基于视频动态特征的分析烟雾检测算法研究

《基于视频动态特征的分析烟雾检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ClassifiedIndex：TN929．5U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisDynamicAnalysisforVideoBasedSmokeDetectionGrade：2010Candidate：YouYongAcademicDegreeAppliedfor：MasterSpeciality：TrafficInformationandEngineeringAdvisor：ProfessorPengQiangJune，2013西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校

2、有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保密d，使用本授权书。(请在以上方框内打“v”)学位论文作者签名：凇绐指导老师签名：日期：如／孑．6．门日期：西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1．结合运动检测算法、烟雾颜色模型和主运动分析算法构建了一套视频烟雾检测

3、预处理算法，对视频中存在的大部分非烟雾干扰进行滤除。2．引入了HEP纹理描述框架以分析烟雾的特征，并对比了基于该框架下的22种特征对烟雾识别效果。最终选择了BGC3作为烟雾纹理特征。3．利用视频动态特征对视频烟雾进行了深入的分析，提出了基于块的帧间差异分析(BIFD)，利用颜色矩和Hu矩对差异进行了统计分析，通过结果对比最终选择了颜色矩。4．引入了LBP相关的动态纹理特征来分析视频烟雾的动态纹理，同时对于LBP．TOP算法做了一些改进，利用EOH、BGC3和RTU替换了LBP，实验结果显示改进的算法从识别率和时间效率上都有所提高。最后提出了烟雾历史图像(SH

4、I)方法来进一步降低误检。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：姗易日期：≥D纹岁，西南交通大学硕士研究生学位论文第l页摘要传统单纯依靠传感器的火灾探测方法，监控范围小、其准确性受传感器灵敏度、传感器寿命局限等影响，且难以提供直观、实时的灾情现场信息。所以基于视频的火灾检测方法受到了人们广泛的关注。烟雾作为

5、火灾发生前非常重要的信号，对其及时的探测可有效避免火灾发生或将损失降至最低，同时相比火焰而言，其扩散范围更广，更容易被观察到。本文首先对国内外视频烟雾检测技术研究领域的现状进行了分析，然后结合运动检测算法、烟雾颜色模型和主运动分析算法构建一个视频烟雾检测预处理算法。实验结果显示该方案以较小的计算开销滤除大部分静止的、非烟雾颜色的或运动方向不符和烟雾特征的干扰区域。为了全面综合的对比分析现有纹理特征对烟雾的识别效果，本文引入了HEP纹理描述框架，并对比了该框架下的22种特征对烟雾识别效果。通过识别率、提取时间、特征维数和识别时间四个指标选择出了本文认为最适合烟

6、雾的纹理特征。烟雾运动的本质是一个流体的运动，针对目前大部分算法会在刚体的运动情景里发生误检的不足，本文提出了基于块的帧间差异分析(BIFD)，利用颜色矩和Hu矩对差异进行了统计分析，最终选择了颜色矩；另外引入了LBP相关的动态纹理特征来分析视频烟雾的动态纹理，同时给出了三个动态纹理特征的改进算法，实验结果显示改进的算法在识别率和时间效率上都有所提高；综合比较了三种改进算法，选择了一个本文认为效果最好的作为烟雾的动态纹理特征。最后提出了基于块的烟雾历史记录图来进一步降低误检。本文对所提出的方法在大量复杂场景视频中进行了测试，实验结果显示本文方法对于烟雾视频的

7、漏检很少，非烟雾视频的误检很低；最后本文对算法的时间效率进行了分析。关键词：视频烟雾检测；HEP；BIFD；动态纹理；烟雾历史图像西南交通大学硕士研究生学位论文第1I页Traditionalmethodsofthefiredetectionarerelyingsolelyonthesensors，theirmonitoringrangeissmallandaccuracyisinfluencedbythesensors’sensitivity．Atthesametime．itisdifficulttoprovidethereal-timeinformatio

8、nonthedisaster．Video-based