基于图像的火灾烟雾检测算法研究

摘要

因传统火灾探测器探测方式的局限性，导致无法及时的在开阔的室外环境以及大面积的室内场所中对火灾进行有效预警。为解决在大空间环境下的防火、灭火等问题，提升火灾探测技术的实时性与准确性，提出一种结合烟雾多种图像特征进行综合判断的图像型火灾烟雾检测算法。该算法通过检测视频图像中是否存在烟雾区域来判断火灾的发生，具有监测范围广、可视化、非接触等优点。现将本文重点的研究内容归纳如下：
　　1.针对目前普遍使用的帧间差分法、光流法和背景减除法三种运动目标检测方法分别进行了论述，比较和分析了各方法之间的优劣和适用场景，确定了基于混合高斯模型(Gaussian Mixture Model，GMM)的背景建模和背景减除法的前景提取方法。测试结果证明该方法能够快速、有效的将烟雾与其他非烟雾运动目标区域提取出来，且检测出的目标区域轮廓完整、清晰。
　　2.为了排除与烟雾颜色相差很大的非烟雾区域的干扰，首先需对运动检测所提取出的运动目标区域进行烟雾颜色特征的分析。然后根据烟雾在图像中所表现出来的多种视觉特征，经过比较选取了烟雾的凸形特征、运动扩散特征、形状不规则特征和使背景区域变模糊特征作为本文算法将要提取出的烟雾特征判据。重点分析了烟雾的形状凸形特性、面积变化率、轮廓复杂性和高频能量衰减变化比，并通过多次的仿真测试验证了每种特征提取算法的可行性与有效性。
　　3.BP神经网络是一种非常实用的图像分类方法，具有抗干扰能力强、误检率低等优点。因此，本文采用BP神经网络的方法来对烟雾的多种图像特征进行融合与判断，设计出了关于烟雾检测的BP神经网络的网络结构，并最终得出测试图像中有无火灾烟雾出现的结果。
　　4.为证明本文所述的图像型火灾烟雾检测算法的抗干扰性与准确性，分别选取了在室内与室外环境中的多个图像序列作为测试对象来进行实验研究，这些测试图像中既包括烟雾图像、也包括一些非烟雾图像。试验结果证明本文所提出的算法可以准确且迅速的探测出火灾烟雾，误报率低，可靠性好。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景与意义

1.2 传统火灾探测技术简析

1.3 基于视频图像处理的火灾探测技术

1.4 论文的主要研究内容及章节安排

第2章 运动目标区域的检测

2.1 运动目标检测概述

2.2 静态背景下运动目标检测的基本方法

2.3 基于混合高斯模型的疑烟区域检测

2.4 本章小结

第3章 火灾烟雾图像特征的提取

3.1 烟雾的静态特征

3.2 烟雾的动态特征

3.3 本章小结

第4章 基于BP神经网络的烟雾图像特征融合和判别

4.1 BP神经网络

4.2 基于BP神经网络烟雾检测的设计

4.3 本章小结

第5章 烟雾检测结果与分析

5.1 试验环境

5.2 烟雾试验样本测试结果

5.3 烟雾试验样本数据分析

5.4 本章小结

总结与展望

参考文献

攻读硕士学位期间所发表的学术论文及科研成果

致谢