基于視頻的大空間建筑火災(zāi)探測(cè)方法研究.pdf

1、當(dāng)建筑單層高度超過(guò)4米時(shí),感溫探測(cè)器失去效應(yīng);超過(guò)12米時(shí),煙霧探測(cè)器部分失去效應(yīng),而圖像型火災(zāi)探測(cè)器在高度超過(guò)20米時(shí)也可以正常工作[1]。圖像型火災(zāi)探測(cè)器響應(yīng)速度快,不受高度限制,開銷小,成為近幾年研究的熱點(diǎn)。但受光照變化、物體反光等影響,在復(fù)雜場(chǎng)景中火災(zāi)探測(cè)識(shí)別率較低。為了提高探測(cè)算法的準(zhǔn)確率、魯棒性和實(shí)時(shí)性,針對(duì)現(xiàn)有圖像型火災(zāi)探測(cè)算法的不足,本文重點(diǎn)研究了火焰分割、特征提取和識(shí)別等相關(guān)算法。主要有以下幾方面:
　　(1)火

2、焰分割。火焰分割是降低火災(zāi)探測(cè)漏報(bào)率的根本,對(duì)現(xiàn)有火焰分割方法的性能進(jìn)行了實(shí)驗(yàn)分析,研究了一種基于YUV顏色空間和改進(jìn)分層聚類的火焰分割方法。首先建立YUV空間的火焰顏色模型,然后根據(jù)一組視頻幀中火焰歷史運(yùn)動(dòng)特征獲取疑似目標(biāo),將顏色相似的靜止干擾物排除。用改進(jìn)的分層聚類算法將同一區(qū)域中的離散目標(biāo)合并,為下一步的特征提取提供較少的疑似目標(biāo),提高算法速度,改善視頻延遲。
　　(2)火焰特征提取和識(shí)別。從大量火災(zāi)視頻中僅提取火焰部分視頻