基于视频图像的森林火灾自动监测识别技术研究
发布时间：2022-02-08 18:32
森林火灾是一种破坏性极强的自然灾害,全世界每年有数十万次的森林火灾发生,严重危害着地球的生态资源和人类的生存发展。因此森林火灾的监测预警技术,已经成为当今世界各国都十分关注的研究课题。随着科学技术的快速发展,各种新兴的技术手段,如卫星遥感、智能传感器、无人机、红外探测等技术正逐渐应用于森林火灾的监测预警领域,传统的人工巡逻、瞭望塔监测的手段也迎来了革命性的改变,这其中一种新的基于视频监控图像处理和模式识别技术的火灾监测预警方法由于其适用范围广、经济性强的特点,正受到越来越多研究学者的关注。本文的课题就是研究基于视频监控图像的森林火灾自动监测识别技术及软件系统,目的是实现已经安装在林区的视频监控硬件系统与森林火灾自动识别软件系统的结合,从而辅助或替代人工监测方式,实现全天候林火自动监测预警功能,具有一定的创新性和实用意义。本文主要从三个方面阐述了课题的研究内容:一是先对森林火灾监测预警技术发展现状进行了研究分析、比较,而后对森林火灾的图像特性以及图像处理和模式识别的理论技术基础进行了概述;二是对本课题研究的林火图像自动监测识别系统进行功能需求分析和结构设计,提出通过图像预处理、运动目标检...
【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
森林火灾视频监测识别系统网络拓扑图
时为了不过度破坏图像中的尖锐形状部分，更好的保留图像的边缘信息，将滤波的窗口设置的也较小。4.1.3 图像的灰度化处理方法通常森林视频监控前端硬件部分采集并送入本系统的是RGB格式的彩色图像，将这一格式图像转化为灰度图像方法一般有三种：一是平均值法，设定每个像素红绿蓝三个分量的平均值设为灰度值；二是最大值法，设定每个像素红绿蓝三个分量中的最大值设为灰度值；三是加权平均法，是将每个像素的 R、G、B 分量分别赋予一定权值，并把带权值的分量和作为灰度值，即灰度值=1 2 3Z R Z G Z B 。经过实验研究，平均值和最大值法都不能很好的还原图像的真实信息，而利用 YUV 颜色中间中 Y 分量表示亮度的意义[32]，再根据 YUV 和 RGB 颜色空间的转换关系建立的加权方法即 Y 0.3R 0.59G 0.11B得到的灰度图像最为真实合理，最符合人眼对亮度和绿色较为敏感的视觉特性。对图像进行先中值滤波后灰度化处理前后的效果，如图 4-3，图 4-4 所示。
图 4-4 灰度化并中值滤波的效果图4.2 运动目标检测模块设计本系统中图像预处理完成后，接着就送入运动目标检测模块，判断监控图像序列中是否出现了可疑的动态目标。当前运动目标检测技术主要分为静态和动态背景两种类型的检测，动态背景主要是指摄像机处于时刻运动的状态，因此图像的背景也在一直发生着变化，检测技术也比较复杂，技术难度大。而静态背景检测是指在摄像机静止的状态下拍摄，此时检测图像中的运动目标相对比较简单。而森林火灾的视频监控模式一般为一台摄像机固定监控一片森林区域，镜头不会频繁转动，总体来看，是属于静态背景检测。4.2.1 静态背景下的运动目标检测技术选型本节通过对常用的静态背景下三种运动目标检测技术方法，即光流法、帧差法、背景差分法的基本原理进行了研究，目的是通过其优缺点和适用对象的对比
【参考文献】：
期刊论文
[1]基于视频流的林火烟雾运动目标检测方法的研究[J]. 白书华,况明星. 江西师范大学学报(自然科学版). 2016(06)
[2]采用金字塔纹理和边缘特征的图像烟雾检测[J]. 李红娣,袁非牛. 中国图象图形学报. 2015(06)
[3]基于视频的林火烟雾识别方法[J]. 范一舟,马洪兵. 清华大学学报(自然科学版). 2015(02)
[4]基于改进遗传算法和SVM的森林火灾视频目标鉴别[J]. 楼雄伟,黄德才,方陆明,徐爱俊. 计算机科学. 2014(08)
[5]基于颜色矩的图像检索算法研究[J]. 张少博,全书海,石英,杨阳,李云路,程姝. 计算机工程. 2014(06)
[6]基于支持向量机的目标检测算法综述[J]. 郭明玮,赵宇宙,项俊平,张陈斌,陈宗海. 控制与决策. 2014(02)
[7]基于多运动特征的森林火灾烟雾图像识别算法[J]. 吴梦宇,罗琴娟,韩宁. 北京林业大学学报. 2013(03)
[8]基于视频的林火烟雾识别算法研究[J]. 林宏,刘志刚,赵同林,张雁. 安全与环境学报. 2013(02)
[9]视频火灾识别的关键技术研究[J]. 王文豪,刘虎,严云洋. 计算机仿真. 2011(02)
[10]我国林火监测体系现状分析[J]. 吴雪琼,覃先林,李程,田祖为,熊有强,杨德付,张瑞. 内蒙古林业调查设计. 2010(03)
博士论文
[1]基于视频的运动目标检测研究[D]. 黄敏.东南大学 2014
硕士论文
[1]基于多特征融合的林火烟雾检测算法研究[D]. 岳姣姣.燕山大学 2016
[2]基于多特征融合的森林火灾火焰视频识别研究[D]. 徐铭铭.南京林业大学 2015
[3]基于视频图像的火灾检测与识别方法研究[D]. 张楠.华南理工大学 2013
[4]森林火灾视频识别技术研究[D]. 咸慧.长春理工大学 2013
[5]基于视频图像的林火监测方法研究与系统实现[D]. 施晨丹.南京理工大学 2013
