基于红外和视觉信息的火焰检测方法研究
发布时间：2021-02-21 17:04
火灾是日常生活中频繁发生的严重灾害,具有极强的破坏性,同时对人们的生命以及财产安全造成严重危害。如何在火灾发生的初期及时探测火灾并报警,同时避免火灾的蔓延向来是国内外研究的重点内容之一。传统火焰检测技术存在检测方法单一、响应时间长、可靠性较低以及无法为后续火灾紧急处理提供有效位置信息等缺点,针对以上缺点,本文基于红外和视觉信息研究了一种新型火焰探测器,新型探测器有效的结合了基于图像和红外的火焰检测技术,同时运用双目定位获取火焰位置,为进一步的火灾处理提供有效的位置信息,本文主要的研究内容分为以下三个方面:首先,针对目前图像火焰检测算法中,在火焰前景提取时,还存在火焰轮廓不完整及抗干扰性较差的情况,本文提出一种新的火焰前景提取算法,将RGB颜色空间模型与HSI颜色空间模型相融合进行粗分割,再通过最大类间方差法（Otsu）进行细分割,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使提取到的火焰轮廓所受干扰影响程度较小。获得前景图像后进行火焰特征提取,在YCbCr颜色空间中提取火焰颜色特征,以及用灰度共生矩阵提取火焰纹理特征,用于最终的火焰判断。同时提出一种改进的概率神经网络（PNN）,...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
ROC曲线图
江南大学硕士学位论文26图4-4棋盘格实物图需要通过标定获得的参数有：相机内部参数：图像物理坐标系100O（u,v）；像素坐标系中像素单元尺寸1dx、1dy；以及焦距f；还有图像物理坐标系和像素坐标系之间的夹角r，r一般为0；相机外部参数：世界坐标系与相机坐标系之间的平移向量t；以及旋转矩阵R；相机畸变参数：径向畸变系数123k,k,k；切向畸变系数12p,p；使用张正友标定方法进行标定时，具体流程如图4-5所示。获取左右相机不同角度图像标定棋盘格图像角点检测获得内外参数获得畸变参数优化参数图4-5相机标定流程图为确保标定结果的准确性，本文使用左右相机各拍摄20张不同角度的棋盘格图像作为标定图像，部分棋盘格图片如图4-6所示。
江南大学硕士学位论文28根据标定所得相机内外参数，将原始双目图像进行行对齐及畸变矫正操作，得到行对齐的双目图像如图4-8所示。图4-8双目图像行对齐及畸变矫正后图像4.5立体匹配通过双目摄像头定位出火焰位置，需要进行双目标定、图像矫正、立体匹配、计算距离等几个步骤，而计算距离是通过左右图像的视差进行计算，立体匹配的目的就是获得左右图像的视差图。由于左右摄像头拍摄角度的不同，所以同一目标物体在左右图像中的位置不一致，立体匹配需要将左右图像进行匹配，判断左右两幅图像的像素是否为同一目标物体[46]，若匹配为同一目标物体，则可生成对应的视差图，用于下一步的距离测量；若匹配的结果不是同一目标物，则继续进行匹配。立体匹配主要目标就是在左右图像中匹配出目标物体的位置，寻找目标物体与左右图像像素点之间的关系，从而获取目标物体的视差图像[47]。4.5.1立体匹配概述在进行图像匹配时，根据匹配单元的选择又可分为区域匹配和特征点匹配，也可称为稠密匹配和稀疏匹配。区域匹配是指在左右图像建立合适的区域窗口，以窗口为基本单元进行搜索匹配，通过相似性代价函数计算左右窗口的相关性，基于区域的匹配算法得到的视差图比较稠密，对于所有像素都有对应的视差图与之匹配。而特征点匹配，则是通过左右图像的某些特征作为基本单元进行立体匹配，计算速度较快，但获取的视差图较为稀疏，后续需要对视差缺失值的像素点进行插值估计，同时在特征的选择时，需要考虑特征的唯一性、可匹配性等问题。立体匹配算法在进行左右图像搜索匹配过程中存在不确定性，为避免盲目搜索，提高搜索效率，所以在匹配过程中需要一下约束条件对搜索范围进行约束。一般常用约束条件为极线约束、一致性约束、唯一性约束和连续性约束。
【参考文献】：
期刊论文
