实验室火灾风险智能视觉预警仿真研究

当前的火灾风险视觉预警方法忽略了对火焰图像的增强处理，导致上述方法下火焰特征识别精度偏低。为此研究新的实验室火灾风险智能视觉预警方法。通过监控摄像装置实时采集图像，采用离散小波变换将采集图像分解成低通子带和高通子带图像，阈值去噪处理小尺度高通子带图像降低图像的噪声，增强图像对比度，获取增强后图像的火焰动态、静态特征。利用协方时空差融合火焰特征，经支持向量机分类器识别火焰图像后，通过实验室监控设备将识别的到火焰结果传输至微信APP完成视觉可视化预警。仿真结果表明，所提方法可有效降低图像噪声，提高火焰图像对比度，且静、动态特征融合后的图像特征识别率高达90%。所提方法可通过微信APP将预警信息实时传输给实验室负责人，实现实验室火灾风险的智能视觉预警。