傳統(tǒng)接觸式的火災(zāi)檢測(cè)方式在一些狹小的封閉場景中能夠取得很好的檢測(cè)效果,但是在開放式的環(huán)境中難以達(dá)到有效的檢測(cè)效果,而且這種檢測(cè)方案對(duì)于安裝的環(huán)境也有很苛刻的要求,否則難以達(dá)到檢測(cè)火災(zāi)的目的。而基于視頻分析的非接觸式火災(zāi)檢測(cè)方案,適用范圍廣,部署簡便,能夠有效地彌補(bǔ)接觸式的檢測(cè)方案的不足之處。但目前基于視頻的火災(zāi)檢測(cè)方案的研究還存在很多需要完善的地方,如對(duì)復(fù)雜場景的識(shí)別精度較低、受光照環(huán)境因素影響較大等。本文以中國船舶重工集團(tuán)公司第七〇一研究所與重慶大學(xué)合作的艙室火災(zāi)檢測(cè)項(xiàng)目為基點(diǎn),通過分析火災(zāi)產(chǎn)生過程中的煙霧特性提出了一套完整的早期火災(zāi)檢測(cè)方法,來解決目前檢測(cè)方法存在的一些不足,為后續(xù)基于視頻的火災(zāi)檢測(cè)方案的發(fā)展提供一定的技術(shù)方向。首先,本文根據(jù)視頻中運(yùn)動(dòng)的物體提出了一種基于多連通分量的像素自適應(yīng)前景分離方法來提取出圖像中前景區(qū)域。該方法首先對(duì)視頻幀進(jìn)行了去噪、增強(qiáng)等預(yù)處理工作,來提高圖像中煙霧和背景對(duì)比度。然后利用Sobel算子進(jìn)行邊緣提取,根據(jù)邊緣信息計(jì)算出最大的連通區(qū)域,并根據(jù)連通區(qū)域快速構(gòu)建出初始背景樣本。最后利用背景樣本來實(shí)現(xiàn)對(duì)視頻幀中前景區(qū)域的提取。其次,將疑似煙霧前景區(qū)域... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Harr小波變換Fig.2.3HarrWaveletTransform

重慶大學(xué)碩士學(xué)位論文12行煙霧前景區(qū)域的提取做準(zhǔn)備。對(duì)于煙霧區(qū)域Cmax和Cmin的差值較小，而對(duì)于非煙霧與區(qū)域Cmax和Cmin的差值較大。所以本文采取的變換方式如下式所示：=Cmin()=2(2.5)其中為像素點(diǎn)的灰度值。當(dāng)像素點(diǎn)為煙霧區(qū)域時(shí)，計(jì)算得到的會(huì)比較大，而對(duì)于非煙霧區(qū)域得到的值會(huì)比較校煙霧圖像的增強(qiáng)主要是針對(duì)于煙霧區(qū)域的顏色的增強(qiáng)，以區(qū)分煙霧和非煙霧卻和煙霧區(qū)域有相同的顏色特征。本文先根據(jù)煙霧像素值的先驗(yàn)分布得到非煙霧和煙霧區(qū)域的像素點(diǎn)的差別，然后根據(jù)R、G、B分量的分布進(jìn)行了增強(qiáng)或者抑制處理。采用增強(qiáng)算法步驟如下：①計(jì)算像素點(diǎn)(,)出的R、G、B通道分量②利用(,)處的最大灰度值和最小灰度值對(duì)煙霧區(qū)域進(jìn)行增強(qiáng)或者抑制處理，如(2.6)所示。③最后為了抑制噪聲并保持區(qū)域的邊緣信息，對(duì)圖像做了中值濾波處理。如下公式所示：=∈()(())(2.6)其中S為像素點(diǎn)的灰度值，()為第二步處理后的像素點(diǎn)的灰度值，Ω(t)為大小為t的鄰域空間。如下所2.5所示，為部分煙霧圖像的增強(qiáng)效果分析。左1為原圖，左2為原灰度圖，左3為灰度增強(qiáng)圖。圖2.5煙霧圖像增強(qiáng)Fig.2.5SmokeImageEnhancement

