基于图像的火灾探测系统
摘要 | 第3-4页 |
ABSTRACT | 第4页 |
1 绪论 | 第7-11页 |
1.1 课题背景 | 第7-8页 |
1.2 传统的火灾检测方法 | 第8页 |
1.3 基于图像的火灾识别方法 | 第8-9页 |
1.4 本课题的主要工作和内容安排 | 第9-11页 |
2 火焰可疑区域的检测 | 第11-21页 |
2.1 传统的运动检测方法 | 第11-17页 |
2.1.1 帧差法 | 第11-12页 |
2.1.2 光流法 | 第12-14页 |
2.1.3 基于混合高斯模型的背景消减法 | 第14-17页 |
2.2 火焰可疑区域的检验 | 第17-20页 |
2.2.1 图像颜色空间 | 第17-18页 |
2.2.2 无效区域的排除 | 第18-19页 |
2.2.3 火焰目标提取 | 第19-20页 |
2.3 小结 | 第20-21页 |
3 火焰的特征提取及实验分析 | 第21-31页 |
3.1 火焰特征的提取 | 第21-30页 |
3.1.1 火焰尖角 | 第21-22页 |
3.1.2 圆形度 | 第22-24页 |
3.1.3 红绿分量面积比 | 第24-25页 |
3.1.4 面积变化率 | 第25-26页 |
3.1.5 相关系数 | 第26-28页 |
3.1.6 火焰的闪烁特性 | 第28-30页 |
3.2 小结 | 第30-31页 |
4 基于支持向量机的火灾图像识别算法研究 | 第31-45页 |
4.1 支持向量机的基本理论 | 第31-36页 |
4.1.1 VC 维理论 | 第32页 |
4.1.2 结构风险最小化原理 | 第32-33页 |
4.1.3 支持向量机 | 第33-36页 |
4.2 基于支持向量机的视频火焰识别 | 第36-41页 |
4.2.1 火焰识别系统的工作流程 | 第36-37页 |
4.2.2 核函数的选择 | 第37-38页 |
4.2.3 核参数的选取 | 第38-39页 |
4.2.4 人工鱼群算法 | 第39-40页 |
4.2.5 改进的人工鱼群算法 | 第40-41页 |
4.3 基于支持向量机的火灾识别算法实现 | 第41-42页 |
4.4 小结 | 第42-45页 |
5 火灾探测系统实现 | 第45-49页 |
5.1 火灾识别算法模块 | 第45-47页 |
5.2 视频采集模块和报警模块 | 第47-48页 |
5.3 用户操作模块 | 第48页 |
5.4 系统界面 | 第48-49页 |
6 总结和展望 | 第49-51页 |
6.1 总结 | 第49-50页 |
6.2 下一步工作展望 | 第50-51页 |
参考文献 | 第51-55页 |
致谢 | 第55-57页 |
研究成果 | 第57页 |