收藏本站
《中国科学技术大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

火灾初期建筑内图像清晰化及人员检测技术研究

李森  
【摘要】:视频监控系统通过将建筑内的实时信息以图像的方式传递给建筑管理者,为建筑的日常维护及安防提供了极大的便利,成为当前建筑不可或缺的组成部分。然而,当建筑内发生火灾时,由于受到烟气的干扰,视频监控系统拍摄的图像出现模糊不清的现象,无法继续为救援人员提供准确的火场信息,增加了人员疏散和人员搜救的难度。因此,探索火场中视频监控系统的图像清晰化技术,还原视频监控系统的监控职能是当前消防领域迫切需要开展的一项工作。 火灾初期是开展人员疏散和人员搜救的关键时刻,火灾初期建筑内相对较低的烟气浓度环境也为我们探索图像清晰化技术提供了可能。本文从光源设计和软件开发两个角度出发探索火灾初期建筑内视频监控系统的图像清晰化方法,获取清晰化的人员图像,并在此基础上融合图像人员检测算法快速搜索火场中的被困人员,为指导人员疏散和人员搜救提供必要的技术支持。具体开展的工作如下: 一,建立了光在烟气层内的多散射传输模型,分析了入射光波长、烟颗粒浓度、烟颗粒粒径等对光透射性的影响。在考虑烟颗粒对光的散射作用的基础上,根据辐射传输方程(RTE),建立光在烟气层内的多散射传输模型。本文以正庚烷烟颗粒为研究对象,分析了不同入射光波长和烟颗粒粒径条件下烟颗粒的单散射反射率、不对称因子和消光截面等参数的变化。采用离散纵标方法(DOM)对多散射传输模型进行求解,结果表明光透射量随着烟气层浓度的增加而降低,随着烟颗粒粒径的增加也呈下降趋势,而随着入射光波长的增加则呈上升趋势。采用实验方法对不同波长入射光在烟气层内的穿透性进行了验证,实验结果与模型结论表现了良好的一致性。 二,提出了快速图像去烟算法,对受烟气影响的模糊人员图像进行了清晰化处理。由Retinex理论可知,物体图像由反射分量和照度分量组合而成,烟气仅改变图像的照度分量,而对物体所固有的反射分量没有影响。因此,图像去烟过程即是求解图像的反射分量的过程。结合烟气对图像的腐蚀特点,本文通过对Retinex算法中不同环绕函数的测试和改进,最终融合高斯金字塔滤波算法和像素对数查表法发展出高效快速的GL-Retinex图像去烟算法。GL-Retinex算法将图像处理时间由5150ms降低到了198ms(图像分辨率为704×576),降低了将近26倍。通过对不同光照环境中(日光灯、应急照明灯和红外灯)含烟图像的测试,GL-Retinex算法能有效去除烟气对人员图像的影响。在应急照明条件下,GL-Retinex算法清晰化处理之后的人员图像中人员可辨别的最大烟气浓度能达到4.81dB/m。 三,建立了火场人员形态样本库,训练出了火场人员检测分类器,有效实现了火场内被困人员的图像检测。在考虑直立跑、弯腰跑、单手捂鼻直立跑、单手捂鼻弯腰跑、双手捂鼻直立跑以及双手捂鼻弯腰跑等6种火场内常见逃生形态的基础上,通过实验采集、网上收集和INRIA行人数据库提取三种途径共收集火场人员正样本4767个;在考虑人员密集建筑场所的基础上,收集建筑内疏散走廊、楼梯、桌椅等负样本共2000个。提取样本库内所有样本的梯度直方图(HOG)特征,将HOG特征带入Adaboost级联分类器进行训练,训练出了适用于火场环境的火场人员检测分类器。采用300个含烟样本(200个正样本、100个负样本)对火场人员分类器进行测试。在测试之前,对测试样本采用GL-Retinex算法进行清晰化处理,采用直方图均衡化算法增强图像的对比度,以提高人员检测准确率。测试结果表明本文训练的火场人员分类器正样本检测准确率在不同光源条件下均达到了54%以上,负样本检测错误率均低于8%。尽管检测准确率受到烟气影响数值较低,但依然可以满足工程实际需求。 四,在图像人员(静态)检测基础上,进一步提出了动态人员检测算法。静态人员检测算法需要对整幅图像进行检测,处理时间过于缓慢。基于火场内人员运动,背景静止的特点,本文通过帧差、开运算、小面积连通域去除、相邻连通域合并等操作成功提取了图像中完整的人员运动区域。仅对运动区域进行人员检测,从而达到降低处理时间的目的。动态人员检测算法将检测时间由550ms降低至250ms,基本实现了实时处理的要求。同时,由于检测区域的减少,负样本检测错误率也降低到6%以下。
【学位授予单位】:中国科学技术大学
【学位级别】:博士
【学位授予年份】:2014
【分类号】:TU998.1

手机知网App
【参考文献】
中国期刊全文数据库 前2条
1 杨增社;;视频监控在城市消防远程监控系统中的应用[J];武警学院学报;2012年06期
