欧美国产伦久久久久久久

<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>

24小時論文定制熱線

咨詢電話

熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
您當前的位置:論文定制 > 畢業設計論文 >
快速導航
畢業論文定制
關于我們
我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
代做畢業設計
常見問題

基于計算機視覺的火災檢測及預警研究

添加時間:2021/06/24 來源:未知 作者:樂楓
火災具有突發性、破壞大、難以撲救等特點,所以現代建筑內大多鋪設有感溫、感煙等傳感器以盡早發現異常情況并應對。但伴隨著國民經濟的迅速發展,生活和工業用火越發頻繁、現代建筑及電氣設備更加復雜,使得現有傳感檢測設備越來越難以應對新的消防形勢.
以下為本篇論文正文:

摘 要

  火災具有突發性、破壞大、難以撲救等特點,所以現代建筑內大多鋪設有感溫、感煙等傳感器以盡早發現異常情況并應對。但伴隨著國民經濟的迅速發展,生活和工業用火越發頻繁、現代建筑及電氣設備更加復雜,使得現有傳感檢測設備越來越難以應對新的消防形勢,因此,消防問題現在變得日益嚴峻。在此背景下,本文基于計算機視覺技術對火災圖像信息提取、火災檢測和預警問題進行了研究和改進,并基于此研究搭建了一種消防系統,最大程度減少火災帶來的威脅。本文主要工作如下:

 。1)在火災檢測前利用 OpenCV 工具包對圖像中的火災信息進行提取,通過疑似火災區域提取和火災特征提取,得到可用于分類的數據集。其中,針對現有 RGB 火焰顏色模型易受亮度干擾的問題,利用 HSV 和 YCbCr 模型分離亮度和顏色信息對火災顏色模型規則進行改進,并結合去噪預處理、GMM 移動區域提取和形態學處理使疑似火災區域的提取更加精準;通過分析火災視覺特征及其對檢測結果的影響特點,選擇了抗干擾效果好且耦合小的適量火災特征進行提取方法設計,提取出的火災特征為下一步的火災檢測提供了判斷依據。

 。2)針對現有視頻火災檢測研究中重視火焰檢測而忽視煙霧及陰燃火檢測的問題,設計了一種基于 SVM 調優與閾值法改進的火焰和煙霧并發檢測方法。通過對 SVM 核函數選擇、模型參數調優并訓練后用于火焰的檢測;通過對傳統閾值判別方法進行改進,解決了其泛化能力弱的缺點,并用于煙霧檢測;通過對現有火災預警機制中存在問題的分析,提出了一種改進的火災預警機制。實驗表明,所提火災檢測算法能夠有效提升檢測準確率、降低誤報率和減小反應時間。

 。3)搭建了一種基于計算機視覺與智能小車的消防實驗系統。該系統由火災檢測及預警系統和火災協同救援平臺兩個子系統構成,共同實現火災檢測、預警和救援功能;馂臋z測及預警系統由集成了 OpenCV 的 C++ MFC 程序開發,可以對視頻監控現場和本地視頻進行實時火災檢測,出現火情后會同時進行檢測后臺預警和遠程短信預警;基于智能小車和Andriod App 實現的火災協同救援平臺可由火災指揮員和被困人員協同調用,智能小車搭載需要的模塊進入火災現場完成偵察、定位和運送物品等救援任務,從而保障消防員的安全,提高救援效率。

  關鍵詞: 計算機視覺,火災檢測,火災預警,智能小車

Abstract

  Fire has the characteristics of suddenness, great damage, and difficult to extinguish. Therefore,most modern buildings are equipped with sensors such as temperature sensors and smoke sensors todetect and deal with abnormal conditions as soon as possible. However, with the rapid developmentof the national economy, fire is used more and more frequently in industry and life, modernbuildings and electrical equipments become more complex, these changes make the existing sensordetection equipment increasingly difficult to cope with the new fire situation. Therefore, the fireprotection problem is becoming increasingly severe. Under this background, based on the computervision technology, the problem of fire image information extraction, fire detection and earlywarning is studied and improved in this thesis, and based on this research, a fire-fighting system isbuilt to minimize the threat of fire. The main work of this thesis is as follows:

 。1) The OpenCV toolkit is used to extract the fire information in the image before the firedetection. Through the suspected fire area extraction and fire feature extraction, a data set can beused for classification is gotten. Aiming at the problem that the existing RGB flame color model iseasy to be interfered by brightness, the HSV and YCbCr models are used to separate the brightnessand color information, and the rules of the fire color model is improved. Improved flame colormodel combines denoising preprocessing, GMM moving area extraction and morphologicalprocessing to make extraction of the suspected fire area more accurate; by analyzing the visualcharacteristics of the fire and its influence on the detection results, an appropriate amount of firecharacteristics with good anti-interference effect and small coupling are selected for extractionmethod designing. The extracted fire features provide a basis for the fire detection later.

