基于视频的森林火灾烟雾检测系统研究

《基于视频的森林火灾烟雾检测系统研究》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、中图分类号：TP391.4论文编号：102870318-SX176学科分类号：081104硕士学位论文基于视频的森林火灾烟雾检测系统研究研究生姓名张小正学科、专业模式识别与智能系统研究方向图像处理与目标检测指导教师袁锁中副教授南京航空航天大学研究生院自动化学院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchonVideoBasedForestFireSmokeDetectionSy

2、stemAThesisinPatternRecognitionandIntelligenceSystembyZhangXiaozhengAdvisedbyAssociateProf.YuanSuozhongSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2018承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，

3、也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位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、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名：日期：南京航空航天大学硕士学位论文摘要基于视频的火灾烟雾检测技术通过对烟雾图像进行分析、处理、识别来判断灾情，是一种非接触式的检测技术，因而该技术适用范围广、速度快、准确率高，弥补了传统检测技术的不足而被广泛应用。如何将该技术应用到复杂的森林环境中已成为近年来的研究热点。因此，本文对基于视频的森林

4、火灾烟雾检测技术展开深入研究，主要研究工作如下：首先，研究改进的基于背景建模的运动目标检测算法。在传统的码本模型基础上，融入LBP算子，用LBP直方图向量代替原有的RGB向量，利用码本记录局部区域的纹理特性，提高算法对光照变化的适应能力。此外，为了提高运行速度，将建模对象由像素点转为图像块，并对码本模型算法中的码字位置进行调整，改进后的算法运行速度有了显著提高。其次，分析和提取了烟雾的多种特征。烟雾在扩散时并不是仅存在单一的特征而是多特征并存。通过多次实验比较分析，提取了烟雾的5种特征，包括颜色特征、背景模糊特征、运动方向特征、轮廓不规则特征及

5、重心移动特征。将提取的共13个烟雾特征值构成特征向量组成分类器训练和识别的样本数据。再次，设计了基于随机森林算法的烟雾识别分类器，并分析了影响分类器分类性能的多个因素，包括决策树的数目、特征变量的数目、数据预处理方式、算法的投票机制，在实验的基础上对分类器进行了优化。结果表明优化后的随机森林分类器对烟雾具有更好的识别效果。最后，搭建了完整的森林火灾烟雾检测系统。该系统综合了图像预处理算法、运动目标检测算法、烟雾图像特征及优化的随机森林分类器。通过多个视频对烟雾检测系统进行性能测试，结果表明系统能快速、准确地识别出烟雾。关键词：森林火灾烟雾，运动

6、目标检测，烟雾特征提取，随机森林算法，烟雾检测系统I基于视频的森林火灾烟雾检测系统研究ABSTRACTVideobasedfiresmokedetectiontechnologyjudgesfiredisastersbyanalyzing,processingandidentifyingthesmokeimages,andthisisanon-contactdetectiontechnology.Itiswidelyusedduetotheadvantagessuchaswiderangeofapplications,fastspeedandh

7、ighaccuracy,whichmakeupthelacksoftraditionaldetectiontechnologies.Howtoapplythistechnologytothecomplexforestenvironmenthasbecomearesearchhotspotinrecentyears.Thisthesisfocusesonthestudyofvideobasedforestfiresmokedetectiontechnology,andthemaincontributionsarelistedasfollows.F

8、irstly,thealgorithmofmovingtargetdetectionbasedonbackgroundmodelingisstudie