2 禹晶;徐东彬;廖庆敏;;图像去雾技术研究进展[J];中国图象图形学报;2011年09期
中国博士学位论文全文数据库 前2条
1 乔利锋;火灾烟颗粒偏振光散射特征的研究[D];中国科学技术大学;2008年
2 杨华;基于图像处理技术的交通枢纽综合体人员荷载监测研究[D];中国科学技术大学;2013年
【共引文献】
中国期刊全文数据库 前10条
1 杨志伟;张庆明;彭强;;基于人脸特征的自适应空域差错掩盖算法[J];信息通信技术;2009年04期
2 ;A Robust Pedestrian Detection Approach Based on Shapelet Feature and Haar Detector Ensembles[J];Tsinghua Science and Technology;2012年01期
3 曾波波;王贵锦;林行刚;;基于颜色自相似度特征的实时行人检测[J];清华大学学报(自然科学版);2012年04期
4 王建宇;陈熙霖;高文;赵德斌;;背景变化鲁棒的自适应视觉跟踪目标模型[J];软件学报;2006年05期
5 付忠良;赵向辉;苗青;姚宇;;AdaBoost算法的推广——一组集成学习算法[J];四川大学学报(工程科学版);2010年06期
6 付忠良;赵向辉;;分类器动态组合及基于分类器组合的集成学习算法[J];四川大学学报(工程科学版);2011年02期
7 孙亚新;战荫伟;;基于肤色模型与人脸特征的多姿态人脸检测[J];山东大学学报(工学版);2011年02期
8 王欣威,李颖,董慧颖,陈海波;基于大气模型的天气退化图像复原方法及应用[J];沈阳理工大学学报;2005年01期
9 薛银珠;杜欢;刘志;张兆杨;;Video retargeting using optimized crop-and-scale[J];Journal of Shanghai University(English Edition);2011年04期
10 戈新良;杨杰;张田昊;杜春华;;改进的主动形状模型方法在人脸特征点定位中的应用[J];上海交通大学学报;2007年08期
中国重要会议论文全文数据库 前10条
1 付梦印;张晓晨;;景象匹配制导基准图制备关键技术研究综述[A];第二十九届中国控制会议论文集[C];2010年
2 侯杰;茅耀斌;孙金生;;基于FDA的快速haar特征选取及其在级联AdaBoost人脸检测中的应用[A];中国自动化学会控制理论专业委员会D卷[C];2011年
3 胡树贞;杨玲;马舒庆;张春波;何芹;;基于双色大气散射模型的视程障碍类天气现象识别[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第二卷)[C];2010年
4 樊彬;罗飞;李招;;一种基于整数图像技术的窗口匹配算法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年
5 苏松志;陈淑媛;李绍滋;;基于结构化局部边缘矩特征的行人检测方法研究[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
6 段其昌;周奇;段盼;;基于改进粒子滤波的实时鲁棒人脸跟踪算法[A];2009中国控制与决策会议论文集(2)[C];2009年
7 ;Image Quality Assessment on Image Haze Removal[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年
8 ;Rain Detection and Removal of Sequential Images[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年
9 张平;王贵成;;Adaboost人脸检测算法的速度影响因素分析及其改进方法[A];第三届中国智能计算大会论文集[C];2009年
10 汲鹏允;李筠;;基于Adaboost的彩色图像的人脸检测方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 许志远;雾天降质图像增强方法研究及DSP实现[D];大连海事大学;2010年
2 汤义;智能交通系统中基于视频的行人检测与跟踪方法的研究[D];华南理工大学;2010年
3 钟凡;在线视频分割关键问题研究[D];浙江大学;2010年
4 陈仁杰;内容敏感的图像重映射算法研究[D];浙江大学;2010年
