基于视频的火灾烟雾探测算法的研究-信息与通信工程专业论文.docxVIP

万方数据 万方数据 中文摘要 随着社会经济水平的不断发展，大空间场所逐渐增多，比如商场，地下隧道， 大型仓库等。在这些大空间场所中，传统的火灾探测技术需要燃烧颗粒到达安装 于顶棚的传感器后才能实现火灾预警。由于燃烧颗粒运动缓慢，会为触发传感器 带来极大的延时，因而不能满足人们对大空间早期火灾探测的需求。随着图像处 理技术和模式识别技术在视频监控领域应用的不断深入，可视火灾探测技术逐渐 引起人们的注意。另外，该技术主要依赖于已有的普通视频监控系统，这就为推 广和应用该技术奠定了基础。 可视火灾探测技术包括火焰可视探测技术、烟雾可视探测技术以及火焰/烟 雾可视探测技术。由于烟雾产生时期早于火焰且不易被遮挡，本文选用烟雾作为 火灾报警信息。目前烟雾可视探测技术主要包括两大部分，一是疑似烟雾区域的 检测；二是烟雾特征的有效选取。通过大量实验验证，普通的运动检测算法都不 能提取边缘连续、内部完整的疑似烟雾区域。本文创新性利用光流残差增量的方 式不仅有效提取出了完整的疑似烟雾区域，还将烟雾与其他动态纹理干扰因素区 别开来，改进了以往运动检测算法的不足。另外，本文通过研究烟雾在视频运动 图像中的动态和静态特征，总结出了五个有效的烟雾特征分别是颜色特征、色差 减小、边缘能量减少、光流方向扩散特性以及形状复杂度。然后通过大量实验总 结各个特征的显著性，并利用显著性为各个特征赋予不同的权值系数。最后通过 简单的特征融合算法将这五个特征综合起来对烟雾进行识别判断。 通过实验证明，该算法能够及时有效的检测到烟雾，且能够在极大程度上排 除干扰因素，但是该算法在通用性上存在不足，需要进一步探讨研究。 关键词：烟雾可视探测技术；光流残差增量；动态纹理；色差减小；光流方向 扩散特性 ABSTRACT With the growth of society and economy, there are more and more large space sites, such as supermarkets, underground tunnels, large warehouses,etc. Traditional fire detection techniques give fire alarms only when the combustion particles reach the sensors fixed on the ceiling, whereas in large space sites, the movement of the combustion particles is so slow that it makes a significant delay to trigger the alarm. Therefore, traditional fire detection techniques can not meet the requirement of early fire detection in large space sites. With the application of image processing and pattern recognition techniques in video surveillance domain, video-based fire detection techniques become appealing. Moreover, these techniques rely on existing video surveillance system, which makes it possible to apply and promote these techniques in future. Video-based fire detection techniques include video flame detection, video smoke detection and video flame smoke detection. In this paper, we choose smoke as the early sign of fire because smoke appears before flame and is difficult to hide. There are two parts included in video-based smoke detection. One is the detection of suspected smoke regions and the other is the extraction of effective smoke feat