火焰识别算法研究与实现(源码)【字数：14190】
摘 要摘 要火灾是一种具有很大破坏性和多发性的灾害，常常给人们带来巨大的生命危险和财产损失。在火灾安防系统中，常用的火灾探测方法是利用温度、光线、烟雾，还有可燃性气体来检测火焰。由于这些传统模式的火灾检测，容易受设备自身、场地以及周围环境的影响而不能实时对所监控区域进行火灾检测，数字图像处理能快速有效地检测火灾，而开始受到人们的关注。基于上述需求，开发了一个数字图像处理的火焰检测系统，该系统先对图像进行预操作处理，然后对火焰的静态特征和动态特征进行观测和提取，从而识别火焰。预操作处理包括数字图像的灰度化、数字图像的二值化、数字图像形态学处理；静态特征提取包括火焰各种颜色模型的颜色的提取、和火焰边缘轮廓的尖角的检测；动态特征提取包括利用时间差分法检测可疑区域、利用火焰质心的移动排除干扰、用火焰整体的面积的扩张来进一步识别火焰。论文通过多种方法对图片或视频中的火焰进行提取，达到了火焰检测、火灾预防的目的。本系统利用Visual Studio和OpenCV计算机视觉开源库进行开发，利用C++语言编程实现。关键词火焰识别算法；数字图像处理；火焰的特征；OpenCV
目 录
第一章 绪论 1
1.1 课题研究背景 1
1.1.1 火焰检测背景 1
1.1.2 数字图像处理背景? 1
1.2 火焰检测的研究现状 2
1.3 课题研究内容、目的和结构 2
第二章 OpenCV使用概述 3
2.1 OpenCV计算机视觉库介绍 3
2.2 OpenCV的Mat对象 3
2.3 OpenCV的几个常用函数 5
第三章 火焰图像预处理和分割 6
3.1 数字图像和图像滤波 6
3.1.1 颜色模型 6
3.1.2 灰度图像 8
3.1.3 图像滤波 9
3.2 图像二值化和图像分割 10
3.2.1 图像的二值化 10
3.2.2 图像的边缘检测 11
3.3 本章小结 12
第四章 火焰识别 13
4.1 静态特征检测 13
4.1.1 颜色识别 13< *好棒文|www.hbsrm.com +Q: ^351916072^
br /> 4.1.2 火焰的尖角特征 15
4.1.3静态特征提取步骤 17
4.2 动态分析 18
4.2.1 时间差分法提取可疑区域 19
4.2.2对可疑区域进行排查 19
4.2.3实际火灾检测 23
4.3 本章小结 24
总 结 25
致 谢 26
参 考 文 献 27
第一章 绪论
1.1 课题研究背景
1.1.1 火焰检测背景
火灾是日常生活中常见的严重灾害，它的出现往往会给人们来带巨大的生命威胁和巨大的财产损失。据不完全统计，全球每年发生火灾已经超过700万次，每年有超过70000的人死于火灾。
近日，中国消防官方微博发布了2017年第一季度全国火灾情况汇总，这一季度，全国共接报火灾8万余起，死亡499人，受伤234人，已核直接财产损失近8亿元。重大火灾增加2起，较大火灾基本持平。这一季度，发生重大火灾2起，去年同期未发生重大火灾。2月5日，浙江台州天台县足馨堂足浴中心因汗蒸房内的电热膜导电部分出现故障，引燃可燃物发生火灾，造成18人死亡、18人受伤；2月25日，江西南昌红谷滩新区白金汇酒店因无证人员违章气焊切割楼梯扶手，高温熔渣引燃下方废弃沙发引起火灾，造成10人死亡、13人受伤。发生较大火灾22起，同比增加1起，共造成86人死亡、9人受伤，已核直接财产损失366.5万元。22起较大火灾中，7起为电气原因引起，占31.8%；7起为放火引起，占31.8%；2起为生产作业引起，占9.1%；1起为生活用火不慎引起，占4.5%；3起为其他原因引起，占13.6%；4起仍在调查[1]。
火灾给人们带来的危害早已不可小觑，因此，国内外都在努力地进行各种方式来识别火焰。常用的对于火灾的探测方法有使用温度探测器、光线亮度探测器、烟雾感知探测器以及针对可燃性气体探测器。由于这些传统模式的火灾检测，非常容易受到设备自身、光线明暗，场地形状以及周围环境产生的影响而不能实时和及时地对所要监控的区域进行准确的火灾检测，而如今基于对于数字图像的研究，使用数字图像处理处理能够快速有效地检测火灾，因此基于数字图像处理的火焰检测开始逐渐走进人们的视线。
1.1.2 数字图像处理背景?