 。2) Aiming at the problem of the current video fire detection research that attaches importanceto flame detection but ignores smoke and smoldering fire detection, an improved flame and smokeconcurrent detection method is designed based on SVM tuning and threshold method. Through theSVM kernel function selection, model parameters optimization and training for SVM, it can be usedfor flame detection; through the improvement of the traditional threshold discrimination method, itcan solve the shortcoming of weak generalization ability and the improved method is used forsmoke detection; through the analysis of the existing problems in the fire early warning mechanism,an improved fire early warning mechanism is proposed. The experiment results show that the proposed fire detection algorithm can effectively improve the detection accuracy, reduce the falsealarm rate and reduce the response time.

 。3) A fire-fighting experiment system based on computer vision and intelligent trolleys is built.The system consists of two subsystems, the fire detection and early warning system and the firecooperative rescue platform, which together implement the fire detection, early warning and rescuefunctions. The fire detection and early warning system is developed by C ++ MFC programintegrated with OpenCV, which can perform real-time fire detection on the video surveillance siteand local video. After a fire occurs, it will perform detection background warning and remote SMSwarning at the same time; based on the smart car and Andriod App, the fire cooperative rescueplatform can be called by the fire commander and the trapped personnel. The smart car carries therequired modules to enter the fire scene to complete the rescue tasks such as reconnaissance,positioning, and delivery of goods, so as to ensure the safety of firefighters and improve theefficiency of rescue.

  Key words: computer vision, fire detection, fire alarm, smart car

計算機

目錄

  第一章 緒論

  課題背景與意義在各種災害中,火災是威脅公眾安全和社會發展的主要災害之一。隨著我國國民經濟的騰飛,人民生活水平和工業發展進入了高速發展階段,在居民樓、化工廠和工業倉儲等環境下,高密度的生活及工業用火用電行為越發普遍,但是消防安全意識和消防設施的缺失使火災給人類生命和經濟發展帶來的損失越來越大。根據統計,2007 年至 2016 年的 10 年內接報的就有約 1.1 萬起火災事故,人員死亡 1.5 萬余人,平均每起火災至少有 1 人死亡,且有逐漸擴大的趨勢[1].2003 年至 2012 年間引發的火災事故直接帶來了人民幣 48.5 億元的財產損失[2].

  此外,即使等到消防員到來后,消防員也是常常在缺乏有效信息支持下直接沖入火場,火災現場復雜且危險的情況給沖刺于一線的消防官兵帶來了最直接的傷害和威脅。2005-2013 年間,發生了 70 多起消防官兵傷亡事故,直接導致了 85 人死亡,163 人受傷[3].特別是 2015年"8·12"天津濱海新區特大火災爆炸事故,該事故中有 165 人死亡,消防官兵占到了 67%的比例,直接經濟損失高達人民幣 68.66 億元[4].

  可見火災一旦發生將會給人類生命、財產以及國家經濟帶來不可估量的損失,我國消防問題十分嚴峻。而火災發生具有突然性高、傳播快、危險性大、難撲滅等問題,因此,設計一套可靠有效的消防系統十分重要。該系統要能夠及早發現火災,達到防患于未然的效果。

  如果火勢蔓延成火災,則后果不堪設想。相比于事后補救,及時發現并應對往往更加重要,所以火災檢測問題一直是學者的研究熱點。目前,城市各主要建筑物內實際采用的火災檢測產品以單點傳感器為主,如感溫傳感器、感煙傳感器,但這些設備常面臨疏于維護、鋪設成本高、中低端產品可靠性低等客觀現實,其探測效果常常難以達到人們的期望[5].由于傳感器周圍的溫度或煙霧濃度達到一定閾值才會觸發警報,因此反應較慢[6].此外,這類傳感器在室外或倉庫、體育場等空曠場所易受空間及氣流影響,很難達到設定的閾值,并不能起到良好的檢測效果。而隨著視頻監控在大街小巷普及、計算機性能及圖像處理技術的迅猛發展,基于計算機視覺技術檢測火災的方法不僅檢測速度更快,而且不會受到溫度、氣流等環境因素干擾,另外也可以減少傳感設備鋪設的額外成本,成為了火災檢測課題新的研究熱點[7].

  火災救援手段比較豐富,其中能深入火場實現遠程救援的只有智能消防機器人系統。利用機器人特別是智能小車平臺的機動能力,通過 WiFi、4G 等無線通信方式及智能小車可編程控制,可以實現智能小車遠距離操控,代替消防人員進入伴有濃煙、毒氣、爆炸等危險的火災現場。而在該平臺上搭載各類傳感器、攝像頭、定位設備等可將火災現場信息實時地傳遞回后臺,為科學高效的救援提供便利,因而智能小車救援系統具有獨一無二的優勢,消防機器人的研究對降低生命財產損失具有指導作用[8].

