论文部分内容阅读
随着我国提出要成为全球邮轮市场最具活力的市场之一的目标后,邮轮安全尤其是消防安全也随之成为关注的焦点。不同于传统的火灾检测,邮轮火灾检测需要综合处理大量不同类型的数据,来实现不同类型舱室的火灾定位检测和危险等级划分。目前,如何合适地使用和融合这些数据仍存在一些难点,主要包括:火灾目标检测的泛化性问题、多摄像头信息融合和多传感器信息融合问题。因此本文针对以上三个问题进行研究。1.本文首先将目标检测算法应用到了可见光图像火灾检测上,首先对目前常用的目标检测算法进行了简单介绍,详细分析了Faster R-CNN目标检测算法,接着通过实验获取可见光视频数据并处理成图像帧和标注类别,制作数据集。然后将数据集送入Faster R-CNN中进行训练测试。测试发现对于可见光图像,Faster R-CNN目标检测算法可以有效对明火区分其阶段和检测定位,但是无法对火焰被遮挡情况和阴燃状态的火焰进行检测,有一定局限性。2.为了解决上述局限性,引入热成像图像,但是由于热成像图像对比度低等缺点,直接与可见光图像融合效果很差。首先使用改进后的直方图均衡化对热成像图进行图像增强,提升其图像对比度;然后将热成像图通过伪彩色化处理获得彩色图像;接着根据摄像头成像模型,建立起热成像图映射到可见光图像的变换模型;最后将融合之后的图像放入Faster R-CNN中训练测试。测试验证了融合了热成像图像的可见光图像可以有效区分火灾的不同阶段,甚至是阴燃和余热状态,为后面评估舱室火灾等级提供了基础。3.对于火灾的危险等级评估需要融合多类信息进行综合判断。由于火灾蔓延实验成本过大,本文通过仿真实验获得数据。首先利用Pyrosim软件对烟气的蔓延进行了定性和定量的分析,从起火舱室和其余舱室中选择了16个参数作为原始数据;然后利用图像处理领域的1×1卷积、多卷积核和通道权重分配等方法对全连接神经网络进行改进。改进后的模型在精度上提升了2.1%,达到了91.25%,但参数上更是只有全连接网络的1/10,大大减轻模型的存储需求,为以后的嵌入式平台开发提供了一定基础。