基于視頻的公路隧道火災(zāi)檢測(cè)方法研究.pdf

1、在公路隧道運(yùn)營管理中，火災(zāi)是公路隧道危害最嚴(yán)重的一類災(zāi)害。隧道火災(zāi)不僅會(huì)對(duì)司乘人員造成嚴(yán)重傷害，而且會(huì)對(duì)隧道結(jié)構(gòu)及設(shè)施造成巨大破壞。若在火災(zāi)初期就能及時(shí)發(fā)現(xiàn)火情并報(bào)警，則有利于司乘人員安全疏散、抑制火勢(shì)蔓延和減小火災(zāi)造成的損失。因此，研究公路隧道早期火災(zāi)探測(cè)方法具有重要意義。本文以公路隧道為應(yīng)用背景，研究用T-S模型模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network，F(xiàn)NN）融合火焰和煙霧多特征的火災(zāi)分類識(shí)別方法。本文主要研究內(nèi)容如

2、下:
　　(1)運(yùn)動(dòng)目標(biāo)檢測(cè)。利用混合高斯模型背景差分算法提取運(yùn)動(dòng)目標(biāo)，并采用膨脹腐蝕、中值濾波和孔洞填充等處理算法對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行圖像后處理。
　　(2)疑似區(qū)域分割。利用火災(zāi)火焰的RGB和HSI相結(jié)合的顏色模型分割候選火焰區(qū)域;利用火災(zāi)煙霧的RGB和I分量顏色統(tǒng)計(jì)模型分割疑似煙霧區(qū)域。
　　(3)火災(zāi)火焰特征提取。研究了火焰的顏色區(qū)域分層特征，并給出了火焰的顏色區(qū)域分層特征模型;研究并實(shí)現(xiàn)了火焰的局部二值模式(Loc

3、al Binary Patterns，LBP)一二階矩比值特征和跳動(dòng)頻率特征。
　　(4)火災(zāi)煙霧特征提取。研究并給出了融合LBP和灰度共生矩陣(Gray LevelCooccurrence Matrices，GLCM)的煙霧紋理特征;研究并實(shí)現(xiàn)了煙霧的擴(kuò)散穩(wěn)定性特征及其提取方法。
　　(5)火災(zāi)檢測(cè)算法設(shè)計(jì)。本文給出了一種基于T-S模型FNN的火災(zāi)檢測(cè)算法。構(gòu)建融合火焰和煙霧多特征的T-S FNN火災(zāi)檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu);利用提取

4、的火焰或煙霧訓(xùn)練樣本離線訓(xùn)練T-S FNN模型，并對(duì)T-S FNN模型進(jìn)行離線仿真測(cè)試;選擇分類正確率較高的T-S FNN模型作為本文的火災(zāi)檢測(cè)模型。文中對(duì)基于T-SFNN的火焰、基于T-S FNN的煙霧和基于BP神經(jīng)網(wǎng)絡(luò)的火災(zāi)分類器分別進(jìn)行了離線仿真和在線測(cè)試，實(shí)驗(yàn)結(jié)果對(duì)比表明T-S FNN檢測(cè)算法的可行性及有效性。
　　本文火災(zāi)檢測(cè)算法融合了火災(zāi)火焰和煙霧圖像特征，通過對(duì)不同光照環(huán)境下的公路隧道模擬火災(zāi)和行車干擾等視頻進(jìn)行檢測(cè)