基于视频图像的煤矿井下烟雾检测

发布时间：2020-08-07 23:32

【摘要】：煤矿火灾是影响矿井安全生产的重大灾害之一,严重威胁到人类的健康。基于视频图像的自动火灾探测技术已成为当前监测和火灾预警的重要手段,对煤矿工作的安全生产意义重大,但井下环境潮湿多尘,并且人工巡逻产生的光束与火灾早期阶段产生的烟雾特征极度相似,易造成计算机误判。本文针对煤矿井下的复杂环境,研究烟雾检测方法,进而判断矿井火灾。针对井下巷道雾气会使采集到的图像模糊不清,井下光照强度低且不均匀的情况,本文对暗原色去雾增强算法进行了改进,先滤除巷道中的雾气,再使用CLAHEE算法对图像进行亮度增强,恢复巷道原貌,使视频监控中的煤矿图像对比度增加,烟雾轮廓清晰,细节信息更为丰富。对运动目标检测为法进行研究,采用基于混合高斯模型建模的方法提取视频频序列中的运动目标,将烟雾连同其他运动目标一并提取出来。然后对提取的运动区域进行颜色分析,统计煤矿井下烟雾图像的颜色规律,建立井下烟雾颜色的判决条件,进一步排除不具有烟雾颜色特征的运动物体,由此分割出疑烟区域。对烟雾的多种特征进行分析,进一步提高烟雾检测的准确率。本文先使用主运动方向阈值滤除与烟雾运动方向不一致的运动光束,然后使用烟雾的纹理特征,形状不规则特性和平均梯度三个特征,训练生成SVM烟雾分类器,用于排除伪烟物的干扰。通过对大量烟雾和伪烟雾干扰视频进行检测分析,表明本文的算法能够有效滤除井下图像的雾气,还原巷道面貌,并能够及时、有效地检测出视频图像中的烟雾,且具有一定的抗干扰能力。
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TD79;TP391.41
【图文】：

图 1.1 烟雾检测的基本框架视频图像的预处理图像的来源一般是通过摄像头采集，在采集过程中，监控设备的电子噪免的影响，不同场景的光照条件和外界环境的干扰也会对采集结果产生视频进行预处理可以增强图像对比度，突出图像细节，使其比原始图像

煤矿井下图片像素统计图

像的去雾增强9(a)原图 (b)暗通道图(c)像素统计图图 2.1 煤矿井下图片像素统计图2.2.1 去雾模型与暗原色理论（1） 大气散射模型2001 年，Narasimhan 等人[37]修改完善了大气散射模型，该模型描述了雾天图像退化的过程，表示为式(2.1)：I ( x) J(x)t(x) A(1 t(x))（2.1）其中， I (x)为拍摄的有雾图像， J (x)为将要恢复的无雾图像，A 表示全局大气光值，与环境有关，一般认为是全局常量，与x无关， t (x)为场景的透射率。变换公式(2.1)

【参考文献】

相关期刊论文 前10条

1 郑怀兵;翟济云;;基于视频分析的森林火灾烟雾检测方法[J];南京理工大学学报;2015年06期

2 史玉坤;仲贞;张德馨;杨金锋;;利用多特征判别的烟雾检测方法研究[J];信号处理;2015年10期

3 董兰芳;余家奎;;基于图像分离的视频烟雾检测方法[J];计算机工程;2015年09期

4 吴冬梅;李白萍;沈燕;王静;何蓉;;基于多特征融合的烟雾检测[J];图学学报;2015年04期

5 刘青松;崔更申;吴鹏;李传明;;基于机器学习的烟雾检测算法去除固定干扰[J];计算机测量与控制;2015年03期

6 陈海鹏;刘飞;徐磊;徐广伟;王宏雷;谭华春;;基于视频多特征融合的列车车厢烟雾检测方法[J];北京交通大学学报;2015年01期

7 潘朝峰;杨树森;陈宁;;基于图像熵的火灾烟雾识别[J];江苏科技大学学报(自然科学版);2015年01期

8 杨骥;杨亚东;梅雪;袁晓龙;袁宇浩;;基于改进的限制对比度自适应直方图的视频快速去雾算法[J];计算机工程与设计;2015年01期

9 王孟柳;陈和平;刘夏;;基于暗通道优先烟雾检测算法的研究[J];计算机应用与软件;2014年11期

10 胡良梅;段琳琳;张旭东;杨静;;融合颜色信息与深度信息的运动目标检测方法[J];电子与信息学报;2014年09期

相关博士学位论文 前1条

1 王媛彬;基于图像特征的煤矿火灾检测与识别研究[D];西安科技大学;2015年

相关硕士学位论文 前5条

1 雷丹;公路隧道视频火灾烟雾检测方法研究[D];大连海事大学;2017年

2 汪子杰;基于深度神经网络的视频烟雾检测研究[D];西南交通大学;2016年

3 邵坤艳;基于视频图像的火灾检测方法研究[D];重庆大学;2015年

4 刘鹏;基于视频的火灾烟雾检测[D];华北电力大学;2014年

5 王娜娜;基于视频的火灾烟雾检测算法研究[D];西安科技大学;2012年

本文编号：2784679