基于视频的大空间早期火灾检测关键技术研究

论文摘要

随着社会经济的快速发展,大空间建筑物灾难救援在城市安全管理中的作用越来越受到人们的重视。作为其核心组成部分之一,大空间早期火灾检测系统在火灾监控、预警以及事后责任分析等方面有着十分广阔的应用前景,是目前国内外的研究热点。受到监控场景内复杂环境以及存在的多种干扰因素的影响,长期以来,基于视频的火灾检测一直是模式识别领域内的一个难点问题。本文在对早期火灾检测系统进行深入研究的基础上,提出了一套行之有效的解决方案,并开发出能够实际应用的软件系统。论文的研究工作与成果如下：(1)对输入视频图像进行图像预处理,并将火灾火焰作为一种特殊的运动目标利用背景差法进行检测。提出了一种具有自适应更新机制的时间中值法建立监控区域背景,该算法可以快速准确地建立背景,同时在环境发生突变时重新建立背景。为准确地检测运动目标,提取其特征奠定了基础；(2)对早期火灾火焰进行了特征的研究与提取。分析火灾火焰亮度—颜色主分量饱和度综合特征、火灾火焰面积变化特征以及火灾火焰边缘—质心综合特征等,并应用彩色空间分析以及基于Contourlet变换的边缘检测技术对相关特征进行提取。(3)在对火灾火焰特征本身的性质进行分析的基础上,提出了阈值法与BP神经网络算法相结合的早期火灾火焰识别算法。该算法将目标识别过程分为两部分,对应早期火灾火焰的两类特征,可以同时满足准确性和实时性。(4)利用Matlab9.0对本文提出的算法进行了仿真实验,开发出了完整的早期火灾检测软件。经测试,该火灾检测系统对于目标检测的正确率可达94%,而检测时间仅为10秒,达到了此前设计的目标。本文还在现有早期火灾火焰视频样本库的基础上,通过实验证明了文中提出算法的先进性、有效性和实用性。本文所设计系统具有良好的实时性和精确性指标,同时具备良好的鲁棒性和自适应性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 国内外研究现状
• 1.2.1 图像型火灾探测技术发展现状
• 1.2.2 人工神经网络在火灾检测技术中的应用
• 1.3 早期火灾检测系统的构成及其关键技术
• 1.4 本课题的主要研究内容
• 第二章 基于视频的火灾检测技术基础
• 2.1 图像的预处理技术
• 2.1.1 图像颜色模型及彩色空间转换
• 2.1.2 图像形态学处理
• 2.2 图像特征提取技术
• 2.2.1 图像的几何特征
• 2.2.2 图像的形状特征
• 2.2.3 小波特征提取
• 2.3 图像分类识别技术
• 2.4 本章小节
• 第三章 火灾视频的预处理技术
• 3.1 火灾图像的滤波
• 3.1.1 均值滤波
• 3.1.2 维纳滤波
• 3.1.3 中值滤波
• 3.2 火灾图像前景目标的提取
• 3.3 火灾检测背景模型建立
• 3.3.1 模型法
• 3.3.2 非模型法
• 3.3.3 带有更新机制的统计中值法
• 3.4 目标区域连通域的提取
• 3.4.1 像素的连通性
• 3.4.2 游程长度编码
• 3.4.3 最大连通域提取
• 3.5 本章小节
• 第四章 火灾火焰的颜色特征提取
• 4.1 特征提取的原则
• 4.2 现有火灾火焰颜色特征的不足
• 4.3 亮度—红色饱和度特性
• 4.3.1 颜色特征推导过程
• 4.3.2 实验结果
• 4.3.3 火灾火焰颜色特征的提出与应用
• 4.4 火焰颜色特征扩展
• 4.5 本章小节
• 第五章 火灾火焰的形态特征提取
• 5.1 火焰边界提取
• 5.1.1 边缘提取经典算法
• 5.1.2 基于小波的边缘检测算法
• 5.1.3 基于Contourlet变换的火焰边缘检测
• 5.2 火灾火焰面积变化特征
• 5.3 火焰区域边缘—质心综合特征
• 5.3.1 特征提出
• 5.3.2 特征计算
• 5.3.3 可行性验证
• 5.4 基于最近邻分类法验证火焰形态特征
• 5.5 本章小节
• 第六章 火灾火焰识别与系统整体构建
• 6.1 火灾火焰特征的综合
• 6.2 基于BP神经网络的火灾火焰识别
• 6.3 整体系统构建与测试
• 6.3.1 系统软件设计
• 6.3.2 系统仿真平台
• 6.3.3 系统测试结果及分析
• 6.4 本章小节
• 第七章 结论与展望
• 7.1 本文工作总结
• 7.2 进一步的研究工作
• 参考文献
• 攻读硕士学位期间发表论文情况
• 致谢