  除了機器視覺和智能小車技術外,嵌入式、無線通信、傳感網絡、室內定位等技術也在飛速發展,融合利用最新技術開發成果,研究視頻火災檢測、預警和救援相關理論,設計實現一種可視化可操作的智能消防系統,對火災及時發現,及時預警,及時救援,最大程度較少火災的威脅,具有重要的理論意義和潛在應用價值。

  1.2國內外研究現狀

  1.2.1 視頻火災檢測技術

  近年來國內外安防市場不斷擴大,基于建筑內外遍布的監控攝像頭提供更多的智能服務成為可能,在此基礎上越來越多的智慧城市、智慧交通、智慧安防系統被陸續孵化出來,這些項目也進一步鞏固和發展了安防產品的優勢[9].另一方面,基于傳感器的火災檢測系統在近年的火災事故中暴露出反應慢、可靠性差等問題,難以適應現代城市發展對消防安全的要求,因而,在現有視頻監控系統基礎上融合計算機視覺技術實現火災檢測成為新的突破口。

  計算機視覺技術通過攝像頭將監控對象生成圖像信號,利用圖像處理和圖像檢測技術對這些信號進行各種運算和特征提取,進而代替人眼判別監控對象行為。當物體燃燒時火焰會表現出一定的顏色、運動形態等特征,通過光的傳播,這些特征得以被攝像機捕捉,這些特性也就成了基于視頻識別火災的依據,它不會傳感器那樣受到空間、濕度、粉塵、溫度等環境的影響,更能適應復雜的環境條件,提高檢測效率,生成的圖像信息也更為人類視覺所直觀地接受[10].

  目前視頻火災檢測方法通常以火災特征的提取為抓手,進而通過設置閾值、機器學習、深度學習等方法融合判斷這些特征下是否存在火災,其中常用來提取圖像中火災像素的判斷依據有顏色、紋理、運動規律、增長規律等。Li 等[11]提出了一個基于 CLG-TV 光流模型對光流法進行改進的火焰判斷依據。De 等[12]為應對室內火災設計了一個火災早期預警傳感器。Ji等人[13]設計了一個基于 GMHI 前景提取及移動、顏色、閃爍、紋理、輪廓等多特征 SVM 的火災檢測算法,在準確率和實時性上都獲得了很大的提升。Muhammad 等[14]設計了一個基于改進 CNN 的火災檢測算法,在計算時間和內存占用上獲得了提升。Muhammad 等[15]受SqueezeNet 架構啟發,后續又設計了一種節能,改善計算效率的 CNN 架構,用于火災檢測和定位。Tian 等[16]從顏色、輪廓、移動等特征檢測煙霧的角度實現火災早期檢測。Hong[17]等利用圓度分析、銳角統計和圖像差分等技術實現火災檢測并結合視覺定位技術找出火災位置后用水泡滅火的嵌入式系統。He 等[18]在 ViBe 算法提取運動區域的基礎上使用 RGB-HIS 顏色模型檢測火災,并針對光伏系統環境下上進行了實驗,驗證了良好的魯棒性。Khan 等人[19]設計并實現了一種利用 RGB-LAB 顏色模型在樹莓派上實時檢測火災并在 Android 系統上遠程報警的消防預警系統。

  目前視頻火災檢測及預警產品上,國外歐美、日本等地區的公司發力的更早,也有很多產品推出,比如 axon X-LLC 公司火災檢測預警產品的 signifire 系列可以對火焰及煙霧進行檢測,并對煙霧濃度等進行檢測,具有抗擾能力強,適用面廣的特點[20],SONY,霍尼韋爾安防等也都有視頻火災檢測預警產品推出。國內安防企業進入該領域相對較晚,但HIKVISION,大華和華為等為代表的公司也在視頻智慧消防領域進行了較大的投入研究,且國內市場目前仍有很大的開發空間[21,22].

  1.2.2 火災救援機器人技術

  在火災救援機器人技術方面,雖然國內進步迅速,但歐洲、美國和日本總體仍處于領先地位[23-25].為代表的美國 Howe and Howe 公司 Thermite RS1-T2 的火災救援機器人采用金屬履帶式設計,可以通過復雜的火災現場,輸出有 18.64 千瓦的柴油機可為裝載噴射水槍、機械手及自身車重提供足夠的動力,不用消防員進入火災一線便可完成偵查、機械手臂救援、噴水滅火等消防任務。我國在 1995 年由上海交通大學等機構研制成第一個火災救援機器人以來,陸續出現了多個專業研究機構在消防機器人領域繼續完善[26,27].2010 年公安部制定并發布了消防機器人標準 GA892.1-2010《消防機器人第 1 部分:通用技術條件》,對行業發展起到了規范與促進作用[28].洛陽中信重工開發的火災救援機器人采用了履帶式設計,車身搭載了各類傳感器、遙控多向噴射水泡、360 度攝像頭等,可以完成運輸、救助、滅火等工作,攜帶的各類傳感器可以采集現場環境信息傳遞給后臺系統并顯示,為指揮中心指定科學救援計劃提供支持,保障了消防員生命安全。

