量，采用某种探测方法并在实际应用环境中发挥其作用，准确地探测火灾，其探
测实质是利用传感器件感受火灾物理特征的变化，并将其转化为易处理的物理量
目前，人们己利用这种物理量的转换效应，作为火灾的探测原理，研制出了数种
火灾探测器，大体分为:气敏型、感温型、感烟型、感光型和感声型等5大类。
由于火灾发生的不确定性和多变性，传统型火灾探测器采集的数据或信息都
不可避免地受到周围环境等不确定因素的影响。例如:烟雾的浓度和温度常常受
到各种气流的干扰，感光类型的探测器也要受到各种杂光的扰动，气敏型探测器
由于可燃气体的腐蚀作用会降低探测器的灵敏度，感声型的探测器虽己有样机，
但离实际应用有一定距离。随着时间的推移，探测器的老化或探头上积累的灰尘
会使信号的基准点漂移或者灵敏度发生变化。这些干扰有些可以进行近似补偿，
但有些干扰具有非线性或不确定性，很难进行补偿，降低了火灾探测器的灵敏度
加大了火灾识别的难度，也是传统火灾监控系统无法解决的。
基于视频监控的图像型火灾探测技术是一种新兴的、多学科技术相结合的火
灾自动监测处理技术。图像型火灾监控系统是基于摄像机获取的视频图像对现场
进行火灾的自动探测、监视，同时将获取的连续图像由图像采集卡转换为数字图
像输入计算机，利用各种图像处理技术不断进行处理和分析，通过早期火灾的图
像变化特征信息来探测火灾是否发生。
伴随着科学技术的高速发展，国外各大公司和科研机构对火灾探测技术也有了
深入研究，基于各种火灾识别模式的火灾探测器相继问世，并在不断改进和完善
在众多的产品中利用图像信息的火灾监控系统为数也不少。例如，ECP公司的
林火灾监控系统，利用计算机视觉和模式识别的理论，采用模式识别算法，可
对4千米外的林火在短时间内进行识别并发出警报。Bosque公司的BSDS系统采
用红外和普通摄像机的双波段监控，在准确识别森林火灾的同时还可以区别其
现象的干扰，误报率较低。在大空间火灾监控方面有ISL公司和MagnoxEleetri
公司联合开发的用于电站火灾监控的VSD一8系统，该系统以视频运动检测软件
主体，使用了各种滤波器技术，并与人工智能相结合，可以用来对电站内的火
进行监控。
国内对于图像型火灾探测技术也进入了深层次的研究。其中，西安交通大学
者研究并提出基于可信度模型的多特征融合处理的火焰识别算法[3]，华中科技大
学者研究基于K均值聚类方法的分形编码技术进行烟雾图像分割算法[’]，上海
通大学学者提出了基于模糊神经网络的火灾探测算法[5]，这些大学的研究学者都
火灾的智能化探测技术提出了一些新的解决方法，探测手段主要集中于使用红
型摄像机，而且探测系统的算法抗干扰性还有待提高，需要建立一套独立的防
探测系统，投入成本较高。中国科技大学火灾科学国家重点实验室研制出的LA一1
型双波段大空间早期火灾智能探测系统通过有关方面的验收，并在国内的一些
位使用。该系统一部分的探测任务由红外摄像机来完成，对己经有安装闭路电视
监控系统的单位，需要加装一定数量的红外摄像机或特制的感烟红外阵列器材，
来实现图像型的火灾火焰和烟雾的探测。
基于视频监控的图像型火灾探测技术则是近年来新近发展的技术，它是在现有
的视频监控系统上加装图像型火灾探测系统，利用视频监控得到的视频图像进行
火灾探测。·它具有双重功效，既能实现视频监控又能实现火灾探测，而且不需要
单独加装图像采集单元，节省成本，避免重复投资。
但视频监控型图像型火灾探测技术也有一定的缺点，有待于进一步的研究解
决，如:采集到的视频图像信息量大、含有的干扰信息多;应用现有的图像型火
灾探测算法从目标获取到结果的判决过于繁琐，时间长;与传统探测器相比投入
成本较高;图像型火灾探测系统集成度不够高等，这些缺点将伴随着图像处理技
术和火灾探测器的提高和更新、对虚拟现实技术的介入、硬件平台(DSP、FPGA
或者ARM)功能的研发和集成度的提高，图像型探测技术将日渐完善。
目前该技术需要研究和解决的主要问题如下:
(l)如何能够精确快速地通过视频监控系统采集火灾图像;
(2)对获取的视频火灾图像进行预处理时采用什么样的算法。火灾图像的特
征信息大部分集中在图像的高频部分，如何应用图像处理技术即能滤除干扰信息，
又能高效的提取火灾特征信息，保证图像中火灾特征信息的完整性;
(3)对图像中众多的火灾特征信息，哪些特征信息更具有代表性，如何高效
快速的提取，一其中包括一些闽值的选取、边缘的提取、形体变化的分析等;
(4)针对目前大空间建筑都装有视频监控系统，如何能利用现有的监控系统
实现火灾探测。
为了解决以上问题，我们必须对采集的视频图像的特性、火灾的燃烧机理进行
深入的研究，研究物质燃烧过程和火焰燃烧特性，构造多重判据，实现智能化的
基于视频监控的图像型火灾探测系统。-
3本文主要研究内容
本文主要研究了火灾的各种物理特征及其火灾发生时的特殊表现，针对火灾图
像实时性强、火焰边缘含有大量火灾特征信息等特点，结合图像处理技术和小波
分析理论，提出了基于提升小波变换的火灾图像识别方法，起到早期火灾报警目
的。在该系统中选择火灾特征中能够采用图像来描述的特征作为识别的基础，将
采集的火灾图像数字化，通过相应的处理将其变为计算机能够识别的数据。
首先提取实时采集视频中相邻两帧的图像，将RGB帧图像转换为灰度图像，
并采用空域处理法，增强图像的对比度，再采用闭值分割法去除噪声，将目标从
背景中分离出来，接着对图像提升小波变换及融合，获取图像的边缘信息，计算
边缘图像的面积、边缘的尖角数以及连续帧图像的相似度，构造火焰的面积判据、
尖角判据和形状相似特性判据，确定闽值，以此来判别是否有火灾发生。实验证
明基于提升小波变换的火灾图像识别方法准确性高，实时性强，可减少误报漏报。
本文的内容安排如下:
第一章绪论。主要介绍基于视频监控的图像型火灾探测技术研究的背景及意
义，国内外图像型火灾探测技术发展状况以及该技术需要解决的一些问题。
第二章火灾探测的原理与方法。主要研究火灾产生的机理、火灾的发展过程、
火灾信号的物理特征及火灾探测技术，研究了基于视频监控的图像型火灾探测技
术的系统结构模型。
第三章提升小波与图像边缘检测基础。介绍了小波分析基础、提升小波构造
的原理和方法及提升小波的特点;研究总结了传统边缘检测方法和新兴的边缘检
测方法的性能特点及优缺点。
第四章基于提升小波变换的图像型火灾检测方法。提出了一种基于提升小波
变换的图像型火灾探测方法。研究分析了火灾图像的获取，火灾图像预处理、分
割以及火焰边缘的提取。在此基础上，根据火灾火焰的面积变化规律、边缘变化
规律和形体变化规律，构造火焰的面积判据、尖角判据和形状相似特性判据等，
综合判别可以识别出早期火灾火焰图像。仿真实验证明，基于提升小波的图像型
火灾检测方法对火灾的识别的准确性较高、鲁棒性较强。
第五章对全文的工作进行了总结，并指出了进一步研究的方向。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>