本文選題：低照度 + 室內(nèi)�。� 參考：《西安科技大學(xué)》2017年碩士論文

【摘要】：基于視頻圖像的煙霧檢測(cè)是消防領(lǐng)域中的一種新型火災(zāi)探測(cè)技術(shù)。針對(duì)視頻煙霧檢測(cè),目前國(guó)內(nèi)外的研究大多在光線較好的環(huán)境下,低照度條件下的研究雖然還處于一個(gè)萌芽階段,但是對(duì)火災(zāi)的預(yù)防卻有著十分重要的指導(dǎo)意義。低照度條件下的火災(zāi)不但造成更多的人員傷亡,而且造成民眾的財(cái)產(chǎn)損害也是極其嚴(yán)重的。本文的主要工作是對(duì)低照度室內(nèi)視頻煙霧圖像進(jìn)行研究,通過(guò)檢測(cè)并識(shí)別圖像中的煙霧目標(biāo)來(lái)實(shí)現(xiàn)該條件下的火災(zāi)預(yù)警。在低照度室內(nèi)環(huán)境下,利用紅外攝像頭獲取的視頻圖像一般都存在脈沖噪聲較多、視覺(jué)信息不夠豐富等缺點(diǎn),為了去除圖像噪聲和凸顯圖像中的目標(biāo),本文通過(guò)對(duì)自適應(yīng)中值濾波算法進(jìn)行改進(jìn),提出了一種低照度視頻圖像的去噪新算法。為了降低低照度室內(nèi)光線變化給目標(biāo)檢測(cè)帶來(lái)的影響和獲得噪聲更少的煙霧目標(biāo)圖像,通過(guò)對(duì)混合高斯模型法中的學(xué)習(xí)率進(jìn)行改進(jìn),以此實(shí)現(xiàn)煙霧目標(biāo)的檢測(cè)。檢測(cè)出煙霧目標(biāo)后,采用先開(kāi)運(yùn)算再膨脹運(yùn)算的方式來(lái)填充目標(biāo)內(nèi)部空洞和消除目標(biāo)圖像中的小塊無(wú)意義區(qū)域。獲得精確完整的目標(biāo)區(qū)域后,為了區(qū)分煙霧目標(biāo),分別對(duì)目標(biāo)的面積擴(kuò)散特征、運(yùn)動(dòng)方向特征和紋理特征進(jìn)行研究。針對(duì)面積擴(kuò)散特征,采用計(jì)算一段時(shí)間內(nèi)的絕對(duì)面積變化率的平均值來(lái)表征煙霧目標(biāo)的面積擴(kuò)散特征;針對(duì)運(yùn)動(dòng)方向特征,采用計(jì)算目標(biāo)輪廓最小外圍矩形中心點(diǎn)主運(yùn)動(dòng)方向比例來(lái)表征煙霧目標(biāo)的擴(kuò)散方向特征;針對(duì)紋理特征,采用計(jì)算煙霧目標(biāo)原圖矩形區(qū)域的對(duì)比度和二階矩來(lái)表征煙霧目標(biāo)的紋理特征。為了提高煙霧目標(biāo)的識(shí)別率,采用基于徑向基核函數(shù)的支持向量機(jī)進(jìn)行煙霧目標(biāo)特征的融合與判定。為了驗(yàn)證算法的識(shí)別能力,分別對(duì)算法進(jìn)行了場(chǎng)景、監(jiān)控距離、室內(nèi)光照度、煙霧濃度以及存在干擾物條件下的測(cè)試,測(cè)試結(jié)果表明,本文算法在大多數(shù)情況下可以有效區(qū)分煙霧和干擾物,煙霧檢測(cè)率高,具備較強(qiáng)的抗干擾能力和較好的場(chǎng)景適應(yīng)能力。
[Abstract]:Smoke detection based on video image is a new fire detection technology in the field of fire protection. For video smoke detection, most of the research at home and abroad is in good light environment. Although the research on low illumination condition is still in its infancy, it has a very important guiding significance for fire prevention. The fire under low illumination not only causes more casualties, but also causes serious damage to people's property. The main work of this paper is to study the low-illuminance indoor video smoke images and to detect and recognize the smoke targets in the images to realize the fire warning under this condition. In the low illuminance indoor environment, the video images obtained by infrared camera generally have many disadvantages, such as pulse noise and insufficient visual information. In order to remove the image noise and highlight the target in the image, By improving the adaptive median filtering algorithm, a new de-noising algorithm for low-illuminance video images is proposed in this paper. In order to reduce the influence of low illuminance indoor light change on target detection and obtain smog target images with less noise, the learning rate of mixed Gao Si model method is improved to achieve smoke target detection. After the smoke target is detected, the hole inside the target is filled and the meaningless area in the target image is eliminated by the way of first opening operation and then expanding operation. After obtaining the accurate and complete target area, in order to distinguish the smog target, the area diffusion feature, motion direction feature and texture feature of the target are studied respectively. According to the characteristics of area diffusion, the average value of absolute area change rate over a period of time is used to characterize the area diffusion characteristics of smog targets, and the characteristics of moving direction are analyzed. The diffusive direction characteristics of smog target are represented by calculating the proportion of the main moving direction of the minimum peripheral rectangular center point of the target contour, and the texture features are analyzed. The contrast and second order moments of the rectangular region of the original map of the smoke target are calculated to characterize the texture feature of the smoke target. In order to improve the recognition rate of smoke target, support vector machine based on radial basis function kernel function is used to fuse and judge the feature of smoke target. In order to verify the recognition ability of the algorithm, the scene, monitoring distance, indoor illumination, smoke concentration and the presence of interference were tested respectively. The test results show that, In most cases, the proposed algorithm can effectively distinguish smoke from interference, with high smoke detection rate, strong anti-jamming ability and better scene adaptability.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊學(xué)富;;基于視頻圖像的煙霧檢測(cè)方法探析[J];通訊世界;2016年03期