数字图像处理，是将各种的观测系统提取出来的事物的图像,在显示于显像设备并展示于人眼之前所进行的操作。数字图像处理过程中包括对图像进行颜色模型的变换、噪声的抑制、对图像的增强、分割、以及对要重点突出的物体的特征提取的操作、方法和技术。这个图像的处理是跑在计算机和实时的硬件上的，所以一般也会被称之为计算机图像处理。以前在数字图像处理出现之前，人都是利用光学、照相处理还有使用视频信号处理进行模拟处理。例如，在使用棱镜或者是透镜的光学演算中使用各种的滤镜可以改变图像的整体风格，利用相机胶卷拥有的特性曲线特征进行的图像处理，在电子回路中利用视频信号进行的图像处理等，都属于这一类的图像处理。在人们的日常生活中，图像处理也渗透到了生活的方方面面。指纹的手机解锁，人脸的企业打卡系统，进行身份的识别；验钞机的钞票检验真伪；照相机上的人脸识别自动对焦功能，还有目前非常火的Faceu萌脸照相的人脸识别功能。此外，在其他领域别如说医学，数字图像处理也已经成为了诊断疾病非常重要的一种手段，比如说X射线CT等等。
1.2 火焰检测的研究现状
国内的周锦荣提出基于图像性的火灾视频检测体统[2]；李婷提出火灾探测中的图像分析,提取可以辨识的纹理特征[3]；许维胜等提出基于图像视觉特征的火灾自动识别[4]；宋卫国等提出基于BP神经网络的火灾图像探测方法[5]；吴龙标等提出了火灾监控中的一个新颖的火灾检测,利用火焰图像的边缘尖角进行识别[6]；史海山等提出基于遗传神经网络的火灾图像识别及应用[7]；张进华等提出一种基于视频多特征融合的火焰识别算法，包括静态特征动态特征多融合[8]；沈诗林提出基于图像处理的火灾火焰闪烁频率识别方法研究[9]；安至伟研究了基于统计模式识别技术的静态火焰图像的分类技术[10]。
1.3课题研究内容、目的和结构
本课题研究的方向是火焰识别的算法研究和实现。目的是为了实现一下如何进行数字图像识别，以及如何提取火焰的各种特征。为以后进一步开展带有图像处理的应用的开发打下基础。本文基于OpenCV这个开源的跨平台计算机视觉库，首先对火焰图像进行预处理，把图像增强和过滤，为火焰识别做准备，然后，利用火焰的一些静态特征和一些动态特征，进行火焰检测的算法研究。因此，本文内容和结构如下：第一章：介绍了火焰检测背景和数字图像处理；第二章：主要介绍了OpenCV开源库的使用，以及一些基础的函数和和该函数所使用到的算法原理；第三章：结合火焰的图片进行图像预处理的操作。为下章火焰识别做铺垫；第四章：结合火焰的一些特征进行火焰识别，提取火焰区域，排除干扰事物。
目 录
第一章 绪论 1
1.1 课题研究背景 1
1.1.1 火焰检测背景 1
1.1.2 数字图像处理背景? 1
1.2 火焰检测的研究现状 2
1.3 课题研究内容、目的和结构 2
第二章 OpenCV使用概述 3
2.1 OpenCV计算机视觉库介绍 3
2.2 OpenCV的Mat对象 3
2.3 OpenCV的几个常用函数 5
第三章 火焰图像预处理和分割 6
3.1 数字图像和图像滤波 6
3.1.1 颜色模型 6
3.1.2 灰度图像 8
3.1.3 图像滤波 9
3.2 图像二值化和图像分割 10
3.2.1 图像的二值化 10
3.2.2 图像的边缘检测 11
3.3 本章小结 12
第四章 火焰识别 13
4.1 静态特征检测 13
4.1.1 颜色识别 13< *好棒文|www.hbsrm.com +Q: ^351916072^
br /> 4.1.2 火焰的尖角特征 15
4.1.3静态特征提取步骤 17
4.2 动态分析 18
4.2.1 时间差分法提取可疑区域 19
4.2.2对可疑区域进行排查 19
4.2.3实际火灾检测 23
4.3 本章小结 24
总 结 25
致 谢 26
参 考 文 献 27
第一章 绪论
1.1 课题研究背景
1.1.1 火焰检测背景
火灾是日常生活中常见的严重灾害，它的出现往往会给人们来带巨大的生命威胁和巨大的财产损失。据不完全统计，全球每年发生火灾已经超过700万次，每年有超过70000的人死于火灾。
