公路隧道图像型火灾火焰检测方法研究

发布时间：2017-05-27 14:21

  本文关键词：公路隧道图像型火灾火焰检测方法研究，由笔耕文化传播整理发布。

【摘要】：火灾是公路隧道中除交通事故外危害最大的一类安全事故。由于公路隧道环境特殊,一旦发生火灾,不仅车辆和人员疏散困难,火灾救援工作更是难以在短时间内展开,往往会造成重大的人员伤亡和财产损失。如果在火灾初期就能进行及时准确的报警,则能及时抑制火灾蔓延、减少火灾造成的损失。因此,公路隧道早期火灾检测具有重要意义。本文针对隧道的特殊环境,融合火焰的多种图像特征,采用AdaBoost识别方法对视频中的火焰进行检测。本文主要研究内容如下：(1)运动目标检测。分别利用帧间差分法、混合高斯模型背景差法以及光流法进行运动目标检测,通过分析对比三种方法的特点,本文选用帧间差分法提取运动目标区域,并对运动目标图像进行后处理。(2)候选火焰区域分割。本文提出了一种有效分割候选火焰区域的方法,该方法采用RGB和Lab颜色空间对疑似区域进行分割,实验结果表明本文提出的颜色分割方法效果较好。(3)火焰的多特征检测。本文主要研究火焰的H分量一阶矩、Lab中的a、b分量比值、矩形度、圆形度、尖角数以及跳动频率特征,并通过实验分析对比火焰和非火焰干扰物各特征数据的分布范围。(4)基于AdaBoost的火焰识别。本文将从视频中提取的火焰和干扰样本数据构成特征向量输入SVM、AdaBoost中,分别训练生成SVM、AdaBoost学习模型,并分别优化选取SVM、AdaBoost的参数,以提高识别正确率。通过实验分析对比SVM和AdaBoost两种模型的识别正确率,选用检测正确率较高的AdaBoost作为本文的识别方法。本文采用AdaBoost模式识别方法融合火焰多特征对火焰和干扰视频分别进行检测,实验结果表明,本文的检测方法能够有效检测视频图像中的火焰,并能排除公路隧道视频中伪火焰车灯的干扰。
【关键词】：公路隧道 火焰检测 颜色分割 特征提取 模式识别
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-18
• 1.1 课题研究背景及意义10-11
• 1.2 传统的公路隧道火灾探测器及其弊端11-12
• 1.3 图像型火灾火焰检测系统12-13
• 1.4 图像型火灾火焰检测方法的研究现状13-15
• 1.4.1 候选火焰区域的分割13-14
• 1.4.2 火焰特征的提取14-15
• 1.4.3 火焰的识别方法15
• 1.5 论文的主要工作内容及章节安排15-18
• 1.5.1 论文的主要工作内容15-16
• 1.5.2 论文的章节安排16-18
• 第2章 公路隧道火灾火焰检测方法设计18-22
• 2.1 火焰检测系统的算法设计流程18-19
• 2.2 火焰的基本特征19-20
• 2.2.1 火焰的颜色特征19
• 2.2.2 火焰的形态特征19
• 2.2.3 火焰的动态特征19-20
• 2.3 非火焰干扰物的种类分析20
• 2.4 本章小结20-22
• 第3章 视频图像的运动区域检测22-30
• 3.1 运动目标检测22-26
• 3.1.1 光流法22-23
• 3.1.2 混合高斯模型的背景减除法23-25
• 3.1.3 帧间差分法25-26
• 3.2 火焰图像后处理26-29
• 3.2.1 中值滤波26-27
• 3.2.2 膨胀腐蚀27-28
• 3.2.3 掩膜处理28-29
• 3.3 本章小结29-30
• 第4章 疑似火焰区域的分割30-38
• 4.1 RGB颜色空间30-31
• 4.2 Lab颜色空间31-32
• 4.3 基于RGB与Lab颜色模型的分割方法32-37
• 4.4 本章小结37-38
• 第5章 火焰的特征提取38-54
• 5.1 火焰的颜色特征38-41
• 5.1.1 a、b分量比值38-39
• 5.1.2 H分量一阶矩39-41
• 5.2 火焰的形态特征41-45
• 5.2.1 圆形度特征41-42
• 5.2.2 矩形度特征42-44
• 5.2.3 尖角数特征44-45
• 5.3 火焰跳动频率特征45-51
• 5.3.1 火焰跳动的方向性46-48
• 5.3.2 火焰的跳动频率48-51
• 5.4 本章小结51-54
• 第6章 火灾火焰识别分类器设计54-76
• 6.1 基于支持向量机的火灾火焰检测方法54-59
• 6.1.1 支持向量机的原理54-58
• 6.1.2 基于SVM的火焰检测算法流程58-59
• 6.2 基于AdaBoost的火灾火焰检测方法59-65
• 6.2.1 AdaBoost算法的理论基础59-63
• 6.2.2 基于AdaBoost的火焰检测算法流程63-65
• 6.3 实验结果与分析65-73
• 6.3.1 实验视频选取65-66
• 6.3.2 SVM、AdaBoost算法的参数选取66-70
• 6.3.3 SVM和Adaboost识别结果对比分析70-72
• 6.3.4 基于Adaboost的火焰检测结果分析72-73
• 6.4 本章小结73-76
• 总结与展望76-78
• 参考文献78-82
• 致谢82-83
• 作者简介83

