基于低照度室内视频图像的烟雾检测算法研究

摘要

基于视频图像的烟雾检测是消防领域中的一种新型火灾探测技术。针对视频烟雾检测，目前国内外的研究大多在光线较好的环境下，低照度条件下的研究虽然还处于一个萌芽阶段，但是对火灾的预防却有着十分重要的指导意义。低照度条件下的火灾不但造成更多的人员伤亡，而且造成民众的财产损害也是极其严重的。本文的主要工作是对低照度室内视频烟雾图像进行研究，通过检测并识别图像中的烟雾目标来实现该条件下的火灾预警。
　　在低照度室内环境下，利用红外摄像头获取的视频图像一般都存在脉冲噪声较多、视觉信息不够丰富等缺点，为了去除图像噪声和凸显图像中的目标，本文通过对自适应中值滤波算法进行改进，提出了一种低照度视频图像的去噪新算法。为了降低低照度室内光线变化给目标检测带来的影响和获得噪声更少的烟雾目标图像，通过对混合高斯模型法中的学习率进行改进，以此实现烟雾目标的检测。检测出烟雾目标后，采用先开运算再膨胀运算的方式来填充目标内部空洞和消除目标图像中的小块无意义区域。
　　获得精确完整的目标区域后，为了区分烟雾目标，分别对目标的面积扩散特征、运动方向特征和纹理特征进行研究。针对面积扩散特征，采用计算一段时间内的绝对面积变化率的平均值来表征烟雾目标的面积扩散特征；针对运动方向特征，采用计算目标轮廓最小外围矩形中心点主运动方向比例来表征烟雾目标的扩散方向特征：针对纹理特征，采用计算烟雾目标原图矩形区域的对比度和二阶矩来表征烟雾目标的纹理特征。为了提高烟雾目标的识别率，采用基于径向基核函数的支持向量机进行烟雾目标特征的融合与判定。
　　为了验证算法的识别能力，分别对算法进行了场景、监控距离、室内光照度、烟雾浓度以及存在干扰物条件下的测试，测试结果表明，本文算法在大多数情况下可以有效区分烟雾和干扰物，烟雾检测率高，具备较强的抗干扰能力和较好的场景适应能力。

目录

声明

1绪论

1.1课题研究背景及意义

1.2国内外视频烟雾探测技术研究现状

1.3论文研究内容

1.4论文章节安排

2烟雾可疑区域提取

2.1图像采集及预处理

2.2运动目标检测

2.3烟雾可疑区域形态学处理

2.4本章小结

3烟雾可疑区域特征分析

3.1面积扩散特征

3.2扩散方向特征

3.3纹理特征

3.4本章小结

4基于SVM的烟雾特征融合与判定

4.1 SVM简介

4.2 SVM算法实现

4.3基于SVM的烟雾特征融合与判定

4.4本章小结

5烟雾识别算法测试与结果分析

5.1实验环境与测试对象

5.2烟雾识别算法测试结果

5.3烟雾识别算法结果分析

5.4本章小结

6总结与展望

6.1总结

6.2展望

致谢

参考文献

附录