  1.3研究內容與章節安排

  1.3.1 研究目標

  消防安全是個系統性問題,但相比于事后彌補,防范于未然往往更加重要,只有對火情及時檢測并控制,人類生命及財產才能得到最大程度的保護。但目前廣泛采用的感溫、感煙類單點傳感器存在兩方面問題,一是只有在其周圍的溫度或煙霧濃度達到一定閾值才會觸發警報,反應較慢[29];二是在室外或倉庫、體育場等空曠場所易受空間及氣流影響,所以并不能起到良好的檢測效果。另一方面,視頻監控的普及、計算機性能及圖像處理技術的迅猛發展為視頻火災檢測提供了良好基礎。采用視頻檢測火災的方法檢測速度更快,提供的信息更加直觀準確,不會受到溫度、氣流等環境因素干擾,另外也可以減少傳感設備鋪設的額外成本[30].在視頻火災檢測研究中,火焰作為火災最明顯也是最常見的表現形式而被學者廣泛研究,但是煙霧先于火焰出現的特點及部分陰燃火的情況常被忽略。所以本文需要設計一套基于計算機視覺的火災檢測算法,該算法可同時檢測火焰及煙霧,最后實現火災預警。

  1.3.2 研究內容

  本文主要對消防系統中火災檢測和預警展開研究。在計算機視覺與圖像處理技術的基礎上,對火災視覺特征進行分析,通過改進顏色模型等方法完成火災信息處理及特征處理,提升了火災檢測依據的準確性。對 SVM 進行調優并改進閾值判別法,從火焰檢測和煙霧檢測兩個方面改進火災檢測算法,提升了檢測準確率,降低了誤報率和反應時間。同時針對火災預警機制的問題提出了改進方法。最后,使用計算機視覺和智能小車技術完成消防系統的實現,對上述理論研究進行應用驗證。

  本文主要研究內容可總結為以下幾個方面:

 。1)通過調研近年消防安全事件與發展現狀,明確了消防系統的研究意義和本文對消防系統研究的重點。

 。2)詳細介紹了消防系統研究與實現使用到的相關理論與技術,為后續研究工作打下基礎。

 。3)由于圖像不能直接用于分類,需要利用 OpenCV 工具包先對圖像中的火災信息進行提取后才能得到用于分類的數據集,火災信息提取研究包括了疑似火災區域提取和火災特征提取兩部分方法的設計。將火災信息分為火焰和煙霧兩個部分,在圖像處理技術基礎上,設計了疑似火災區域的提取方法,針對現有 RGB 火焰顏色模型易受亮度干擾的問題進行了改 進。分析火災視覺特征及特征對檢測結果的影響特點,基于疑似火災區域設計了火焰和煙霧的特征提取方法,從而為下一步的火災檢測提供更加準確的判斷依據。

 。4)依據火災特征提取到的數據集,綜合判別火焰和煙霧的檢測結果后進行火災預警。

  對支持向量機理論研究后,選擇合適的核函數,在采用了交叉驗證和網格搜索法的 LIBSVM軟件包下完成 SVM 模型調優和建立,對火焰圖像進行分類。針對閾值法的泛化能力差的問題提出了改進方法,用于煙霧圖像分類。分析了以往研究中預警機制存在的問題并進行改進。

  實驗表明,所提火災檢測算法能夠有效提升檢測準確率、降低誤報率和減小反應時間。

 。5)搭建了一套基于計算機視覺與智能小車的消防實驗系統。該系統用于應用層面上驗證火災信息處理、檢測、預警和救援的實際效果。先對該消防系統進行整體架構設計,再對基于計算機視覺的火災檢測及預警系統和基于智能小車的火災協同救援平臺兩個子系統分別于架構設計、硬件實現、軟件實現和功能測試四個方面進行闡述系統實現過程和效果,最后對各功能模塊進行針對性測試。

  1.3.3 章節安排

  本文對視頻火災信息處理及特征提取、火災檢測及預警兩個問題分別在第三和第四章節中進行研究,然后在第五章中開發了一種消防系統對前兩章的理論研究在應用層面上進行實現,該系統不僅提升了火災檢測性能,解決了以往火災預警中的問題,也可以代替消防員進入火災現場,提供可服務于多人的多功能通用搭載平臺。

  本文分為六章,章節結構安排如圖 1.1 所示,具體描述如下:

