| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 视频火灾检测方法研究现状 | 第12-15页 |
| 1.2.1 视频烟雾火灾检测方法 | 第12-13页 |
| 1.2.2 视频火焰火灾检测方法 | 第13-14页 |
| 1.2.3 国内外隧道视频火灾研究现状 | 第14-15页 |
| 1.3 本文主要研究内容与章节安排 | 第15-18页 |
| 第2章 视频火灾检测方法理论与目标区域提取 | 第18-28页 |
| 2.1 火灾检测方法总体流程 | 第18页 |
| 2.2 火灾目标图像后处理 | 第18-22页 |
| 2.2.1 图像的形态学处理 | 第18-21页 |
| 2.2.2 图像的灰度化 | 第21-22页 |
| 2.3 运动前景目标提取 | 第22-27页 |
| 2.3.1 运动目标检测 | 第22-24页 |
| 2.3.2 火焰疑似区域提取 | 第24-25页 |
| 2.3.3 烟雾疑似区域提取 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 火灾火焰特征提取与分析 | 第28-52页 |
| 3.1 颜色区域分层特征 | 第28-41页 |
| 3.1.1 火焰的颜色特性分析 | 第28-29页 |
| 3.1.2 颜色区域分层特性的研究 | 第29-33页 |
| 3.1.3 颜色区域分层特征的数学模型 | 第33-36页 |
| 3.1.4 颜色区域特征提取及结果分析 | 第36-39页 |
| 3.1.5 颜色区域分层特征的应用分析 | 第39-41页 |
| 3.2 跳动频率特征 | 第41-46页 |
| 3.2.1 跳动频率特征的基本原理 | 第41-44页 |
| 3.2.2 算法实现及实验结果分析 | 第44-46页 |
| 3.3 LBP一二阶矩比值特征 | 第46-50页 |
| 3.3.1 基本的LBP算子 | 第46-47页 |
| 3.3.2 LBP一二阶矩比值特征提取及应用分析 | 第47-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 火灾烟雾特征提取与分析 | 第52-70页 |
| 4.1 融合LBP和GLCM的纹理特征 | 第52-64页 |
| 4.1.1 旋转不变的LBP算子 | 第52-53页 |
| 4.1.2 灰度共生矩阵 | 第53-55页 |
| 4.1.3 GLCM特征提取及结果分析 | 第55-56页 |
| 4.1.4 基于LBP的GLCM特征提取及结果分析 | 第56-59页 |
| 4.1.5 融合LBP和GLCM的纹理特征的应用分析 | 第59-64页 |
| 4.2 扩散稳定性特征 | 第64-68页 |
| 4.2.1 扩散稳定性的基本原理 | 第64-66页 |
| 4.2.2 扩散稳定性特征提取及结果分析 | 第66-68页 |
| 4.3 本章小结 | 第68-70页 |
| 第5章 火灾识别分类器设计与结果仿真 | 第70-86页 |
| 5.1 T-S模型FNN理论 | 第70-74页 |
| 5.1.1 T-S模型模糊系统 | 第71页 |
| 5.1.2 T-S模型FNN结构 | 第71-73页 |
| 5.1.3 T-S模型FNN学习算法 | 第73-74页 |
| 5.2 T-S模型FNN的火灾分类器设计 | 第74-80页 |
| 5.2.1 T-S模型FNN的构建 | 第75-77页 |
| 5.2.2 T-S模型FNN的训练 | 第77-79页 |
| 5.2.3 T-S模型FNN的生成 | 第79-80页 |
| 5.3 仿真结果分析 | 第80-85页 |
| 5.3.1 24帧/周期仿真结果分析 | 第80-83页 |
| 5.3.2 48帧/周期仿真结果分析 | 第83-85页 |
| 5.4 本章小结 | 第85-86页 |
| 第6章 基于视频的公路隧道火灾检测方法实现与结果分析 | 第86-94页 |
| 6.1 基于视频的公路隧道火灾检测算法实现 | 第86-87页 |
| 6.2 实验结果分析 | 第87-93页 |
| 6.2.1 实验视频选取 | 第87-89页 |
| 6.2.2 结果分析 | 第89-91页 |
| 6.2.3 检测结果图 | 第91-93页 |
| 6.3 本章小结 | 第93-94页 |
| 总结与展望 | 第94-96页 |
| 参考文献 | 第96-101页 |
| 致谢 | 第101-102页 |
| 作者简介 | 第102页 |
