野外早期火灾图像识别方法研究
根据野外早期火灾火焰图像的特征,提出了面积变化、颜色变化、边缘变化、闪烁频率和整体移动五个判据识别火焰。多个判据的综合运用,可以降低系统的误报率,使火灾识别更为准确可靠。还将人工神经
网络用于火灾火焰的判断,使火灾探测系统具有了自学习、自适应能力,为火灾探测中的信号处理提供了更丰富的手段。在图像处理过程中,采用先进行图像分割的方法,使算法效率得到了显著的提高,满足了系统实时性的要求。
野外火灾图像识别技术还处于发展阶段,许多国内外学者都进行了广泛的研究,但它的理论基础和现实技术仍然还不够完善。文中主要是针对火焰图像进行识别。但早期火灾发生时不一定出现明显的火焰现
象,因此今后应考虑如何将对火灾火焰的识别和对烟气的识别有机结合起来,使其相辅相成,以期更加准确
地识别出火灾并能够区别更多的干扰现象。
参考文献:
[1] NeubauerA.Genetical gorithmsinautomaticfiredetectiontechnology[J].GeneticAl gorithmsinEn gineeringS ystems:
InnovationsandA pplication,1997,4 (2) :180-184.
[2] 陈 莹. 大空间图像型火灾探测和自动灭火技术的研究[D]. 天津:天津大学,2006.
[3] 吴爱国,李 明,陈 莹.大空间图像型火灾探测算法的研究[J]. 计算机测量与控制,2006,14 (7) :869-871.
[4] 李 明,吴爱国. 大空间早期火灾的双波段图像型探测方法[J]. 现代建筑电气,2007(2) :37-40.
[5] 罗云林,朱瑞平,王菁华.基于数字图像处理的火警监测系统研究[J]. 辽宁工程技术大学学报,2002(6) :
摘 要:根据野外环境下早期火灾火焰的辐射特性和形状变化特性,阐述了对红外图像进行图像获取和预处理、特征提取以及火灾判别的过程。重点研究了火焰识别的判据,提出了五种判据作为火灾图像识别的依据。为了提高图像处理的效率,采用了先对图像进行区域分割,然后去掉背景信息而只对各可疑区域做进一步处理的方法,提高了系统的实时性。与其它的火焰识别算法相比,该算法在野外这种复杂的实际环境中,识别的准确性高,抗干扰能力强,能够在一定程度上识别出车灯、路灯等疑似干扰,因此具有广泛的应用前景。
关键词:辐射特性;判据;图像识别
引言
火灾对于人类的危害是显而易见的。当前对于室内的火灾报警已经比较成熟。通过光、烟、温度等加以
判断,然后直接实施灭火措施,进行断电、喷水等并报警。而对于大空间环境(如油码头、油库、大型仓库
等) ,尤其是在野外,早期火灾探测在世界范围仍是一个难题。因为在这类环境下,存在着许多影响火灾探测的因素,如空间高度、热量屏障、覆盖范围、远程信号传输等等。这些情况下传统的感温感烟式探测手段往往失去了作用。由于图像型火灾探测具有非接触式探测的特点,使该项技术成为在大型工厂、仓库、森林等
[1]大空间和野外开放空间进行火灾探测的有效手段 。文中采用数字图像处理技术对火焰图像进行分析、处理,最终识别出是否有火灾发生。同时对提高算法效率及降低误报率等方面作了一定研究。
在早期火灾阶段,由于火焰从无到有,是一个发生发展的过程。这个阶段火焰的图像特征比较明显。已有很多学者对此阶段的火焰图像识别做了深入的研究工作。大多数的火焰识别算法主要集中在火焰颜色分析和火焰面积分析上,其算法具有速度快、实时性好等优点,但易受到外界干扰,因此不适合在野外这种复杂的环境下工作。笔者利用早期火灾火焰图像具有火焰面积增大、边缘抖动、形状不规则、位置基本稳定等特征作为火灾识别判据,同时采用区域分割算法,对各个亮点区域分别处理,减少了相同算法的处理时间,使实时性得到提高。在此基础上,还根据火焰的频谱特征,将火焰的闪烁频率作为火灾识别判据,增强了系统的
抗干扰能力。557