[6]基于分形理论的彩色烟雾图像识别[D]. 于海晶.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
[7]基于视频图像处理的火灾烟雾检测技术研究[D]. 王涛.江南大学 2012
[8]基于视频监控的全天候火灾检测系统[D]. 刘培勋.吉林大学 2011
[9]基于视频的森林火灾识别方法研究[D]. 饶裕平.浙江农林大学 2010
[10]运动目标检测分割算法研究[D]. 陈奕奕.武汉科技大学 2010
本文编号：3615545
【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
森林火灾视频监测识别系统网络拓扑图
时为了不过度破坏图像中的尖锐形状部分，更好的保留图像的边缘信息，将滤波的窗口设置的也较小。4.1.3 图像的灰度化处理方法通常森林视频监控前端硬件部分采集并送入本系统的是RGB格式的彩色图像，将这一格式图像转化为灰度图像方法一般有三种：一是平均值法，设定每个像素红绿蓝三个分量的平均值设为灰度值；二是最大值法，设定每个像素红绿蓝三个分量中的最大值设为灰度值；三是加权平均法，是将每个像素的 R、G、B 分量分别赋予一定权值，并把带权值的分量和作为灰度值，即灰度值=1 2 3Z R Z G Z B 。经过实验研究，平均值和最大值法都不能很好的还原图像的真实信息，而利用 YUV 颜色中间中 Y 分量表示亮度的意义[32]，再根据 YUV 和 RGB 颜色空间的转换关系建立的加权方法即 Y 0.3R 0.59G 0.11B得到的灰度图像最为真实合理，最符合人眼对亮度和绿色较为敏感的视觉特性。对图像进行先中值滤波后灰度化处理前后的效果，如图 4-3，图 4-4 所示。
图 4-4 灰度化并中值滤波的效果图4.2 运动目标检测模块设计本系统中图像预处理完成后，接着就送入运动目标检测模块，判断监控图像序列中是否出现了可疑的动态目标。当前运动目标检测技术主要分为静态和动态背景两种类型的检测，动态背景主要是指摄像机处于时刻运动的状态，因此图像的背景也在一直发生着变化，检测技术也比较复杂，技术难度大。而静态背景检测是指在摄像机静止的状态下拍摄，此时检测图像中的运动目标相对比较简单。而森林火灾的视频监控模式一般为一台摄像机固定监控一片森林区域，镜头不会频繁转动，总体来看，是属于静态背景检测。4.2.1 静态背景下的运动目标检测技术选型本节通过对常用的静态背景下三种运动目标检测技术方法，即光流法、帧差法、背景差分法的基本原理进行了研究，目的是通过其优缺点和适用对象的对比
【参考文献】：
期刊论文
[1]基于视频流的林火烟雾运动目标检测方法的研究[J]. 白书华,况明星. 江西师范大学学报(自然科学版). 2016(06)
[2]采用金字塔纹理和边缘特征的图像烟雾检测[J]. 李红娣,袁非牛. 中国图象图形学报. 2015(06)
[3]基于视频的林火烟雾识别方法[J]. 范一舟,马洪兵. 清华大学学报(自然科学版). 2015(02)
[4]基于改进遗传算法和SVM的森林火灾视频目标鉴别[J]. 楼雄伟,黄德才,方陆明,徐爱俊. 计算机科学. 2014(08)
[5]基于颜色矩的图像检索算法研究[J]. 张少博,全书海,石英,杨阳,李云路,程姝. 计算机工程. 2014(06)
[6]基于支持向量机的目标检测算法综述[J]. 郭明玮,赵宇宙,项俊平,张陈斌,陈宗海. 控制与决策. 2014(02)
[7]基于多运动特征的森林火灾烟雾图像识别算法[J]. 吴梦宇,罗琴娟,韩宁. 北京林业大学学报. 2013(03)
[8]基于视频的林火烟雾识别算法研究[J]. 林宏,刘志刚,赵同林,张雁. 安全与环境学报. 2013(02)
[9]视频火灾识别的关键技术研究[J]. 王文豪,刘虎,严云洋. 计算机仿真. 2011(02)
[10]我国林火监测体系现状分析[J]. 吴雪琼,覃先林,李程,田祖为,熊有强,杨德付,张瑞. 内蒙古林业调查设计. 2010(03)
博士论文
[1]基于视频的运动目标检测研究[D]. 黄敏.东南大学 2014
硕士论文
[1]基于多特征融合的林火烟雾检测算法研究[D]. 岳姣姣.燕山大学 2016
[2]基于多特征融合的森林火灾火焰视频识别研究[D]. 徐铭铭.南京林业大学 2015
[3]基于视频图像的火灾检测与识别方法研究[D]. 张楠.华南理工大学 2013
[4]森林火灾视频识别技术研究[D]. 咸慧.长春理工大学 2013
[5]基于视频图像的林火监测方法研究与系统实现[D]. 施晨丹.南京理工大学 2013
[6]基于分形理论的彩色烟雾图像识别[D]. 于海晶.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
[7]基于视频图像处理的火灾烟雾检测技术研究[D]. 王涛.江南大学 2012
[8]基于视频监控的全天候火灾检测系统[D]. 刘培勋.吉林大学 2011
[9]基于视频的森林火灾识别方法研究[D]. 饶裕平.浙江农林大学 2010
[10]运动目标检测分割算法研究[D]. 陈奕奕.武汉科技大学 2010
本文编号：3615545
本文链接：https://www.wllwen.com/nykjlw/lylw/3615545.html