  第一章主要介紹了消防系統的課題背景及意義、研究現狀、本文的研究內容與章節安排。

  第二章介紹了消防系統研究涉及到的相關理論與技術,為下文進一步研究提供基礎。本章包括計算機視覺、支持向量機、智能小車和 Android 技術相關知識。

  第三章詳細研究了視頻火災信息提取的方法。在計算機視覺和圖像處理技術基礎上,使用 OpenCV 在去噪預處理、GMM 算法提取移動區域、改進火災顏色模型和形態學處理四個方面進行圖像處理研究,并得到疑似火災區域,改善了后續特征提取的準確度和計算量;然后又從特征數量、特征間關系對火災檢測性能的影響,選擇了合適數量的抗干擾能優秀的火災特征,并對這些特征提取方法進行簡便化設計以降低總體計算量;最后,用實驗驗證各階段的設計效果,為下一步火災判別提供了準確依據。

  第四章詳細研究了火災融合判別及預警的過程。具體為,通過對 SVM 核函數選擇和參數調優建立分類模型檢測火焰;對傳統閾值法泛化能力弱的問題進行改進,提升煙霧檢測能力;對現有火災預警機制中存在將火情等同于火災進行一刀切預警的問題進行了改進;最后,基于 LIBSVM 等軟件工具驗證了火災檢測算法在準確率、誤報率和反應時間三個方面優秀的表現。

  第五章主要講述了基于計算機視覺和智能小車的消防系統實現過程。先對消防系統進行整體架構設計,再分別對基于計算機視覺的火災檢測及預警系統和基于智能小車的火災協同救援平臺兩個子系統的架構進行設計,并按軟件和硬件兩個方面闡述了子系統各模塊實現過程,最后對子系統的不同模塊進行針對性的功能測試,對測試結果進行了分析與論證。

  第六章為總結與展望?偨Y了本文已經做出的工作,針對該課題提出了可以進一步完善的地方并對未來規劃進行展望。

  第二章 相關理論與技術

  2.1計算機視覺

  2.2支持向量機

  2.3智能小車

  2.4Android

  2.5本章小結

  第三章 基于 OpenCV 的火災信息提取

  3.1引言

  3.2疑似火災區域提取

  3.2.1 去噪預處理

  3.2.2 基于混合高斯模型的移動區域提取

  3.2.3 基于 RGB 改進的火災顏色模型

  3.2.4 形態學處理

  3.3火災特征提取

  3.3.1 火焰特征

  3.3.2 煙霧特征

  3,4實驗分析

  3.4.1 實驗環境

  3.4.2 實驗結果與分析

  3.5本章小結

  第四章 基于 SVM 調優與閾值法改進的火災檢測及預警

  4.1引言

  4.2基于支持向量機調優的火焰特征融合判別方法

  4.2.1 基于支持向量機的火焰圖像檢測流程

  4.2.2 支持向量機模型設計與調優

  4.3基于閾值法改進的煙霧特征融合判別方法

  4.3.1 閾值法的問題

  4.3.2 基于閾值法的改進

  4.4視頻火災預警機制及改進

  4.5實驗分析

  4.5.1 實驗環境

  4.5.2 實驗過程

  4.5.3 實驗結果與分析

  4.6本章小結

  第五章 基于計算機視覺與智能小車的消防系統設計與實現

  5.1引言

  5.2系統整體架構設計

  5.3基于計算機視覺的火災檢測及預警系統

  5.3.1 架構設計

  5.3.2 硬件實現

  5.3.3 軟件實現

  5.3.4 功能測試

  5.4基于智能小車的火災協同救援平臺

  5.4.1 架構設計

  5.4.2 硬件實現

  5.4.3 軟件實現

  5.4.4 功能測試

  5.5本章小結

第六章 總結與展望

  總結

  本文針對現有消防系統常關注于火災檢測預警而忽略對救援功能的融合,旨在設計并開發實現了一種基于計算機視覺和智能小車技術,可以在火災發生的前、中、后三個階段分別銜接發揮檢測、預警和救援功能的消防系統,達到綜合減少人類生命與財產損失的目標。在理論研究層面,設計了一個視頻火災信息提取、檢測、預警、救援流程,并針對各階段問題進行了改進與驗證:

 。1)火災信息處理若要準確判別視頻中的內容,必先要處理視頻中的噪聲與火災干擾物。本文設計了一種疑似火災區域提取方法,可以提高圖像質量并初步得出火災區域,并針對現有的 RGB 火焰顏色抗亮度干擾差的問題進行了改進,通過對比實驗驗證了設計方法的合理性與效果。

 。2)火災特征提取疑似火災區域并不能完全排除干擾的存在,因此有必要進一步提取出火災有效特征,區別于相似的干擾才能提升檢測性能。通過對特征之間關系及特征數量對各融合判別機制復雜影響的研究,選擇其中抗干擾能力更強且耦合低的特征進行提取,并對各特征提取方法向簡便有效的目標進行優化設計。

 。3)火災檢測針對目前火災檢測方法側重火焰檢測而缺乏對煙霧的研究,實現了火焰和煙霧綜合檢測方法。由于火焰是火災最常出現,也是最明顯的現場,設計基于 SVM 并優化的分類模型來檢測火焰。而對于煙霧往往先于火焰出現和偶爾陰燃火現象,煙霧檢測也必不可少,因此設計了基于閾值方法進行檢測,其中對閾值法的弊端進行了分析并提出改進。

