导读:本文包含了火灾识别论文开题报告文献综述及选题提纲参考文献，主要关键词:火灾,烟雾,时间压缩轨迹,特征识别
火灾识别论文文献综述
罗胜,张翔,胡杰,王慕抽,张笑钦[1]（2019）在《时间压缩轨迹特征识别的火灾烟雾检测》一文中研究指出目的检测烟雾可以预警火灾。视频监控烟雾比传统的单点探测器监控范围更广、反应更灵敏,对环境和安装的要求也更低。但是目前的烟雾检测算法,无论是利用烟雾的色彩、纹理等静态特征和飘动、形状变化或者频域变化等动态特征的传统方法,还是采用卷积神经网络、循环神经网络等深度学习的方法,准确率和敏感性都不高。方法本文着眼于烟雾的升腾特性,根据烟雾运动轨迹的右倾直线特性、连续流线型特性、低频特性、烟源固定特性和比例特性,采用切片的方式用卷积神经网络(CNN)抽取时间压缩轨迹的动态特征,用循环神经网络(RNN)抽取长程的时间关联关系,采用分块的方式提高空间分辨能力,能准确、迅速地识别烟雾轨迹并发出火灾预警。结果对比CNN、C3D(3d convolutional networks)、traj+SVM(trajectory by support vector machine)、traj+RNNs(trajectory by recurrent neural network)和本文方法traj+CNN+RNNs(trajectory by convolutional neural networks and recurrent neural network)以验证效果。CNN和C3D先卷积抽取特征,后分类。traj+SVM采用SVM辨识视频时间压缩图像中的烟雾轨迹,traj+RNNs采用RNNs分辨烟雾轨迹,traj+CNN+RNNs结合CNN和RNNs识别轨迹。实验表明,与traj+SVM相比,traj+CNN+RNNs准确率提高了35.2%,真负率提高15.6%。但是深度学习的方法往往计算消耗很大,traj+CNN+RNNs占用内存2.31 GB,网络权重261 MB,前向分析时帧率49帧/s,而traj+SVM帧率为178帧/s。但与CNN、C3D相比,本文方法较轻较快。为了进一步验证方法的有效性,采用一般方法难以识别的数据进一步测试对比这5个方法。实验结果表明,基于轨迹的方法仍然取得较好的效果,traj+CNN+RNNs的准确率、真正率、真负率和帧率还能达到0.853、0.847、0.872和52帧/s,但是CNN、C3D的准确率下降到0.585、0.716。结论从视频的时间压缩轨迹可以辨认出烟雾的轨迹,即便是早期的弱小烟雾也能准确识别,因此traj+CNN+RNNs辨识轨迹的方法有助于预警早期火灾。本文方法能够在较少的资源耗费下大幅度提高烟雾检测的准确性和敏感性。(本文来源于《中国图象图形学报》期刊2019年10期）
刘亚如,段中钰[2]（2019）在《基于改进FOA-SVM的火灾图像识别模型研究》一文中研究指出火灾是常见的破坏性极大的自然灾害。为了更好地预防火灾,减少财产损失和人员伤亡,针对人为选择SVM参数具有盲目性,对其分类能力影响较大,提出基于改进FOA-SVM的火灾图像识别模型。通过引入逻辑函数对果蝇算法的搜索步长进行改进,利用改进果蝇算法优化支持向量机搜索得到最佳模型参数。将火灾图像提取特征量作为该识别模型的输入样本训练和识别火灾图像,结合实例并将该模型的识别结果与SVM模型及其他算法的识别结果进行对比。实验结果表明,该模型提高了火灾图像识别的准确率,在火灾检测方面具有一定的实际应用价值。(本文来源于《计算机应用与软件》期刊2019年10期）
