论文部分内容阅读
火灾是公路隧道中除交通事故外危害最大的一类安全事故。由于公路隧道环境特殊,一旦发生火灾,不仅车辆和人员疏散困难,火灾救援工作更是难以在短时间内展开,往往会造成重大的人员伤亡和财产损失。如果在火灾初期就能进行及时准确的报警,则能及时抑制火灾蔓延、减少火灾造成的损失。因此,公路隧道早期火灾检测具有重要意义。本文针对隧道的特殊环境,融合火焰的多种图像特征,采用AdaBoost识别方法对视频中的火焰进行检测。本文主要研究内容如下：(1)运动目标检测。分别利用帧间差分法、混合高斯模型背景差法以及光流法进行运动目标检测,通过分析对比三种方法的特点,本文选用帧间差分法提取运动目标区域,并对运动目标图像进行后处理。(2)候选火焰区域分割。本文提出了一种有效分割候选火焰区域的方法,该方法采用RGB和Lab颜色空间对疑似区域进行分割,实验结果表明本文提出的颜色分割方法效果较好。(3)火焰的多特征检测。本文主要研究火焰的H分量一阶矩、Lab中的a、b分量比值、矩形度、圆形度、尖角数以及跳动频率特征,并通过实验分析对比火焰和非火焰干扰物各特征数据的分布范围。(4)基于AdaBoost的火焰识别。本文将从视频中提取的火焰和干扰样本数据构成特征向量输入SVM、AdaBoost中,分别训练生成SVM、AdaBoost学习模型,并分别优化选取SVM、AdaBoost的参数,以提高识别正确率。通过实验分析对比SVM和AdaBoost两种模型的识别正确率,选用检测正确率较高的AdaBoost作为本文的识别方法。本文采用AdaBoost模式识别方法融合火焰多特征对火焰和干扰视频分别进行检测,实验结果表明,本文的检测方法能够有效检测视频图像中的火焰,并能排除公路隧道视频中伪火焰车灯的干扰。