论文部分内容阅读
随着经济的发展和城市化的快速普及,城市内外各种生活生产空间的火灾日益频发。以温感、烟感等传感器为主的传统火灾报警系统,非常容易受到环境因素的干扰而出现误报、漏报等现象。以数字图像处理技术为基础的火灾早期自动检测报警系统利用高清摄像头对场景进行监控,并利用多种数字图像处理算法对图像序列进行处理提取出疑似区域,进而提取疑似区域的多种静态和动态特征,最后利用模式识别技术实现火灾检测。相比较而言,基于图像处理技术的新型火灾自动报警系统可监控和获得的信息更多,对火灾的反应和处理更为迅速,更适合火灾的早期监控和识别。本文首先对国内外火灾报警系统的研究现状进行了深入分析。然后对图像处理技术涉及的相关理论进行了详细研究,包括图像颜色模型、灰度化、滤波、形态学处理等。在此基础上,利用最大类间差算法对火灾图像进行分割,并利用背景减除法实现了火焰目标区域提取。与此同时,根据火灾发生过程中火焰变化的特性,分别提取了图像的面积特征、形态特征、边缘特征、纹理特征以及频闪特征。为了进一步消除特征信息的冗余性,降低特征向量的维度,利用相关分析法对所提取的多种特征进行优选,得到了更为合理的特征向量。最后,在对BP(Back Propagation)人工神经网络的基本原理和实现流程进行详细分析的基础上,将优化后的特征向量作为神经网络的输入,通过对网络参数的调整,实现了对于火灾的识别,并通过仿真实验验证了该方法的正确性和有效性。在图像处理算法研究的基础上,本文结合视频监控技术、无线网桥技术以及VLC视频开发技术设计了无线火灾自动报警系统。详细分析了系统的功能需求,进而给出了系统的整体设计方案。同时,详细论述了无线通信技术的设计与实现。最后,利用VS2015平台设计开发了远程监控中心的客户端软件,将多种图像处理算法融入其中,实现了火灾检测和识别功能。