[1]混合特征下最优阈值预测的图像匹配[J]. 严春满,郝有菲,张迪,陈佳辉. 计算机工程与科学. 2019(10)
[2]基于图像增强技术的SURF特征匹配算法研究[J]. 张明浩,杨耀权,靳渤文. 自动化与仪表. 2019(09)
[3]四波段红外火焰探测器的识别算法设计与实现[J]. 冯宏伟,谢林柏. 红外技术. 2018(05)
[4]基于Lasso算法的中文情感混合特征选择方法研究[J]. 李燕,卫志华,徐凯. 计算机科学. 2018(01)
[5]基于区域全卷积网络结合残差网络的火焰检测方法[J]. 洪伟,李朝锋. 激光与光电子学进展. 2018(04)
[6]多特征量对数回归的火焰快速识别算法[J]. 席廷宇,邱选兵,孙冬远,李宁,李传亮,王高,鄢玉. 计算机应用. 2017(07)
[7]基于SVM的视频图像火焰检测[J]. 钟玲,张兴坤. 软件工程. 2017(06)
[8]一种用于大场景双目视觉系统摄像机的标定方法[J]. 王剑,王宇胜,刘峰,李清嘉. 中国民航大学学报. 2016(03)
[9]A binocular vision-based UAVs autonomous aerial refueling platform[J]. Haibin DUAN,Han LI,Qinan LUO,Cong ZHANG,Cong LI,Pei LI,Yimin DENG. Science China（Information Sciences）. 2016(05)
[10]基于神经网络的智能电气火灾预警系统设计[J]. 田树仁. 消防科学与技术. 2015(09)
硕士论文
[1]基于改进ViBe算法及深度学习的室内视频火焰识别研究[D]. 陈熙.西安科技大学 2019
[2]基于多源视觉的淡色火焰识别与定位[D]. 吴能凯.北京交通大学 2019
[3]基于局部特征的图像匹配算法研究[D]. 郭健.南京邮电大学 2018
[4]基于双目视觉图像的检测技术研究[D]. 袁凯.哈尔滨工程大学 2018
[5]基于双目视觉的火焰目标检测[D]. 王中林.北京交通大学 2018
[6]基于视频图像的火灾检测算法研究与设计[D]. 孙琛.山东大学 2018
[7]四波段紫红外复合式火灾探测器的研究与开发[D]. 秦洪伟.西华大学 2018
[8]基于特征点的立体匹配算法研究[D]. 刘畅.南京邮电大学 2017
[9]火焰图像快速检测方法研究及应用[D]. 戴静.西南科技大学 2017
[10]多波段红外火焰探测器系统研究与产品开发[D]. 胡幸江.浙江大学 2013
本文编号：3044655
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
ROC曲线图
江南大学硕士学位论文26图4-4棋盘格实物图需要通过标定获得的参数有：相机内部参数：图像物理坐标系100O（u,v）；像素坐标系中像素单元尺寸1dx、1dy；以及焦距f；还有图像物理坐标系和像素坐标系之间的夹角r，r一般为0；相机外部参数：世界坐标系与相机坐标系之间的平移向量t；以及旋转矩阵R；相机畸变参数：径向畸变系数123k,k,k；切向畸变系数12p,p；使用张正友标定方法进行标定时，具体流程如图4-5所示。获取左右相机不同角度图像标定棋盘格图像角点检测获得内外参数获得畸变参数优化参数图4-5相机标定流程图为确保标定结果的准确性，本文使用左右相机各拍摄20张不同角度的棋盘格图像作为标定图像，部分棋盘格图片如图4-6所示。
