原文传递
基于图像显著性的高速公路隧道火灾检测方法研究
| 论文题名： | 基于图像显著性的高速公路隧道火灾检测方法研究 |
| 关键词： | 公路隧道;火灾检测;视觉显著性;图像处理 |
| 摘要： | 火灾是公路隧道中危害最严重的安全事故之一，由于近年山区高速公路发展较快，随着高速公路隧道里程数的大幅增长，给公路隧道的火灾检测带来了前所未有的挑战。传统的火灾检测是以探测器为基本检测单元，在火灾初期识别率低，且火灾判断的时间长，后期维护费用较高。为此，本文利用隧道内原有的监控图像，采用图像处理相关技术对火焰进行识别，能够准确及时地发现火情并尽早采取措施，减少人员伤亡和财产损失。 本文采用视觉的显著性来实现对火灾的检测。可以帮助我们从大量的复杂图像中识别出“关注度”较高的物体，而火焰在隧道环境中具有较高的“关注度”特性，为此，本文在隧道火焰检测中引入视觉显著性思想。 本文首先介绍了火焰检测方面使用到的视频图像处理技术相关理论知识，在此基础上将隧道内的监控视频截取成图像序列，提取出其中相邻的两帧图像后使用光流法提取图像中的运动目标，并用光流图对图像具体的运动信息进行描述，运动目标提取的方法可以排除隧道内处于静止状态的照明设施对检测的干扰。在得到图像中的运动目标后，为了提高算法的运算效率，使用SLIC超像素的方法对隧道监控视频图像进行超像素分割，以超像素为基本单元进行后期显著性计算，降低了运算时间。在计算图像显著性时，提取出每个超像素的光流信息，统计出其光流直方图作为显著性计算的特征输入。显著性算法也不同于以往只单一提取图像的背景或目标进行检测的方法，本文构建两层显著性检测模型同时检测背景与目标：第一层根据图像目标分布特征，使用上、下、左、右四个边缘的超像素作为背景标记节点分别计算显著性，将得到的四幅显著图合并作为第一层显著性计算结果；第二层使用自适应阈值法进行二值分割得到第二层显著性计算结果；将两层显著图结合得出最终检测结果，判断火灾是否发生。使检测结果更准确，降低了火灾的误判率。 本文使用基于显著性的公路隧道火灾检测系统对一段隧道内的着火视频进行检测识别，发现本算法能较好地过滤隧道内照明灯具以及汽车尾灯的干扰，并且具有较好的实时性和抗干扰能力，可以应用于高速公路隧道的火灾检测。 |
| 作者： | 房楠 |
| 专业： | 交通信息工程及控制 |
| 导师： | 赵忠杰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
