基于視頻圖像的火災(zāi)識(shí)別與預(yù)報(bào).pdf

1、火災(zāi)是人類社會(huì)中最常見的嚴(yán)重災(zāi)害之一，特別是大空間建筑火災(zāi)、礦井火災(zāi)、森林火災(zāi)、隧道火災(zāi)等事故給人類造成嚴(yán)重的生命和財(cái)產(chǎn)損失。因此為了最大程度的降低火災(zāi)所造成的危害，加強(qiáng)對(duì)火災(zāi)的實(shí)時(shí)監(jiān)控與預(yù)報(bào)是尤為重要的。傳統(tǒng)的感溫、感煙式探測(cè)方法在復(fù)雜環(huán)境下往往效果不理想，而圖像型火災(zāi)探測(cè)有著非接觸式探測(cè)的特點(diǎn)，使該項(xiàng)技術(shù)能夠成為在大空間建筑、森林、隧道等大空間和野外進(jìn)行火災(zāi)探測(cè)的有效方法。本文在對(duì)火災(zāi)特性研究的基礎(chǔ)上，將多種火災(zāi)特征信息融合，構(gòu)造出

2、以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的火災(zāi)圖像識(shí)別系統(tǒng)，并通過對(duì)早期火災(zāi)煙霧識(shí)別來進(jìn)行火災(zāi)早期預(yù)報(bào)。
　　 本文系統(tǒng)地論述了火災(zāi)的物理特征以及傳統(tǒng)火災(zāi)探測(cè)技術(shù)的一些不足，介紹了目前新型火災(zāi)探測(cè)技術(shù)，在這個(gè)基礎(chǔ)上分析了圖像型火災(zāi)探測(cè)技術(shù)的優(yōu)勢(shì)與特點(diǎn)。
　　 詳細(xì)的研究了差分圖像法探測(cè)動(dòng)態(tài)目標(biāo)、圖像增強(qiáng)、圖像閾值分割及邊緣檢測(cè)算法在火災(zāi)圖像處理上的應(yīng)用。在傳統(tǒng)Otsu閾值分割算法的基礎(chǔ)上，提出了基于蟻群算法和數(shù)學(xué)形態(tài)學(xué)改進(jìn)的Otsu閾值分割算法

3、，蟻群算法是受真實(shí)螞蟻的群體合作行為啟發(fā)而提出的一種隨機(jī)搜索算法，很大程度上減少了傳統(tǒng)Otsu算法的閾值搜索次數(shù)，并通過數(shù)學(xué)形態(tài)學(xué)算子對(duì)二值化閾值分割圖像進(jìn)行濾波處理。算法能夠有效提高圖像分割效率，改善分割結(jié)果，尤其針對(duì)圖像型火災(zāi)探測(cè)這種大規(guī)模圖像處理系統(tǒng)，能極大的節(jié)省系統(tǒng)開銷。
　　 研究并提取出火災(zāi)火焰和其它一些干擾源的顏色特征、形態(tài)特征、面積和質(zhì)心的變化特征作為火災(zāi)識(shí)別判據(jù)，在此基礎(chǔ)上，又測(cè)得圖像的灰度共生矩陣，提取出能量

4、、熵、慣性矩和局部平穩(wěn)性四個(gè)特征向量作為識(shí)別判據(jù)，并分析這些特征量的發(fā)展規(guī)律，選取部分特征量作為神經(jīng)網(wǎng)絡(luò)的輸入向量。
　　 在神經(jīng)網(wǎng)絡(luò)識(shí)別火災(zāi)的基礎(chǔ)上，提出將遺傳算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的火災(zāi)圖像識(shí)別方法。最后將提取出的火災(zāi)圖像特征信息作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并使用一系列的火災(zāi)圖像以及一些干擾源圖像樣本進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明利用該神經(jīng)網(wǎng)絡(luò)能快速有效的識(shí)別出火災(zāi)圖像，并有較強(qiáng)的抗干擾能力。
　　 全面的分析早期