基于烟雾动态特征分析的实时火灾检测

传统的离子式、光电式、吸烟式等烟雾探测器．需要非常靠近烟雾源时才能完成检测,不能应用于室外大空间、远距离等特殊场合的火灾监控系统中。提出了一种基于烟雾动态特征的图像型火灾识别算法。通过监测普通CCD摄像机拍摄的视频图像,进行运动物体的检测分割,分析图像帧中运动物体的动态特征,进而判断监控区域是否有火灾烟雾的发生。实验结果表明,该算法具有比较好的鲁棒性,能够有效地降低火灾监控系统的误报漏报率。     

基于小波变换和稀疏光流法的火灾烟雾检测

传统图像型火灾烟雾检测算法不适用于存在灯光、水蒸气等噪声的图像。为此,通过分析早期火灾烟雾的运动规律,采用分块和背景自适应相结合的方法,提取运动前景,然后分别在RGB空间和HSV空间建立烟雾的颜色模型和亮度变化模型,分割出烟雾疑似区域。在灰度空间使用二维离散小波变换对烟雾疑似区域及对应的背景区域进行能量分析,提取高频和低频能量的比值。用Lucas-Kanade稀疏光流算法跟踪运动区域,获取烟雾运动区域的平均偏移量和相位分布作为烟雾识别特征,根据烟雾识别规则,判断监控区域是否有火灾发生。实验结果表明,该方法具有较强的鲁棒性,能够提高烟雾检测的准确率。     

基于颜色与运动特征的变电站实时烟雾检测

变电站的环境特殊性要求站内火灾检测准确、快速,烟雾检测是早期火灾检测中的常用方法.针对变电站特殊环境,提出一种快速烟雾检测算法.首先,利用改进的ViBe算法检测变电站实时监控视频中的运动区域,再通过颜色特征确定疑似烟雾区域,然后结合烟雾面积增长特性和移动特性识别烟雾区域.实验结果表明:这种算法能够检测到不同场景中的烟雾,对远距离、稀薄烟雾也能有效检测,满足变电站火灾检测实时性、准确性要求,能够应用于变电站场景烟雾检测.     

基于Surfacelet变换和动态纹理的烟雾检测

鉴于烟雾检测对火灾预警的重要作用,提出一种基于Surfacelet变换的动态纹理烟雾检测算法。先对图像序列进行Surfacelet变换,再对变换后的系数进行广义高斯建模,获得与系数相对应的模型参数作为特征,最后使用KL距离做相似性度量。与其他3种基于Surfacelet变换的烟雾检测方法进行对比,包括：使用均值和方差作为特征,支持向量机进行分类;使用均值和方差作为特征,欧式距离进行相似性度量;使用广义高斯模型参数作为特征,欧式距离进行相似性度量。实验结果表明,该算法可以提高烟雾检测准确性,降低误检率,有效去除类烟运动物体的干扰。     

一种基于背景动态更新与暗通道先验的火灾烟雾检测算法*

烟雾检测在现代智能消防中有着重要的应用前景,随着计算机视觉和模式识别技术的发展,基于视频图像的火灾烟雾检测算法不断被提出。针对目前检测方法适应性不强、在复杂环境下检测性能不高的问题,提出了一种基于背景动态更新和暗通道先验的烟雾检测算法。算法首先通过改进的背景动态更新算法提取运动前景;然后,结合暗通道先验知识确定前景中的疑似烟雾区域;最后,利用烟雾颜色特征、旋转不变的LBP纹理特征和HOG特征的线性融合通过最近邻分类器(KNN)进行识别。通过在多个视频场景下的实验,表明该算法受环境因素影响较小,且具有良好的烟雾检测能力。     

基于OMAPL138的视频监控烟雾检测系统

基于低功耗浮点DSP+ARM双核架构的高性能芯片OMAPL138,开发一个带烟雾检测功能的视频监控与处理系统。该系统利用Davinci异构多核通信的基础组件SysLink,实现了视频信号在异构多核处理器之间的通信与处理,具有体积小,功耗低,算法实现灵活高效,可以脱离计算机独立运行等特点。在OMAPL138的DSP端运行了基于图像频度特征的烟雾检测算法,综合运用频度图像和灰度图像相对于基准图的相关系数,既能检测浓烟也能检测稀薄烟雾,并利用烟雾的独有特征避免了物体移动与光照变化等场景引起的误检测。     

基于运动检测的智能监控系统的设计与实现

针对数字监控系统的设计,提出了一个基于运动物体检测的智能监控,探讨了监控图像序列中进行运动检测的若干基本算法,开发了具有视频压缩、解码、网络传输、图像储存、图像索引回放、摄像机远程控制和图像内容报警等功能的数字图像监控系统。     

基于颜色直方图和小波变换的视频烟雾检测

从视频中自动识别烟雾在火灾早期预报警、尾气识别等实际应用中具有重要意义。烟雾检测的难点之一在于如何排除与烟雾颜色相近的运动对象的干扰。为了保证检测效果和实时性,提出使用静态的小波统计特征来排除汽车、行人等干扰区域。该算法首先使用背景剪除法获取运动区域,然后利用颜色直方图映射来提取符合烟雾色彩特征的疑似区,最后分别对背景和相应的视频帧做小波变换并对二者求差,根据差值图像的统计特征来去除疑似区域中的非烟雾物体。实验结果表明,该方法正确率较高,检错率较低,且基本达到实时效果。     

基于运动和颜色的视频烟雾检测算法

为了提高视频烟雾检测的准确性,有效排除视频中类似烟雾运动的物体,降低对环境光照变化产生的误检,提出了基于运动和颜色改进的烟雾检测算法.该算法能有效克服被检测场景光照的变化、背景混乱运动、以及运动目标阴影带来的干扰.它由两部分构成:烟雾运动检测和烟雾颜色特征的提取.该算法通过运动分割的方法检测出运动的像素,把归一化rgb空间颜色模型引入,以剔除疑似烟雾区域的干扰,并有效减小光照变化等影响.     

基于Harris特征点检测与跟踪的火灾烟雾识别

针对现有的视频火灾烟雾探测方法实时性差,误报率和漏报率都比较高的问题,在深入分析烟雾图像特征的基础上,发现早期烟雾运动缓慢且主要运动方向呈向上趋势,在连续帧中像素的强度变化具有一致性的特点,通过Harris检测算法找到强度变化剧烈和图像边缘的特征点,根据光流场与运动场的对应关系由成像平面中光流的变化估计烟雾的相对运动,计算运动矢量信息,实现多特征烟雾检测。该算法是基于烟雾灰度变化的特征点作为检测对象,大大减少了待处理的数据量,缩短了算法处理时间,综合了烟雾的局部特性和全局特性,具有较强的鲁棒性和较高的检测准确率。