李娜,齐爱玲,贾澎涛,龚尚福[3]（2019）在《两种火灾烟雾识别方法的研究》一文中研究指出接触式火灾探测器在大空间和室外场景存在局限性,结合视频监控系统和数字图像处理技术,进行探测和预警成为火灾探测领域里的新研究方向。针对不同场景下烟雾识别算法的选择问题,研究颜色统计特征和小波变换两种方法在烟雾图像识别中的应用,分析算法的具体过程及其适用性。火灾烟雾图像包含丰富的颜色、纹理等特征参数,将烟雾图像转换为二值图像,采用数字图像处理的方法对烟雾的RGB颜色特征进行统计,分析其颜色距离与人类视觉的关系,提取图像中的烟雾点特征,识别是否有火灾烟雾生成以达到预警的目的。小波变换方法利用烟雾背景图像纹理模糊即信号衰弱的特点,对目标前景进行提取。利用连续目标图像计算均值背景,通过与均值背景的对比,捕捉图像信号衰减的连通区域,获取烟雾图像。通过实验,从图像要求、烟雾对象、时间复杂度、适合场所几方面得出颜色统计特征和小波变换方法在火灾烟雾识别中的性能比较。结果对不同场景下烟雾图像识别方法的选择有指导作用。(本文来源于《西安科技大学学报》期刊2019年05期）
黄亚东,钱美君,陈淑仪,吴珂,朱凯[4]（2019）在《隧道火灾风险识别及安全保障技术》一文中研究指出从隧道火灾风险识别、火灾场景与烟气控制、人员疏散与救援、结构与材料耐火4个方面分析了目前隧道火灾风险识别与安全保障技术方面的研究现状,并对研究趋势进行了展望。针对具有复杂内部结构与边界条件的超常规隧道火灾进行研究,有助于提升隧道运营安全水平。(本文来源于《消防科学与技术》期刊2019年09期）
孙超,刘森,刘兆杰[5]（2019）在《基于随机森林的电气火灾故障电弧识别方法研究》一文中研究指出故障电弧是造成电气火灾的重要原因。通过电气火灾故障电弧的成因分析,对故障电弧探测技术进行了系统阐述和技术研究,结合故障电弧电流波形的时域和频域特征,提出了一种基于随机森林算法的故障电弧探测技术的设计方法。(本文来源于《通信电源技术》期刊2019年08期）
金肖,叶锦华,杨素珍[6]（2019）在《多特征融合视频火灾识别研究》一文中研究指出针对目前的视频火焰检测算法容易受到复杂场景、光照条件的影响,算法的实时性较差且容易误判等问题,提出一种红外视频图像自适应背景更新疑似火焰区域检测与改进层次分析法多特征融合火灾火焰识别方法。利用改进型自适应背景更新运动目标检测来获取红外视频图像中疑似火焰区域,消除背景干扰,提高火焰静动态特征的提取效率,将火焰的多种特征用叁标度改进层次分析法进行融合,实验结果表明该方法对火焰的识别效果更加快速、精确、有效。(本文来源于《机械制造与自动化》期刊2019年04期）
王晨,张嘉琪,王丽,王浩杰[7]（2019）在《基于LabVIEW的数据融合火灾识别模型应用》一文中研究指出为提高火灾预警系统的及时性和准确性,采用LabVIEW虚拟仪器开发一套智能识别火灾模型。用高斯型隶属度函数表示各个传感器监测值与火灾基本概率分配的信任度,用神经网络对同类传感器融合,引入可靠度作为各传感器的权值进行加权平均,运用D-S证据理论算法再次融合,确定火灾概率,最终得出火灾识别结果。经过试验验证,在规定阈值为0. 5时,在明火和阴燃两种火灾情况下融合多传感器信息后的火灾识别模型都能够对火灾准确识别且火灾预警时间早,说明融合火灾识别模型比单一传感器火灾识别更灵敏,抗干扰能力更强。(本文来源于《实验室研究与探索》期刊2019年08期）