 。4)火災預警機制對現有研究中檢測到火焰或煙霧即火災預警的問題進行了分析,闡述了火災判別過程的重要性,設計了一種基于面積增長的火災判別機制分別進行火情提醒和火災預警,改進了現有火災預警機制。

 。5)火災救援針對現有火災救援系統脫離于檢測與預警系統,不能第一時間展開救援,且不能滿足于火災現場多變而多樣的救援需求,提出了一種新的設計思路,即設計一種直接工作于本消防場進行勘探、定位、傳送物品等,改盲目救援為科學救援,減少救援危險增加救援效率,還可以為消防員之外的更廣大待救人員提供小車操作服務,救援平臺可以更加精準直接地提供操作者需要的服務。

展望

  本文從檢測、預警和救援出發設計并實現了一種消防系統,雖然達到了初步驗證目標,但很多設計仍然有待今后的工作中將該消防系統變得更加成熟:

 。1)火災檢測實際視頻監控區域會有很多,因而視頻火災檢測系統應該改進為電視墻形式的多通道實時檢測;視頻火災檢測雖然不受空間、溫度、濕度的干擾,但受物體遮擋后會形成監控盲區,所以可以結合傳感器一起使用,也同時方便可視化頁面量化環境各項參數;未采用類似HIKVISION 這樣的專業級視頻監控系統,也沒有網絡硬盤錄像機作為遠程服務器,否則可提供遠程訪問能力,硬件水平的提高也將提升檢測準確度和檢測速度的提升。

 。2)火災預警預警的形式可以更加豐富多樣,比如在監控現場安裝及時聲光報警裝置,只依賴短信或郵箱,可能存在接收不及時問題。

 。3)火災救援方面小車平臺采用的輪式雖然敏捷機動,但是通過能力有限,可以改進為通過能力更強的履帶式小車;救援平臺可以增加一個可視化的 Web 系統,可以將小車攜帶的各感知模塊搜集到的信息進行匯總展現,用戶也可以遠程訪問,有了數據更可以利用數據挖掘技術做更多的改進。

  參考文獻

  [1] 戚斑。 近 10 年亡人火災統計數據分析及防范對策[J]. 中國消防, 2017(11):18-23.

  [2] 公安部消防局。 中國消防年鑒(2014)[M]. 云南: 云南人民出版社, 2014.

  [3] 范茂魁, 楊千紅, 馮時進, 等。 我國消防員滅火救援中傷亡情況研究 [J]. 工業安全與環保 ,2015(2):82-85.

  [4] 綜合報道。 直擊天津港"8·12"特別重大火災爆炸事故[J]. 中國消防, 2015(16):4-7.

  [5] Che-Bin Liu, Narendra Ahuja. Vision Based Fire Detection[C]// Pattern Recognition, 2004. ICPR 2004.Proceedings of the 17th International Conference on. IEEE, 2004.

  [6] Wang T, Shi L, Yuan P, et al. A new fire detection method based on flame color dispersion and similarity inconsecutive frames[C]// Chinese Automation Congress. IEEE, 2018.

  [7] Seebamrungsat J, Praising S, Riyamongkol P. Fire detection in the buildings using image processing[C]// 2014 Third ICT International Student Project Conference (ICT-ISPC)。 IEEE, 2014.

  [8] 劉軍, 程繼國, 尹志, 等。 消防機器人滅火救援應用技術分析[J]. 消防技術與產品信息, 2010(11):15-18. [9] 及林。 基于圖像特征提取的火災檢測[D]. 大連理工大學碩士論文, 2013.

  [10] 王振鵬。 基于 OpenCV 的火災視頻識別方法研究[D]. 沈陽航空航天大學, 2013 [11] Li K, Yang Y. Fire detection algorithm based on CLG-TV optical flow model[C]// IEEE InternationalConference on Computer and Communications. IEEE, 2017.

  [12] De Iacovo A, Venettacci C, Colace L, et al. PbS Colloidal Quantum Dot Visible-Blind PhotodetectorforEarly Indoor Fire Detection[J]. IEEE Sensors Journal, 2017, 17(14):4454-4459.

  [13] Ji Q G, Zhe-Ming L U, Chi R. Real-time multi-feature based fire flame detection in video[J]. IET ImageProcessing, 2016, 11(1):31-37.

  [14] Muhammad K, Ahmad J, Mehmood I, et al. Convolutional Neural Networks based Fire Detection inSurveillance Videos[J]. IEEE Access, 2018(99):1-1.

  [15] Muhammad K, Ahmad J, Lv Z, et al. Efficient Deep CNN-Based Fire Detection and Localization in VideoSurveillance Applications[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2019,49(7):1419-1434.

  [16] Tian H, Li W, Ogunbona P O, et al. Detection and Separation of Smoke From Single Image Frames[J]. IEEETransactions on Image Processing, 2018, 27(3):1164-1177.

