基于視頻的早期火災(zāi)煙霧檢測算法研究.pdf

1、隨著社會經(jīng)濟(jì)水平的飛速發(fā)展,高大建筑、地下隧道、大型商場等大空間建筑日益增多。這類場所一旦發(fā)生火災(zāi),往往會造成重大經(jīng)濟(jì)損失和人員傷亡?；馂?zāi)預(yù)警監(jiān)控系統(tǒng)因此也日漸備受關(guān)注。傳統(tǒng)的定點式熱、煙傳感器被廣泛的使用,然而卻僅限于小型室內(nèi)空間的使用。在大型會議室或高層建筑中,他們的性能受到傳輸時延的影響。傳統(tǒng)方法只有傳感器接近火災(zāi)源時才有效。隨著機(jī)器視覺與圖像處理技術(shù)的發(fā)展,近幾年涌現(xiàn)了很多來基于視頻的火災(zāi)檢測技術(shù),這種檢測技術(shù)比傳統(tǒng)定點式技術(shù)有

2、顯著優(yōu)勢,具有響應(yīng)速度快、檢測范圍廣、距離遠(yuǎn)、環(huán)境污染小等特點,可以用于大空間建筑的火災(zāi)探測,甚至室外環(huán)境中。
　　煙霧產(chǎn)生早于火焰,煙霧檢測技術(shù)可以實現(xiàn)更早的火災(zāi)檢測。為了提高視頻煙霧檢測算法的有效性,論文提出了基于煙霧顏色特征和紋理特征的煙檢測算法。煙霧的紋理特征描述包括局部對比度信息和空間結(jié)構(gòu)信息。本文使用局部二進(jìn)制方差(LBPV)的直方圖概率分布描述煙霧的對比度特征,使用兼具符號和幅值信息的完整局部二進(jìn)制模型(CLBP)描

3、述煙霧的空間結(jié)構(gòu)特征。為了獲得更有效的辨別完整局部二進(jìn)制模式(disCLBP)特征,使用了兼顧魯棒性,辨別性和表示性的3層學(xué)習(xí)模型,對CLBP原始模式進(jìn)行學(xué)習(xí)得到新的模式子集,提高了特征的有效性。融合了disCLBP和LBPV紋理特征描述,在特征分類上取得了更好的實驗效果。另外,論文在顏色方面,同時考慮了RGB和HIS空間顏色特征。顏色和紋理特征向量分別通過支持向量訓(xùn)練得到弱分類器,經(jīng)Adaboost算法升級生成一個強(qiáng)分類器進(jìn)行最終判定