基于視頻圖像的火災識別與預報.pdf

1、火災是人類社會中最常見的嚴重災害之一，特別是大空間建筑火災、礦井火災、森林火災、隧道火災等事故給人類造成嚴重的生命和財產損失。因此為了最大程度的降低火災所造成的危害，加強對火災的實時監(jiān)控與預報是尤為重要的。傳統的感溫、感煙式探測方法在復雜環(huán)境下往往效果不理想，而圖像型火災探測有著非接觸式探測的特點，使該項技術能夠成為在大空間建筑、森林、隧道等大空間和野外進行火災探測的有效方法。本文在對火災特性研究的基礎上，將多種火災特征信息融合，構造出

2、以神經網絡為基礎的火災圖像識別系統，并通過對早期火災煙霧識別來進行火災早期預報。
　　 本文系統地論述了火災的物理特征以及傳統火災探測技術的一些不足，介紹了目前新型火災探測技術，在這個基礎上分析了圖像型火災探測技術的優(yōu)勢與特點。
　　 詳細的研究了差分圖像法探測動態(tài)目標、圖像增強、圖像閾值分割及邊緣檢測算法在火災圖像處理上的應用。在傳統Otsu閾值分割算法的基礎上，提出了基于蟻群算法和數學形態(tài)學改進的Otsu閾值分割算法

3、，蟻群算法是受真實螞蟻的群體合作行為啟發(fā)而提出的一種隨機搜索算法，很大程度上減少了傳統Otsu算法的閾值搜索次數，并通過數學形態(tài)學算子對二值化閾值分割圖像進行濾波處理。算法能夠有效提高圖像分割效率，改善分割結果，尤其針對圖像型火災探測這種大規(guī)模圖像處理系統，能極大的節(jié)省系統開銷。
　　 研究并提取出火災火焰和其它一些干擾源的顏色特征、形態(tài)特征、面積和質心的變化特征作為火災識別判據，在此基礎上，又測得圖像的灰度共生矩陣，提取出能量

4、、熵、慣性矩和局部平穩(wěn)性四個特征向量作為識別判據，并分析這些特征量的發(fā)展規(guī)律，選取部分特征量作為神經網絡的輸入向量。
　　 在神經網絡識別火災的基礎上，提出將遺傳算法和BP神經網絡相結合的火災圖像識別方法。最后將提取出的火災圖像特征信息作為神經網絡的輸入信號訓練神經網絡，并使用一系列的火災圖像以及一些干擾源圖像樣本進行實驗，實驗結果表明利用該神經網絡能快速有效的識別出火災圖像，并有較強的抗干擾能力。
　　 全面的分析早期