论文摘要
近年来火灾事故频频发生,尤其是在野外以及大尺度空间下,因传统的火灾探测器无法及时地进行火灾报警而无法及时扑救,导致大量的损失。随着计算机技术和机器视觉技术的迅速发展,近些年产生了一种全新的火灾探测器,即视频火灾检测系统。这类探测器使用摄像头采集监控区域的图像序列,将图像序列传入计算机,然后使用机器视觉的方法对图像序列进行分析,判断在视频监控的场景中是否有火灾发生。由于在开阔场地视频监控的视野范围较广,因此该技术可以应用于室外等大空间场合下的火灾监控,弥补传统火灾探测器在检测范围上的不足。视频火灾检测通常分为视频火焰检测和视频烟雾检测两种。由于烟雾的可视性较好,且其在火灾初期没有明火的情况下依然可见,较利于火灾的早期预警,因此本文对视频烟雾检测相关方法进行研究:首先对运动区域分割的方法进行了研究,介绍了减背景法,研究了基于混合高斯背景建模的动态运动区域分割算法以及图像中联通区域的提取算法,实现了可疑目标的粗定位并为跟踪算法做好了准备。其次在可疑区域提取的基础上,对可疑区域中的图像进行分析。本文分析了火灾发生过程中烟雾因自身特殊的物理性质而体现出的独特视觉特征,对烟雾的发烟点稳定、烟雾扩散时面积增长、烟雾扩散有方向性等动态特征进行了研究并分别进行了阐述。然后我们又研究了烟雾图像静态特征的利用方法,对灰度一致性进行了阐述,并尝试利用局部二值模式对烟雾和干扰物的纹理一致性进行了分析,确定了使用局部二值模式进行烟雾分类的可行性。最后通过对现有视频火灾检测系统的结构进行分析,提出了利用现有监控设施以节约系统成本等系统改进。研究了对上述多种烟雾特征的组合方法,结合多种特征的优点以实现精确、可靠的烟雾检测。