1种结合图像处理及深度校正模型的室内早期火灾定位方法

发布时间：2021-01-25 05:51

　　为解决传统火灾探测器难以对室内早期火灾进行有效探测与定位的问题,在传统双目立体视觉对火灾定位的基础上提出1种增加图像处理及深度校正模型的火灾定位方法。利用该方法在黑暗、明亮2种亮度条件下的校园办公室、走廊和宿舍3种真实室内环境下进行验证。结果表明:在106组有效实验中,共有104组实验结果符合《特种火灾探测器》（GB15631—2008）中对图像型火灾探测器定位精度的要求,其定位精度合格率为98.1%,定位平均时间为12.19 s。该结果可以满足室内早期火灾定位的使用需求。 

【文章来源】：中国安全生产科学技术. 2020,16(01)北大核心

【文章页数】：6 页

【部分图文】：

数据采集示意

利用该方法对1组在明亮的办公室环境下距摄像头4 m处采集的数据进行火灾区域提取,提取结果如图2(b)及图2(e)所示。由图2(b)及图2(e)可以看出,有个别较小的连通区域也被识别为待提取的火灾区域,这可能是LED电子火盆产生的模拟火焰在室内环境中的反光引起的。这些小连通区域可能会对火灾区域的定位造成干扰,导致定位误差,因此还需要从图像中剔除这些小连通区域。2.2 基于八邻域的图像降噪

火灾定位时间是指从系统发现火灾到确定火灾位置信息的时间。通过计算106组实验的火灾定位平均时间,本文方法的火灾定位总平均时间为12.19 s,各实验环境下的火灾定位平均时间见表3。表2 本文方法在6种实验环境下的一元线性回归方程Table 2 Simple linear regression equations of proposed method in six experimental environments 实验场地 明亮环境 黑暗环境 办公室 y=0.987 9x,R2=0.998 0 y=0.991 1x,R2=0.997 7 走廊 y=1.000 4x,R2=0.999 5 y=0.998 8x,R2=0.998 1 宿舍 y=0.989 0x,R2=0.993 8 y=0.992 0x,R2=0.998 2

【参考文献】：
期刊论文
[1]一种八邻域图像边界追踪改进算法[J]. 胡晋山,康建荣,张琪,刘鹏程,朱铭达.  测绘通报. 2018(12)
[2]基于计算机视觉的森林火灾识别算法设计[J]. 刘凯,魏艳秀,许京港,赵永政,蔡志勇.  森林工程. 2018(04)
[3]双目立体匹配算法的研究与实现[J]. 黄松梅,毕远伟,许晓.  鲁东大学学报(自然科学版). 2018(01)
[4]基于改进SURF算法的双目视觉火灾定位方法[J]. 欧阳继能,卜乐平,王腾,杨植凯,袁鹏.  消防科学与技术. 2017(11)
[5]高大空间建筑火灾精确定位方法[J]. 卢英,王慧琴,秦立科.  吉林大学学报(工学版). 2016(06)
[6]基于图像及温度传感器的火灾定位技术[J]. 李焕宏,田曾文,汤立清,洪学武,付焱.  消防科学与技术. 2014(12)
[7]感烟火灾探测器的改进研究[J]. 金志成,王凤英.  中国安全生产科学技术. 2012(12)
[8]火灾探测报警系统及其可靠性研究[J]. 邢志祥,陈露,诸德志.  中国安全生产科学技术. 2012(03)
[9]光声光谱火灾气体探测系统[J]. 蒋亚龙,王进军,祝玉泉.  中国安全生产科学技术. 2012(02)
[10]基于CCD图像的火灾空间定位方法[J]. 陈涛,袁宏永,苏国锋,刘炳海.  光学技术. 2003(03)

硕士论文
[1]基于视频图像的火灾检测研究与实现[D]. 苗续芝.中国矿业大学 2018
[2]基于双目视觉的深度重建技术的研究和应用[D]. 李杰.吉林大学 2016
[3]隧道火灾红外双目视觉定位系统研究[D]. 高荣.长安大学 2014
[4]基于机器视觉的着火点定位方法研究[D]. 冯凌云.华北电力大学（北京） 2010



本文编号：2998695