论文部分内容阅读
森林是人类生存与发展不可或缺的资源,林火是造成森林资源破坏的最主要灾害。因此及时发现火情,对尽早扑灭林火减少森林资源损失有着重要的意义。目前,我国大部分林区虽然都建立了视频林火监控网络,但火情判断主要还是依靠人工观测监控。在现有的硬件系统基础上加入林火智能识别算法,不仅能够实现火情自动报警,而且改造成本较低。烟雾是森林火灾前期最为明显的特征,所以基于可见光视频的烟雾智能识别研究具有更加重要的意义。本文通过理论仿真分析与工程试验,提出了一个森林火灾烟雾识别算法框架。首先根据烟雾的运动特性,利用运动检测算法确定烟雾疑似区域,再对疑似区域提取图像特征,使用训练好的分类器进行智能识别排除干扰物影响。主要成果如下:(1)提出灰度投影算法对林火视频序列图像进行电子稳像,减小了大风造成的摄像机抖动影响。(2)引入运动检测法中的高斯模型背景减除法,利用火灾烟雾持续缓慢的扩散运动特性进行烟雾疑似区域提取,再使用带阈值的最小距离聚类法对零散琐碎区域聚合整理。(3)基于烟雾较强的视觉特征,提取10维烟雾图像特征,利用Adaboost算法通过对训练样本集合的不同组合训练出多个弱分类器——分类与回归决策树。最终通过对弱分类器的组合达到强分类器的效果,解决了烟雾识别非线性可分问题。仿真实验达到漏报率4.53%、误报率5.91%。(4)设计开发了森林火灾智能识别软件系统。在视频监控平台上融合了基于本文研究的序列图像去抖动、运动目标检测、图像特征提取以及Adaboost算法分类识别方法等,开发了森林火灾智能识别系统。经工程应用检验,系统运行稳定,识别准确率99.32%、误报率0.67%并成功捕获一次真实火情。