2 張會(huì);付東翔;王亞剛;;改進(jìn)自適應(yīng)中值濾波的瓷磚圖像降噪[J];信息技術(shù);2015年12期

3 陳詩(shī)涵;王建寶;廖林;王周知;;基于圖像識(shí)別的火災(zāi)煙霧探測(cè)方法和實(shí)現(xiàn)[J];工業(yè)控制計(jì)算機(jī);2014年11期

4 劉穎;顧小東;李大湘;;基于LSA和SVM的火災(zāi)煙霧檢測(cè)算法[J];西安郵電大學(xué)學(xué)報(bào);2014年06期

5 王媛彬;;基于圖像型的火災(zāi)煙霧檢測(cè)技術(shù)研究[J];消防科學(xué)與技術(shù);2014年09期

6 劉穎;陳謹(jǐn)女;;自適應(yīng)中值濾波算法在圖像處理中的應(yīng)用[J];物聯(lián)網(wǎng)技術(shù);2013年03期

7 許峰;于春雨;徐放;;視頻煙霧火災(zāi)探測(cè)技術(shù)研究趨勢(shì)[J];消防科學(xué)與技術(shù);2012年11期

8 胡燕;王慧琴;姚太偉;高彥飛;;基于塊分割和SVM的視頻火災(zāi)煙霧識(shí)別[J];計(jì)算機(jī)仿真;2012年09期

9 梅娜娜;王直杰;;基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年08期

10 王冰野;;用改進(jìn)的自適應(yīng)中值濾波去椒鹽噪聲[J];湖北警官學(xué)院學(xué)報(bào);2012年08期

相關(guān)碩士學(xué)位論文 前10條

1 文澤波;基于視頻圖像特征提取的煙霧檢測(cè)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

2 周泊龍;基于視頻圖像的火災(zāi)煙霧檢測(cè)算法研究[D];江蘇科技大學(xué);2016年

3 涂清華;低照度圖像增強(qiáng)與去噪研究[D];華僑大學(xué);2016年

4 袁潔;基于融合紋理特征的主動(dòng)紅外煙霧視頻探測(cè)方法[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

5 王光耀;基于機(jī)器學(xué)習(xí)的火災(zāi)檢測(cè)方法研究[D];大連理工大學(xué);2015年

6 劉鵬;基于視頻的火災(zāi)煙霧檢測(cè)[D];華北電力大學(xué);2014年

7 唐維;視頻煙霧的多特征檢測(cè)算法研究[D];西安科技大學(xué);2013年

8 虞燕鳳;基于視頻圖像的火災(zāi)煙霧檢測(cè)研究[D];大連海事大學(xué);2013年

9 王建勛;基于混合高斯模型的視頻人體檢測(cè)研究[D];華中科技大學(xué);2013年

10 王娜娜;基于視頻的火災(zāi)煙霧檢測(cè)算法研究[D];西安科技大學(xué);2012年

，

本文編號(hào)：2030088