基于数字视频的船舶火灾报警系统

基于数字视频的火灾探测论文 分方块算法论文 基于感兴趣区域的颜色强度成分检测算法论文 PSF参数的估
论文详情
船舶火灾事故是航运过程中时有发生的众多安全事故之一。火灾一旦发生不仅船员、船体和货物的安全会受到威胁,事故发生地点的海洋环境也会遭到破坏。虽然有很多种防火与灭火方法,船舶火灾事故仍然时有发生。本课题的主要目的是研究在恶劣的海况中不可避免的会出现摄像头晃动的情况下的更强大、更可靠的基于数字视频的船舶火灾报警系统的可行性。此外,该系统也要检测在距离较远的地方的火焰。为了实现这个研究目标,本课题使用了包括PC计算机、USB摄像头、点火实验装置的硬件设备以及包括Visual C++编程语言、DirectShow和OpenCV的软件工具。基于数字视频的火焰识别系统比传统火灾识别系统有诸多优势,如设备成本低、响应时间快、监测面积大且仅通过监视器就能确认火灾的发生,而不用亲临现场。在利用本系统检测到火灾信息的基础上,可以选择最有效的灭火方法并彻底扑灭火灾。测试的火焰除了白色火焰以外,其主要颜色是淡蓝色。由于预混合足够的氧气和燃料,使得完全燃烧产生的蓝色火焰是最热的,它比任何其他颜色的火焰如红色和黄色火焰有更多的热量,例如,蜡烛的火焰才大约1400℃,而更蓝的氧乙炔火焰温度约3000℃。为了选择适当的灭火方法,更早地检测到危险的淡蓝色火焰是十分必要的,因此,本文主要进行的研究是对淡蓝色火焰的识别。这项研究分为三个部分:火焰图像识别算法、防抖过滤和网络视频传输。对于火焰图像识别,本文提出了两种火焰检测算法:分块算法和基于感兴趣区域的颜色强度成分检测算法。这两种算法可以区分在四个不同的背景亮度(暗,暗淡,正常和明亮)条件下的火焰与非火焰之间的特性像素。与分块算法相比,基丁感兴趣区域的颜色强度成分检测算法可以节省程序的执行时间,因为它仅在选定的区域内进行检测,而不用全部地检测火焰特征像素。如果基于数字视频的火灾探测系统在船舶上使用,摄像头或场景的震动通常是不可避免的,因为船是在动态的海况下(如波浪,风,水流和潮汐等恶劣天气条件)航行的。如果运动模糊场景图像被视频检测器采集了,便会引起误报警。为了防止或减少误报警,必须把图像模糊效应从检测到的图像里去掉。因此,在火焰识别处理前的火焰图像预处理阶段中,必须正确运用图像去模糊滤波器。如果把模糊图像恢复到它的原图像,需要正确估计点扩散函数(PSF)的运动模糊参数(模糊长度和模糊角度)。作者在本研究中,提出了新的关于PSF参数的估计方法。为了得到最好的PSF参数估计,运动模糊长度和模糊角度估计里使用了离散傅立叶变换(DFT)频谱。对于运动模糊长度的检测,提出了两种新的简单的算法。在第一种算法中,按照DFT频谱条纹倾角,首先把图像按逆时针旋转,然后,在图像的每一列中垂直地从顶部到底部找出其最大像素值。为了减少重复时间,应当选中图像中央部分像素强度最集中的区域。第二种算法被认为是非旋转光谱矩阵。根据实验结果,第二种算法比第一种算法好。最后,用一个简单的维纳滤波去掉图像的运动模糊。局域网(LAN)上的视频传输是本文研究的最后一部分。由于船舶是一个比较大的空间,它需要在船上所有舱室里安装许多独特的摄像机并将其关联到船桥监测站。所以,对于基于视频探测器的火灾报警系统,摄像机局域网络(LAN)的连接是其中一个非常重要的部分。远程计算机上的摄像头捕获到实时视频流,根据TCP/IP协议通过局域网(LAN)将其传送到另一台计算机上,然后,根据火焰特征像素识别算法在第二台计算机里对接收到的视频图像进行分析并确定火焰特征像素存在与否。在四个不同的环境灯光亮度(暗,暗淡,正常和明亮)条件下进行了火灾探测实验。视频流为每秒15帧(fps)的帧速率,因此有大约27 MB/s的数据流量,这在LAN以太网速度范围内也是可行的。根据实验结果,没有明显的网络传输错误。
Innovation Points第5-6页
Abstract第6-8页
摘要第9-15页
Chapter 1 Introduction第15-28页
    1.1 Aims and objectives第15页
    1.2 Fire disasters on board第15-20页
    1.3 Importance of shipboard fire detection第20-22页
    1.4 Fire detection research第22-24页
        1.4.1 Research in China第22-23页
        1.4.2 Research in other countries第23-24页
    1.5 Research methodology and research scope第24-27页
        1.5.1 Research methodology第24-26页
        1.5.2 Research scope第26-27页
    1.6 Outline of thesis第27-28页
Chapter 2 Programming Tools and Techniques第28-47页
    2.1 DirectShow第28-36页
        2.1.1 The challenge of multimedia第28-29页
        2.1.2 The DirectShow solution第29-30页
        2.1.3 DirectShow filters第30-32页
        2.1.4 Filter graph manager第32-33页
        2.1.5 Starting DirectShow programming第33-36页
    2.2 Multi-threading technique第36-38页
    2.3 Bitmap image structure第38-43页
    2.4 OpenCV library functions第43-47页
Chapter 3 Shipboard Fire Alarm System第47-65页
    3.1 Traditional fire alarm systems第47-50页
