基于视频的火灾智能探测关键技术研究结题摘要

火灾是一种常见的自然灾害，它严重影响了人民群众生命和财产的安全。如何及时、准确地探测出突发性火灾事件将火灾造成的损失降至最低，一直是人们长期关注和研究的课题。传统的火灾探测技术基于烟雾颗粒、温度等物理量的传感器，难以满足大空间、大范围火灾探测的需要。本项目旨在探索如何利用视频图像实现对火灾事件的探测和预警，在现有视频监控系统基础上实现实时的火灾监控。 本项目围绕四个方面展开工作：1、研究二分光模型在视频火焰光谱特征提取方法；2、研究基于Contourlet的火焰、烟雾的方向性纹理和高频特征提取与分析方法。3、研究可靠的烟雾模糊特征提取和分析方法；4、构建视频火灾探测原型系统。 在自然基金的支持下，项目组成员在视频火焰、烟雾探测方面取得三项主要进展：1、提出基于Contourlet变换和协方差矩阵融合的时空域火焰纹理特征，在视频火焰检测上取得良好效果。2、引入HEP模型并对LBP-TOP算子进行改进，在视频烟雾检测上取得良好效果。3、初步构建了一套视频火灾检测软件原型系统。在本项目资助期间，项目组成员发表多篇论文、提交专利申请4项，并在视频火灾检测领域培养硕士生4名。

传统的火灾探测技术基于烟雾颗粒、温度等物理量的传感器，难以满足大空间、大范围火灾探测的需要。本项目旨在研究如何更好地利用视频图像实现对火灾事件的探测和预警。探究智能视频火灾探测的理论新方法和关键技术，改进已有算法在火灾视频特征提取、分析等方面的不足，在视频监控系统基础上实现实时的火灾监控。研究的重点包括以下四方面内容：1）针对可见光视频场景中光照变化、类似火焰颜色和运动物体干扰等因素及形成机制，在二分光模型的基础上研究稳定可靠的视频火焰光谱特征模型和提取方法；2）针对传统小波变换的不足，研究基于Contourlet的火焰、烟雾的方向性 纹理和高频特征提取与分析技术。3）分析视频场景中烟雾弥漫运动特性，研究可靠的烟雾模糊特征提取和分析方法；4）结合SVM、神经网络等方法对火灾特征进行学习和识别，保障识别率，降低误识率。