江仲庆[8]（2019）在《基于图像识别分析探测隧道火灾的技术与创新》一文中研究指出目前,应用火灾探测器系统进行检测隧道火灾时,由于隧道中存在粉尘多、潮气重和风速大等特点,因而存在火灾自动报警设备误报率和漏报率高等问题,针对这些问题,提出了一种基于图像识别分析探测隧道火灾的技术。该技术通过红外、近红外、可见光的多频视频摄像,采集火灾初期的烟雾和火焰图像,提取烟雾和火焰相关物理特性,进行融合计算,形成火灾概率信息并同时输出复合图像信息。通过实验验证,整个系统能够同时复合检测温度、火焰和烟雾等多种在火灾发生时产生的物理量,且探测过程全程可视化,具有较强的实时性、准确性和稳定性。(本文来源于《城市道桥与防洪》期刊2019年07期）
赵汝海,王宏亮,朱广[9]（2019）在《火灾图像分割与目标识别方法研究》一文中研究指出火灾现场环境复杂,获取的图像对比度较低,边缘模糊,使得火灾图像分割和火焰区域识别困难。为此,提出了一种基于色彩空间的火灾图像分割与多特征量融合的火灾图像识别方法。首先通过颜色特征找出可疑的火焰发生区域,然后通过色彩空间的H、S、I特征的线性组合对可疑区域进行分割,接着分析和提取可疑区域的火焰特征,输入提取的火焰颜色、纹理和形状特征,利用BP神经网络建立火灾识别模型,并以光、气焰和烛焰为干扰,通过神经网络的训练,最终分类和输出。仿真结果表明,火灾识别精度高,鲁棒性好。(本文来源于《机械工程师》期刊2019年07期）
杜野[10]（2019）在《如何识别引发森林火灾的雷击火——以一起雷击火灾的勘查为例》一文中研究指出由于雷击火的特殊性,在认定火灾起因时,往往认定难度大。根据内蒙古北部原始林区森林公安局查办的雷击火案件,详细分析森林火灾原因中雷击火的相关认定依据。由于雷击火的特殊性,需要结合气象资料、现场环境以及对雷击特点与规律的综合分析,形式具有唯一性和排他性的合理证据链。(本文来源于《森林防火》期刊2019年02期）
火灾识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
火灾是常见的破坏性极大的自然灾害。为了更好地预防火灾,减少财产损失和人员伤亡,针对人为选择SVM参数具有盲目性,对其分类能力影响较大,提出基于改进FOA-SVM的火灾图像识别模型。通过引入逻辑函数对果蝇算法的搜索步长进行改进,利用改进果蝇算法优化支持向量机搜索得到最佳模型参数。将火灾图像提取特征量作为该识别模型的输入样本训练和识别火灾图像,结合实例并将该模型的识别结果与SVM模型及其他算法的识别结果进行对比。实验结果表明,该模型提高了火灾图像识别的准确率,在火灾检测方面具有一定的实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
火灾识别论文参考文献
[1].罗胜,张翔,胡杰,王慕抽,张笑钦.时间压缩轨迹特征识别的火灾烟雾检测[J].中国图象图形学报.2019
[2].刘亚如,段中钰.基于改进FOA-SVM的火灾图像识别模型研究[J].计算机应用与软件.2019
[3].李娜,齐爱玲,贾澎涛,龚尚福.两种火灾烟雾识别方法的研究[J].西安科技大学学报.2019
[4].黄亚东,钱美君,陈淑仪,吴珂,朱凯.隧道火灾风险识别及安全保障技术[J].消防科学与技术.2019
[5].孙超,刘森,刘兆杰.基于随机森林的电气火灾故障电弧识别方法研究[J].通信电源技术.2019
[6].金肖,叶锦华,杨素珍.多特征融合视频火灾识别研究[J].机械制造与自动化.2019
[7].王晨,张嘉琪,王丽,王浩杰.基于LabVIEW的数据融合火灾识别模型应用[J].实验室研究与探索.2019
[8].江仲庆.基于图像识别分析探测隧道火灾的技术与创新[J].城市道桥与防洪.2019
[9].赵汝海,王宏亮,朱广.火灾图像分割与目标识别方法研究[J].机械工程师.2019
[10].杜野.如何识别引发森林火灾的雷击火——以一起雷击火灾的勘查为例[J].森林防火.2019