江南大学硕士学位论文28根据标定所得相机内外参数，将原始双目图像进行行对齐及畸变矫正操作，得到行对齐的双目图像如图4-8所示。图4-8双目图像行对齐及畸变矫正后图像4.5立体匹配通过双目摄像头定位出火焰位置，需要进行双目标定、图像矫正、立体匹配、计算距离等几个步骤，而计算距离是通过左右图像的视差进行计算，立体匹配的目的就是获得左右图像的视差图。由于左右摄像头拍摄角度的不同，所以同一目标物体在左右图像中的位置不一致，立体匹配需要将左右图像进行匹配，判断左右两幅图像的像素是否为同一目标物体[46]，若匹配为同一目标物体，则可生成对应的视差图，用于下一步的距离测量；若匹配的结果不是同一目标物，则继续进行匹配。立体匹配主要目标就是在左右图像中匹配出目标物体的位置，寻找目标物体与左右图像像素点之间的关系，从而获取目标物体的视差图像[47]。4.5.1立体匹配概述在进行图像匹配时，根据匹配单元的选择又可分为区域匹配和特征点匹配，也可称为稠密匹配和稀疏匹配。区域匹配是指在左右图像建立合适的区域窗口，以窗口为基本单元进行搜索匹配，通过相似性代价函数计算左右窗口的相关性，基于区域的匹配算法得到的视差图比较稠密，对于所有像素都有对应的视差图与之匹配。而特征点匹配，则是通过左右图像的某些特征作为基本单元进行立体匹配，计算速度较快，但获取的视差图较为稀疏，后续需要对视差缺失值的像素点进行插值估计，同时在特征的选择时，需要考虑特征的唯一性、可匹配性等问题。立体匹配算法在进行左右图像搜索匹配过程中存在不确定性，为避免盲目搜索，提高搜索效率，所以在匹配过程中需要一下约束条件对搜索范围进行约束。一般常用约束条件为极线约束、一致性约束、唯一性约束和连续性约束。
【参考文献】：
期刊论文
[1]混合特征下最优阈值预测的图像匹配[J]. 严春满,郝有菲,张迪,陈佳辉. 计算机工程与科学. 2019(10)
[2]基于图像增强技术的SURF特征匹配算法研究[J]. 张明浩,杨耀权,靳渤文. 自动化与仪表. 2019(09)
[3]四波段红外火焰探测器的识别算法设计与实现[J]. 冯宏伟,谢林柏. 红外技术. 2018(05)
[4]基于Lasso算法的中文情感混合特征选择方法研究[J]. 李燕,卫志华,徐凯. 计算机科学. 2018(01)
[5]基于区域全卷积网络结合残差网络的火焰检测方法[J]. 洪伟,李朝锋. 激光与光电子学进展. 2018(04)
[6]多特征量对数回归的火焰快速识别算法[J]. 席廷宇,邱选兵,孙冬远,李宁,李传亮,王高,鄢玉. 计算机应用. 2017(07)
[7]基于SVM的视频图像火焰检测[J]. 钟玲,张兴坤. 软件工程. 2017(06)
[8]一种用于大场景双目视觉系统摄像机的标定方法[J]. 王剑,王宇胜,刘峰,李清嘉. 中国民航大学学报. 2016(03)
[9]A binocular vision-based UAVs autonomous aerial refueling platform[J]. Haibin DUAN,Han LI,Qinan LUO,Cong ZHANG,Cong LI,Pei LI,Yimin DENG. Science China（Information Sciences）. 2016(05)
[10]基于神经网络的智能电气火灾预警系统设计[J]. 田树仁. 消防科学与技术. 2015(09)
硕士论文
[1]基于改进ViBe算法及深度学习的室内视频火焰识别研究[D]. 陈熙.西安科技大学 2019
[2]基于多源视觉的淡色火焰识别与定位[D]. 吴能凯.北京交通大学 2019
[3]基于局部特征的图像匹配算法研究[D]. 郭健.南京邮电大学 2018
[4]基于双目视觉图像的检测技术研究[D]. 袁凯.哈尔滨工程大学 2018
[5]基于双目视觉的火焰目标检测[D]. 王中林.北京交通大学 2018
[6]基于视频图像的火灾检测算法研究与设计[D]. 孙琛.山东大学 2018
[7]四波段紫红外复合式火灾探测器的研究与开发[D]. 秦洪伟.西华大学 2018
[8]基于特征点的立体匹配算法研究[D]. 刘畅.南京邮电大学 2017
[9]火焰图像快速检测方法研究及应用[D]. 戴静.西南科技大学 2017
[10]多波段红外火焰探测器系统研究与产品开发[D]. 胡幸江.浙江大学 2013
本文编号：3044655
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3044655.html
最近更新
教材专著