5 林裕旭;基于扫描数据的三维人脸表情合成[D];浙江大学;2010年
6 张维泽;基于简单局部特征学习的物体检测方法[D];浙江大学;2010年
7 孙尧;纬编针织物疵点实时智能检测的研究[D];东华大学;2010年
8 王园宇;粉尘环境中的图像恢复研究[D];太原理工大学;2011年
9 李娟;城市交通系统中行人交通视频检测的理论与方法[D];北京交通大学;2010年
10 任瑞治;MODIS卫星遥感图像预处理方法研究[D];吉林大学;2011年
中国硕士学位论文全文数据库 前10条
1 单冬冬;去除薄雾的图像恢复与增强算法研究[D];长春理工大学;2010年
2 李光;基于均值偏移的视频目标跟踪、检测算法研究及系统实现[D];浙江理工大学;2010年
3 吴敏;基于AdaBoost和独立分量分析的人脸检测与识别算法的研究[D];郑州大学;2010年
4 林天威;基于视频流的人脸识别系统研究[D];哈尔滨工程大学;2010年
5 赵宏;灾难现场中人体腿脚部检测[D];哈尔滨工程大学;2010年
6 唐晓敏;基于霍夫变换及条件概率模型的多目标检测[D];大连理工大学;2010年
7 孙茂金;基于暗通道优先的单幅图像去雾算法研究[D];大连海事大学;2010年
8 郑伟华;基于自适应变换和空域同态变换的人脸光照补偿方法研究[D];湘潭大学;2010年
9 张庆久;近邻法与多视角学习的理论与算法研究[D];华东师范大学;2011年
10 谷秀平;基于Curvelet变换的图像去噪和增强[D];天津理工大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 董涛;董慧颖;;基于大气调制传递函数的天气退化图像复原方法研究[J];沈阳理工大学学报;2006年05期
2 刘家朋;赵宇明;胡福乔;;基于单尺度Retinex算法的非线性图像增强算法[J];上海交通大学学报;2007年05期
3 吴永浩;华云松;尚亮;;基于OpenCV的运动目标跟踪系统研究[J];电子测试;2010年08期
4 刘雪;常发亮;王华杰;;基于改进Camshift算法的视频对象跟踪方法[J];微计算机信息;2007年21期
5 王唯一;任以君;张明;吴树涛;;彩色序列图像的人脸分割与识别技术研究[J];微计算机信息;2008年27期
6 李宁;黄山;张先震;李秀君;;基于背景差分的人体运动检测[J];微计算机信息;2009年21期
7 疏学明;方俊;申世飞;刘勇进;袁宏永;范维澄;;火灾烟雾颗粒凝并分形特性研究[J];物理学报;2006年09期
8 姚会;苏松志;王丽;李绍滋;;基于改进的混合高斯模型的运动目标检测方法[J];厦门大学学报(自然科学版);2008年04期
9 孙爽;从韩国大邱市地铁火灾谈地铁的防火安全[J];消防科学与技术;2004年S1期
10 汤华清;袁狄平;靳学胜;;虚拟场景生成系统在灭火救援训练中的应用[J];消防科学与技术;2012年01期
中国博士学位论文全文数据库 前5条
1 谢启源;火灾烟颗粒光散射模型的研究[D];中国科学技术大学;2006年
2 于海滨;基于头部特征提取的人体检测与跟踪及其应用[D];浙江大学;2007年
3 张莉;多摄像机人体跟踪技术的研究[D];浙江大学;2008年
4 许言午;面向行人检测的组合分类计算模型与应用研究[D];中国科学技术大学;2009年
5 焦波;面向智能视频监控的运动目标检测与跟踪方法研究[D];国防科学技术大学;2009年
中国硕士学位论文全文数据库 前10条
1 梁艳;角点检测理论及算法研究[D];华中科技大学;2010年
2 李莹;基于图像特征的隧道运动火源视频火焰探测技术研究[D];中国科学技术大学;2011年
3 田伟;建筑瓶颈处人员运动行为特性参数的提取与研究[D];中国科学技术大学;2011年
4 樊厚春;遥感图像薄云去除研究[D];中国科学院研究生院(遥感应用研究所);2004年
5 吴晓阳;基于OpenCV的运动目标检测与跟踪[D];浙江大学;2008年
6 程娟;复杂背景下运动目标识别算法研究[D];武汉理工大学;2008年
7 罗强;移动目标的跟踪技术研究[D];武汉理工大学;2009年
8 张俨娜;运动目标检测与跟踪相关算法研究[D];河南大学;2009年
9 张艳琼;基于立体视觉的行人流量统计算法研究[D];湖南师范大学;2009年
10 詹群峰;基于OpenCV的视频道路车辆检测与跟踪[D];厦门大学;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026