近日，中国消防官方微博发布了2017年第一季度全国火灾情况汇总，这一季度，全国共接报火灾8万余起，死亡499人，受伤234人，已核直接财产损失近8亿元。重大火灾增加2起，较大火灾基本持平。这一季度，发生重大火灾2起，去年同期未发生重大火灾。2月5日，浙江台州天台县足馨堂足浴中心因汗蒸房内的电热膜导电部分出现故障，引燃可燃物发生火灾，造成18人死亡、18人受伤；2月25日，江西南昌红谷滩新区白金汇酒店因无证人员违章气焊切割楼梯扶手，高温熔渣引燃下方废弃沙发引起火灾，造成10人死亡、13人受伤。发生较大火灾22起，同比增加1起，共造成86人死亡、9人受伤，已核直接财产损失366.5万元。22起较大火灾中，7起为电气原因引起，占31.8%；7起为放火引起，占31.8%；2起为生产作业引起，占9.1%；1起为生活用火不慎引起，占4.5%；3起为其他原因引起，占13.6%；4起仍在调查[1]。
火灾给人们带来的危害早已不可小觑，因此，国内外都在努力地进行各种方式来识别火焰。常用的对于火灾的探测方法有使用温度探测器、光线亮度探测器、烟雾感知探测器以及针对可燃性气体探测器。由于这些传统模式的火灾检测，非常容易受到设备自身、光线明暗，场地形状以及周围环境产生的影响而不能实时和及时地对所要监控的区域进行准确的火灾检测，而如今基于对于数字图像的研究，使用数字图像处理处理能够快速有效地检测火灾，因此基于数字图像处理的火焰检测开始逐渐走进人们的视线。
1.1.2 数字图像处理背景?
数字图像处理，是将各种的观测系统提取出来的事物的图像,在显示于显像设备并展示于人眼之前所进行的操作。数字图像处理过程中包括对图像进行颜色模型的变换、噪声的抑制、对图像的增强、分割、以及对要重点突出的物体的特征提取的操作、方法和技术。这个图像的处理是跑在计算机和实时的硬件上的，所以一般也会被称之为计算机图像处理。以前在数字图像处理出现之前，人都是利用光学、照相处理还有使用视频信号处理进行模拟处理。例如，在使用棱镜或者是透镜的光学演算中使用各种的滤镜可以改变图像的整体风格，利用相机胶卷拥有的特性曲线特征进行的图像处理，在电子回路中利用视频信号进行的图像处理等，都属于这一类的图像处理。在人们的日常生活中，图像处理也渗透到了生活的方方面面。指纹的手机解锁，人脸的企业打卡系统，进行身份的识别；验钞机的钞票检验真伪；照相机上的人脸识别自动对焦功能，还有目前非常火的Faceu萌脸照相的人脸识别功能。此外，在其他领域别如说医学，数字图像处理也已经成为了诊断疾病非常重要的一种手段，比如说X射线CT等等。
1.2 火焰检测的研究现状
国内的周锦荣提出基于图像性的火灾视频检测体统[2]；李婷提出火灾探测中的图像分析,提取可以辨识的纹理特征[3]；许维胜等提出基于图像视觉特征的火灾自动识别[4]；宋卫国等提出基于BP神经网络的火灾图像探测方法[5]；吴龙标等提出了火灾监控中的一个新颖的火灾检测,利用火焰图像的边缘尖角进行识别[6]；史海山等提出基于遗传神经网络的火灾图像识别及应用[7]；张进华等提出一种基于视频多特征融合的火焰识别算法，包括静态特征动态特征多融合[8]；沈诗林提出基于图像处理的火灾火焰闪烁频率识别方法研究[9]；安至伟研究了基于统计模式识别技术的静态火焰图像的分类技术[10]。
1.3课题研究内容、目的和结构
本课题研究的方向是火焰识别的算法研究和实现。目的是为了实现一下如何进行数字图像识别，以及如何提取火焰的各种特征。为以后进一步开展带有图像处理的应用的开发打下基础。本文基于OpenCV这个开源的跨平台计算机视觉库，首先对火焰图像进行预处理，把图像增强和过滤，为火焰识别做准备，然后，利用火焰的一些静态特征和一些动态特征，进行火焰检测的算法研究。因此，本文内容和结构如下：第一章：介绍了火焰检测背景和数字图像处理；第二章：主要介绍了OpenCV开源库的使用，以及一些基础的函数和和该函数所使用到的算法原理；第三章：结合火焰的图片进行图像预处理的操作。为下章火焰识别做铺垫；第四章：结合火焰的一些特征进行火焰识别，提取火焰区域，排除干扰事物。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/rjgc/830.html