  [17] Hong X, Wang W, Liu Q. Design and Realization of Fire Detection Using Computer Vision Technology[C]//2019 Chinese Control And Decision Conference (CCDC), Nanchang, China, 2019:5645-5649.

  [18] He Z. Video Based Fire Detection in Photovoltaic System[C]// 2019 4th International Conference onMechanical, Control and Computer Engineering (ICMCCE), Hohhot, China, 2019:289-2894.

  [19] Khan M N A, Tanveer T, Khurshid K, et al. Fire Detection System using Raspberry Pi[C]// 2019International Conference on Information Science and Communication Technology (ICISCT), Karachi,Pakistan, 2019:1-6.

  [20] Cheng X, Wu J, Yuan X, et al. Principles for a video fire detection system[J]. Fire Safety Journal, 1999,33:57-69.

  [21] ?elik T, Demirel H. Fire detection in video sequences using a generic color model[J]. FIRE SAFETYJOURNAL, 2009, 44(2):147-158.

  [22] 王大川, 王長海。 基于 OpenCV 的圖像型感煙火災探測報警系統[J]. 商品與質量·建筑與發展,2013(6):9-10.

  [23] Czapla T, Józef Wrona. Technology Development of Military Applications of Unmanned GroundVehicles[M]// Vision Based Systemsfor UAV Applications. Springer International Publishing, 2013.

  [24] Roesch O J, Schilling K, Roth H. Haptic interfaces for the remote control of mobile robots[J]. ControlEngineering Practice, 2002, 10(11):1309-1313.

  [25] 高仲亮, 王秋華, 舒立福, 等。 森林火災撲救消防車裝備的種類及使用技術[J]. 林業機械與木工設備,2014(8):10-14.

  [26] 胡傳平。 消防機器人的開發與應用[J]. 機器人技術與應用, 2003(5):37-41.

  [27] 陳偉哲, 黃夢醒, 吳迪, 等。 消防輔助救援機器人群設計研究[J]. 軟件工程, 2019(9)。

  [28] 張健。 消防機器人 GA892.1-2010 標準的操作性分析[J]. 標準科學, 2016(12)。

  [29] Kong S G, Jin D, Li S, et al. Fast fire flame detection in surveillance video using logistic regression andtemporal smoothing[J]. Fire Safety Journal, 2016, 79:37-43.

  [30] Seebamrungsat J, Praising S, Riyamongkol P. Fire detection in the buildings using image processing[C]//2014 Third ICT International Student Project Conference (ICT-ISPC)。 IEEE, 2014.

  [31] Ho C, Chen M. Nighttime fire smoke detection system based on machine vision[J]. International Journal ofPrecision Engineering and Manufacturing, 2012, 13(8):1369-1376.

  [32] Jianfei Z. Detection and tracking of moving object in traffic video based on Open CV[J]. ElectronicTest,2012.

  [33] Weijie L, Zhijian L, Tiehua M. Moving objects detection of video image based on Open CV[J]. ElectronicTest, 2011.

  [34] I. Culjak, D. Abram, T. Pribanic, et al. A brief introduction to OpenCV[C]// MIPRO, 2012 Proceedings ofthe 35th International Convention. IEEE, 2012.

  [35] Jia Y, Shelhamer E, Donahue J, et al. Caffe: Convolutional Architecture for Fast Feature Embedding[J].2014.

  [36] Abadi, Martín, Barham, et al. TensorFlow: A system for large-scale machine learning[J]. 2016.

  [37] http://www.csie.ntu.edu.tw/~cjlin/libsvm[38] 崔偉東, 周志華, 李星, 等。 支持向量機研究[J]. 計算機工程與應用, 2001(1)。

  [39] Toreyin B U, Cetin A E. Wildfire detection using LMS based active learning[C]// IEEE InternationalConference on Acoustics. IEEE Computer Society, 2009. [40] Chaohui Z, Xiaohui D, Shuoyu X, et al. An Improved Moving Object Detection Algorithm Based on FrameDifference and Edge Detection[C]// Image and Graphics, 2007. ICIG 2007. Fourth International Conferenceon. IEEE Computer Society, 2007.

  [41] 王猛。 基于視頻監控平臺的火災圖像檢測算法研究[D]. 天津大學, 2012.

  [42] Stauffer C, Grimson W E L. Learning Patterns of Activity Using Real-Time Tracking[J]. Trans on Pami,2000, 22(8):747-757.

  [43] Stauffer C, Grimson W E L. Adaptive Background Mixture Models for Real-Time Tracking[C]// ComputerVision and Pattern Recognition, 1999. IEEE Computer Society Conference on. IEEE, 1999.

  [44] Chen T H, Wu P H, Chiou Y C. An early fire-detection method based on image processing[C]// ImageProcessing, 2004. ICIP '04. 2004 International Conference on. IEEE, 2004.