【相似文献】

中国期刊全文数据库 前10条

1 李远生;红外线火焰检测装置原理及其应用[J];计算机测量与控制;2003年03期

2 李远生;红外线火焰检测装置原理及其应用[J];浙江电力;2003年01期

3 黄正宇;缪小平;芮挺;;基于图像的火焰检测中无量纲动态特征研究[J];计算机应用;2012年07期

4 范运隆;;紫外火焰检测装置[J];化工自动化及仪表;1981年07期

5 刘敬文;火焰检测监视的仪表选择[J];自动化博览;2002年02期

6 张新伟;对锅炉火焰检测装置的探析[J];华东电力;2002年05期

7 董威;安莹;周仁魁;;基于辐照度测量法的火焰检测研究[J];光电工程;2007年02期

8 李高建;朱秀斌;杜巍;;邻域统计火焰检测算法及其实验研究[J];制冷与空调(四川);2008年01期

9 李德辉;周亮;邓天军;;燃气炉火焰检测电路分析[J];河南科技;2014年06期

10 李国昌,常太华,李国光;光纤火焰检测系统算法的改进[J];电力情报;2002年01期

中国重要会议论文全文数据库 前6条

1 张澄;李娜;;高炉区域火焰检测技术[A];中国计量协会冶金分会2013年会论文集[C];2013年

2 李远生;;红外线火焰检测装置原理及其应用[A];广东省电机工程学会2003-2004年度优秀论文集[C];2005年

3 江宁;;FORNEY火焰检测的在线优化[A];2010年全国发电厂热工自动化专业会议论文集[C];2010年

4 胡国锋;马莉;;基于视觉特征对比度和二维熵的火焰检测[A];浙江省电子学会2012学术年会论文集[C];2012年

5 刘琦;;FORNEY火检在黄岛电厂的应用[A];山东电机工程学会第六届发电专业学术交流会论文集[C];2007年

6 张国灿;蔡国军;段义平;唐守昱;;提高锅炉火检探头安装的精准度[A];2013年中国电机工程学会年会论文集[C];2013年

中国重要报纸全文数据库 前3条

1 记者　 薛秀颖;哈产智能火焰检测装置畅销国内外[N];哈尔滨日报;2006年

2 薛秀颖;智能火焰检测装置畅销国内外[N];中国高新技术产业导报;2006年

3 上海市中电投电力工程有限公司 许道春;浅谈临河动力站空冷发电机组锅炉火焰电视监视系统的配置情况及特点[N];消费日报;2010年

中国博士学位论文全文数据库 前3条

1 迟天阳;基于火焰检测器的燃料识别和着火特性研究[D];浙江大学;2009年

2 郭建民;基于数字图像处理技术的锅炉火焰检测与污染物排放特性研究[D];中国科学院研究生院（工程热物理研究所）;2006年

3 谢迪;智能视频监控系统中若干检测与跟踪算法的研究[D];浙江大学;2012年

中国硕士学位论文全文数据库 前10条

1 陈磊;复杂场景下视频火焰检测[D];上海师范大学;2015年

2 李哲;基于图像的火焰检测技术分析[D];华北电力大学;2015年

3 夏明;基于双MCU结构的一体化火焰检测监控系统研究[D];大连理工大学;2015年

4 王光耀;基于机器学习的火灾检测方法研究[D];大连理工大学;2015年

5 李金兰;基于视频图像处理的火焰检测研究[D];贵州民族大学;2015年

6 姚新;公路隧道图像型火灾火焰检测方法研究[D];大连海事大学;2016年

7 李良熹;基于现代检测技术的新型锅炉火焰检测方法研究[D];重庆大学;2002年

8 彭文健;智能视频系统中的火焰检测算法研究[D];电子科技大学;2011年

9 陈广华;锅炉火焰检测装置的研究与开发[D];华北电力大学（河北）;2006年

10 高爱莲;基于视频的火焰检测方法研究[D];昆明理工大学;2008年

  本文关键词：公路隧道图像型火灾火焰检测方法研究，由笔耕文化传播整理发布。

，

本文编号：400240