重慶大學(xué)碩士學(xué)位論文18③背景模型的更新在實(shí)際火災(zāi)煙霧的環(huán)境中，燃燒的速率隨著時(shí)間而不斷改變。所以在提取前景像素的過程中，背景的更新速率也要根據(jù)場景切換的快慢來進(jìn)行調(diào)整更新速率。防止因?yàn)榭焖俚膱鼍扒袚Q，導(dǎo)致大部分的背景像素被歸類成前景像素。本文采用幀間像素灰度值的方差的變化FV作為判斷場景切換快慢的度量,當(dāng)FV大于某個(gè)閾值的時(shí)候，我們可以認(rèn)為幀間像素值變化較大，場景變化較快，需要?jiǎng)討B(tài)調(diào)整更新背景模型的速率。FV=β(δt+12δt2)≤Γ(3.10)β為度量系數(shù)，根據(jù)檢測(cè)視頻的場景隨時(shí)變換，如果視頻處在波動(dòng)不大的場景之中時(shí)，可適當(dāng)增大β的數(shù)值。Γ為固定參數(shù)，如果FV大于Γ，則認(rèn)為視頻正處在場景的快速切換之中，需要更新背景的學(xué)習(xí)率α。α的更新方式如下所示：{γ=FVδt2α=γα(3.11)γ為場景的變化率。動(dòng)態(tài)高斯模型的仿真實(shí)驗(yàn)如下所示：圖3.2動(dòng)態(tài)高斯煙霧分離Fig.3.2DynamicGaussSmokeSeparation3.2.2基于ICA的煙霧前景分離ICA是從盲源分離發(fā)展而來多維信號(hào)處理技術(shù)。盲源分離可以從混合的觀測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]2013～2016年全國火災(zāi)事故統(tǒng)計(jì)分析及對(duì)策[J]. 王陽,施式亮,李潤求,劉勇,陳曉勇.  安全. 2018(11)
[2]基于形態(tài)學(xué)與顏色信息的車牌定位新方法[J]. 羅山,李玉蓮.  山西電子技術(shù). 2018(05)
[3]視頻煙霧檢測(cè)研究進(jìn)展[J]. 史勁亭,袁非牛,夏雪.  中國圖象圖形學(xué)報(bào). 2018(03)
[4]圖像紋理分類方法研究進(jìn)展和展望[J]. 劉麗,趙凌君,郭承玉,王亮,湯俊.  自動(dòng)化學(xué)報(bào). 2018(04)
[5]基于RGB統(tǒng)計(jì)顏色模型的火焰識(shí)別[J]. 陳嘉卿,張冰,宋英磊.  江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[6]基于顏色增強(qiáng)變換和MSER檢測(cè)的煙霧檢測(cè)算法[J]. 李筍,石永生,汪渤,周志強(qiáng),王海羅.  北京理工大學(xué)學(xué)報(bào). 2016(10)
[7]一種多尺度灰度共生矩陣的紋理特征提取算法[J]. 王民,王靜,王羽笙.  液晶與顯示. 2016(10)
[8]一種兩步高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 張明杰,康寶生.  計(jì)算機(jī)工程. 2015(10)
[9]一種基于模糊特征的火災(zāi)煙霧實(shí)時(shí)識(shí)別算法[J]. 曹希鋒,梅真碩,張曦,于春雨.  消防科學(xué)與技術(shù). 2014(06)
[10]基于塊分割和SVM的視頻火災(zāi)煙霧識(shí)別[J]. 胡燕,王慧琴,姚太偉,高彥飛.  計(jì)算機(jī)仿真. 2012(09)

碩士論文
[1]面向復(fù)雜場景的煙霧檢測(cè)研究與實(shí)現(xiàn)[D]. 殷夢(mèng)霞.北京交通大學(xué) 2018
[2]基于多特征聯(lián)合的視頻火焰檢測(cè)方法研究[D]. 孫孝坤.上海師范大學(xué) 2018
[3]基于視頻內(nèi)容分析的火災(zāi)煙霧檢測(cè)算法研究與實(shí)現(xiàn)[D]. 孫健.北京交通大學(xué) 2017
[4]融合圖像分離和特征分析的煙霧檢測(cè)算法研究[D]. 張靜.太原理工大學(xué) 2017
[5]基于小波變換的圖像特征提取方法研究[D]. 孫洪飛.南京郵電大學(xué) 2015



本文編號(hào)：3390628