氣泄漏視頻(f) 模擬泄漏視頻幀差結(jié)果圖 2-2 幀差法檢測運動目標效果2.2.2 背景差分法背景差分法37，有時也稱為背景消除法，與幀差法原理相類似，它是通過將當前幀圖像與背景圖像之間進行差分運算來提取運動區(qū)域。其原理如下：

【參考文獻】：
期刊論文
[1]加油站油氣回收系統(tǒng)簡介[J]. 白芝瓊.  計量與測試技術(shù). 2017(01)
[2]基于幀差法和背景差法的運動目標檢測[J]. 張應輝,劉養(yǎng)碩.  計算機技術(shù)與發(fā)展. 2017(02)
[3]油氣回收在線監(jiān)測技術(shù)發(fā)展現(xiàn)狀及改進建議[J]. 欒輝,李巨峰,唐智和.  油氣田環(huán)境保護. 2016(03)
[4]石油和天然氣紅外成像檢漏[J]. 唐璟,羅秀麗,劉紹華,王嶺雪,蔡毅,薛唯,陳龍華,張小水,王書潛.  激光與紅外. 2016(01)
[5]基于紅外技術(shù)的氣體濃度檢測方法研究[J]. 劉永平,王霞,李帥帥,胡玲.  光子學報. 2015(01)
[6]基于紅外成像的乙烯氣體泄漏檢測[J]. 王建平,李俊山,楊亞威,孫勝永,王蕊.  液晶與顯示. 2014(04)
[7]基于混合高斯運動檢測模型與多特征的煙霧識別算法[J]. 吳亮生,雷歡,黃東運,陳光黎,盧杏堅,楊陽.  自動化與信息工程. 2014(02)
[8]加油站油氣回收在線監(jiān)測系統(tǒng)[J]. 孟振振,吳鋒棒,張衛(wèi)華.  化工自動化及儀表. 2012(11)
[9]污染氣體掃描成像紅外被動遙測技術(shù)研究[J]. 焦洋,徐亮,高閩光,馮明春,金嶺,童晶晶,李勝.  光譜學與光譜分析. 2012(07)
[10]加油站油氣回收在線監(jiān)測系統(tǒng)研究[J]. 劉江濤,劉紅旗,張健,卞吉偉,楊超.  機電產(chǎn)品開發(fā)與創(chuàng)新. 2011(03)

博士論文
[1]氣體泄漏被動式紅外成像檢測理論及方法研究[D]. 李家琨.北京理工大學 2015

碩士論文
[1]易燃易爆氣體泄漏檢測系統(tǒng)研究[D]. 定康.武漢工程大學 2017
[2]易燃易爆氣體泄漏紅外視頻圖像檢測方法研究[D]. 王敏.武漢工程大學 2017
[3]基于神經(jīng)網(wǎng)絡與多特征融合的粒子濾波目標檢測跟蹤算法研究[D]. 林曉斌.浙江大學 2017
[4]基于煙霧濃度的火災視頻檢測方法[D]. 袁飛閣.華中科技大學 2013
[5]室內(nèi)條件下基于視頻序列的火災煙霧檢測算法研究[D]. 兆長勝.吉林大學 2010
[6]BP神經(jīng)網(wǎng)絡的算法改進及應用研究[D]. 孫娓娓.重慶大學 2009



本文編號：3484044