        3.1.1 Optical sensors第47-48页
        3.1.2 Ionization sensor第48-49页
        3.1.3 Air-sampling sensor第49-50页
        3.1.4 Carbon monoxide and carbon dioxide sensors第50页
    3.2 Vision-sensor based fire alarm systems第50-54页
        3.2.1 Hardware system第51-52页
        3.2.2 Software system第52-54页
    3.3 Software modules第54-65页
        3.3.1 Video capturing and image sampling module第54-58页
        3.3.2 Image recognition module第58-60页
        3.3.3 Audio-visual alarm module第60-63页
        3.3.4 Other assistant modules第63-65页
Chapter 4 Fire Detection Algorithms第65-90页
    4.1 Digital image characteristics of fire flame第65-69页
    4.2 Split block fire detection algorithm第69-78页
        4.2.1 Flowchart of split block algorithm第72-77页
        4.2.2 Results and discussions第77-78页
        4.2.3 Conclusion第78页
    4.3 ROI-based color intensity composition detection algorithm第78-90页
        4.3.1 Detection of fire-suspected ROIs第78-82页
        4.3.2 Detection of composition of RGB color intensities within the ROIs第82-83页
        4.3.3 Calculation of background light intensities第83-85页
        4.3.4 Determining the candidate fire ROI第85-87页
        4.3.5 Results and discussions第87-89页
        4.3.6 Conclusion第89-90页
Chapter 5 Anti-shake Filtering第90-106页
    5.1 Image deblurring concept第90-92页
    5.2 Estimation of PSF parameters by direct detection methods第92-102页
        5.2.1 Estimation of motion blur direction第94-95页
        5.2.2 Motion direction detection algorithm第95-96页
        5.2.3 Inclination angle deviation (δ)第96-97页
        5.2.4 Estimation of motion blur length第97-98页
        5.2.5 Motion blur length detection algorithms第98-102页
    5.3 Deblurring of motion blurred images using Wiener filter第102-103页
    5.4 Results and discussions第103-105页
    5.5 Conclusion第105-106页
Chapter 6 Real time Video Transmission over LAN第106-119页
    6.1 Introduction to video transmission第106-107页
    6.2 Shipboard fire detection system第107-116页
        6.2.1 Differences between TCP and UDP第108-109页
        6.2.2 Server-client model TCP/IP transmission第109-110页
        6.2. 3 CSocket class of Visual C++6.0第110-114页
        6.2.4 Fire detection algorithm第114-116页
    6.3 Results and discussions第116-118页
    6.4 Conclusion第118-119页
Chapter 7 Conclusions and Future Works第119-123页
    7.1 Summaries and conclusions第119-121页
    7.2 Future works第121-123页
References第123-130页
List of Published Papers第130-131页
Acknowledgements第131-132页
论文购买
论文编号ABS2211202,这篇论文共132页
会员购买按0.30元/页下载,共需支付39.6
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付66
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656