  [45] Yoo, Jae-Doug, Park, Min-Ki, Cho, Ji-Ho, et al. Local color transfer between images using dominantcolors[J]. Journal of Electronic Imaging, 2016, 22(3):033003.

  [46] Turgay ?elik, Hasan Demirel. Fire detection in video sequences using a generic color model[J]. Fire SafetyJournal, 2009, 44(2):147-158. [47] Phung S L, Bouzerdoum A, Chai D. A novel skin color model in ycbcr color space and its application tohuman face detection[C]// International Conference on Image Processing. IEEE, 2002.

  [48] 孫琛。 基于視頻圖像的火災檢測算法研究與設計[D]. 山東大學, 2018.

  [49] C. E. Premal, S. S. Vinsley. Image processing based forest fire detection using YCbCr colourmodel[C], 2014 International Conference on Circuits, Power and Computing Technologies [ICCPCT-2014],Nagercoil, 2014:1229-1237.

  [50] 鄧仕超, 黃寅。 二值圖像膨脹腐蝕的快速算法[J]. 計算機工程與應用, 2017(5)。

  [51] Yuanbin W. Smoke Recognition Based on Machine Vision[C]// International Symposium on Computer.IEEE, 2016.

  [52] Wang T, Shi L, Yuan P, et al. A new fire detection method based on flame color dispersion and similarity inconsecutive frames[C]// Chinese Automation Congress. IEEE, 2018.

  [53] 張進華, 莊健, 杜海峰, 等。 一種基于視頻多特征融合的火焰識別算法[J]. 西安交通大學學報,2006(07):73-76.

  [54] http://signal.ee.bilkent.edu.tr/VisiFire/[55] Yuanbin W. Smoke Recognition Based on Machine Vision[C]// International Symposium on Computer.IEEE, 2016.

  [56] Mangasarian O L, Musicant D R. Successive Overrelaxation for Support Vector Machines[J]. IEEETransactions on Neural Networks, 1999, 10(5):1032-1037.

  [57] Lee Y J, Mangasarian O L. SSVM: A Smooth Support Vector Machine for Classification[J]. ComputationalOptimization and Applications, 2001, 20(1):5-22.

  [58] 李 琳 , 張曉龍 . 基 于 RBF 核 的 SVM 學 習 算 法 的 優 化 計 算 [J]. 計 算 機 工 程 與 應 用 ,2006(29):194-196+208.

  [59] http://www.fire.nist.gov/tree_fire.htm[60] Phung S L, Bouzerdoum A, Chai D. A novel skin color model in ycbcr color space and its application tohuman face detection[C]// International Conference on Image Processing. IEEE, 2002.

  [61] Xuan Truong T, Kim J M. Fire flame detection in video sequences using multi-stage pattern recognitiontechniques[J]. Engineering Applications of Artificial Intelligence, 2012, 25(7):1365-1372.

  [62] Qureshi W S, Ekpanyapong M, Dailey M N, et al. QuickBlaze: Early Fire Detection Using a CombinedVideo Processing Approach[J]. Fire Technology, 2016, 52(5):1293-1317.

致謝

  論文完成之際,回想起三年來研究生學習生活中的點點滴滴,有感動,有悲傷,有快樂,但是更多的是收獲。研究生期間我有幸認識了一幫志同道合的同學,遇到了學術嚴謹的導師,收獲了友誼,更收獲了沉甸甸的專業知識,在此向幫助過我的老師同學們表達衷心的感謝。

  首先感謝我的學校--南京郵電大學,給了我三年研究生學習的機會,為我提供了良好的學習環境。在三年的碩士研究生生活中,不僅在學習了廣泛的專業知識,培養了基本的學術素養,還在豐富的校園活動中不斷成長,漸漸走向成熟,這些都為我以后走向社會,走上工作崗位打下了基礎。

  感謝研究生三年授我以業的導師--陳美娟老師。感謝您這三年對我科研學習的教導,特別是對我發表的專利、論文及畢業論文進行了反復審閱和指導,鼓勵我參加競賽項目。同時,陳老師還教會了我很多與人相處的道理,在生活及未來發展上也對我格外關心。陳老師的認真、耐心、包容和關懷給我留下了深刻的印象,她對我的影響也將繼續指引我前進的步伐。再次感謝陳老師傾注的心血!

  感謝與我朝夕相處的同學們,感謝實驗室管銘鋒、劉奔等好友,感謝師兄師弟師妹們。

  研究生三年里,大家相互幫助、相互學習、共同進步,與你們共同度過的大學時光將是我此生最美的記憶。

  最后,向評閱本篇論文所有的評審和專家老師們表示真摯的感謝,感謝你們的付出和提出的寶貴意見!

(如您需要查看本篇畢業設計全文,請您聯系客服索。

相關內容
相關標簽:計算機畢業設計
好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
欧美国产伦久久久久久久
<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>