导读:本文包含了火焰跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:火焰检测,图像处理,卷积神经网络,多目标跟踪
火焰跟踪论文文献综述
耿梦雅,张国平,徐洪波,张莹莹[1]（2019）在《基于目标跟踪与深度学习的视频火焰识别方法》一文中研究指出近年来火灾事故频发,对生态环境,社会经济都造成了严重影响,视频监控系统在火灾预防和环境监控中都有非常重要的作用;针对传统的视频火焰检测方法需要手工提取火焰特征且识别率低、误检率高的缺点,提出了一种基于特征检测,多目标跟踪和深度学习的火焰检测算法;通过高斯混合模型运动检测方法对视频中的动态目标进行提取,再经过HSI与RGB结合的颜色模型进行筛选,得到疑似火焰目标,对提取的目标进行多目标跟踪算法跟踪,最终对稳定存在的目标通过CaffeNet模型进行判别,得到火焰判别结果;实验证明,本算法实现了对视频火焰的准确检测,能对火焰进行有效识别,对火焰视频数据集上的平均识别精度达到98.79%,并能适应实时检测火灾的需求。(本文来源于《计算机测量与控制》期刊2019年07期）
刘芳[2]（2018）在《面向视频的火焰检测与跟踪算法研究》一文中研究指出火灾的频发直接给人类造成难以预料的灾难。实现火灾的高效监测与实时预警是当前社会亟需解决的问题。近年来,基于视频图像的火灾探测技术迅猛兴起,这类探测技术具有反应灵敏度高、适用性广、响应速度快、成本较低等优点,是一种预防火灾的有效解决方法。但由于火灾场景复杂多变、相似性光源的干扰和火焰运动的不规则性等因素,使得目前现有的火焰检测与跟踪算法难以同时满足精确性、鲁棒性以及实时性要求。因此,本文提出并改进了面向视频的火焰检测与跟踪的系列算法,具体研究工作如下:(1)针对现有的火焰分割算法存在的错检和漏检现象以及Chan-Vese(CV)模型收敛慢等问题,提出一种基于颜色先验信息和改进的CV模型相结合的火焰分割算法。首先根据YCbCr颜色模型初步分割得到的疑似火焰区域来设定CV模型的初始轮廓曲线位置;然后利用局部加权平均和加窗滤波技术有效抑制噪声的干扰并减少冗余轮廓;最终实现快速而有效的火焰分割。(2)为了提高检测与跟踪的准确性,详细分析和提取了视频火焰的静动态特征。首先根据连续帧间火焰区域的增长变化来提取火焰的形态特征;然后统计火焰像素点在一段时间内的亮度跳变次数来分析火焰的闪烁频率,并引入新颖的词袋模型来描述火焰运动特性;最后通过实验论证这些特征作为火焰识别判据的合理有效性,为下一步的火焰跟踪奠定基础。(3)为了预测火势蔓延情况和实现火焰准确跟踪定位,提出一种基于粒子滤波和区域特征信息融合的快速火焰跟踪算法。首先采用基于加权颜色直方图的粒子滤波算法预测火焰目标位置;然后在跟踪到的候选区域内进行动态火焰的多类特征提取,并利用多专家系统的分类方法将多特征融合进行火焰目标判定,同时将火焰目标的颜色特征和动态融合特征作为互补观测信息更新粒子的权值;最后采用滑动窗的方法建立连续帧间的数据关联和区域匹配,以实现火焰的快速准确跟踪。选取不同复杂场景的火灾和非火干扰视频进行实验测试,仿真结果表明,与同类算法相比,本文提出的创新算法在分割速度、检测精度和跟踪效果上都得到了进一步的改善。(本文来源于《南昌航空大学》期刊2018-06-01）
胡文洁[3]（2017）在《叁维火焰流场中粒子重构与跟踪测速的研究》一文中研究指出粒子测速技术是在传统的图像匹配技术上利用粒子的特性和运动规律而发展起来的一种新的粒子图像测速技术。在粒子测速技术中PTV(Particle Tracking Velocimetry)粒子跟踪测速技术是一种非入侵式的全流场无干扰实时技术,该技术在空气动力学、流场力学等测速领域内取得了良好进展。二维的粒子图像跟踪测速技术已经被广泛的运用,然而叁维流场的粒子跟踪测速技术迫切需要解决。叁维的测速技术可以将流场的运动趋势更加立体和直观的表达,这也使得叁维粒子图像跟踪测量技术成为需要重点研究解决的问题。根据粒子的特性和运动规律,本文对基于PTV的双目视觉跟踪测速技术进行了优化和分析对比研究。本文的研究主要包括:(1)本文提出了一种差异化的优化方法:首先,根据粒子的分布结构、运动趋势的特性,该方法对一定范围内的粒子的像素亮度进行加权平均处理,并对需要识别出的像素亮度的峰值阈值进行差异化制定。然后,该方法对识别到的粒子分别存储,使得粒子在双目视觉叁维重构和粒子跟踪测速的过程中具有更大的可观察空间体积和更低的复杂度。该方法有效地减少双目视觉叁维重构过程中粒子的重迭和遮挡问题,为叁维重构过程中的准确度提供了有力保障。(2)本文提出了一种基于特征匹配的PTV优化算法。在粒子匹配过程中,在邻近原则和排除原则的基础上建立目标粒子与候选粒子之间的匹配矩阵,根据粒子间的特征距离计算特征间的相似指数,寻找相似指数最大的匹配对作为匹配结果。本文提出了一种基于特征匹配的PTV优化算法,在匹配过程中的奇异值进行迭代检测,有效的解决匹配过程中粒子的突然出现和消失的问题。去除匹配过程中的异常值,使得匹配的中的误匹配问题减少,有效的提高了匹配的正确率。(3)本文提出了一种基于数量级的PTV优化方法。该方法对前后两个时刻的粒子进行分析,并针对全局匹配问题进行合理的子问题划分,减小了PTV匹配过程中的时间复杂度。由于粒子本身的信息具有很强的识别性,所以对粒子进行差异性划分,在识别匹配的过程中差异性的匹配可以在很大程度上解决非接触性粒子的误匹配问题。在无干扰、非入侵的叁维流场中,该算法取得了较好的效果,有效地减小了PTV匹配过程中的时间复杂度,提高了准确率。本文在研究算法优化的过程中进行了大量的数据对比和分析,实验数据结果说明了该优化方法确实可行,使得叁维PTV的流场走势研究取得了较好的进展。(本文来源于《西安电子科技大学》期刊2017-04-01）
雷煜华[4]（2014）在《火焰流场粒子跟踪测速系统》一文中研究指出伴随数字图像处理技术以及计算机技术的飞速发展,不同于单点测量的全流场速度测量得以实现。粒子图像测速技术是一种基于数字图像处理技术的新型流速测量方法。它通过对不同时刻的流场粒子图像进行分析计算来得到流场运动信息。粒子图像测速技术已得到了各个领域的广泛应用,为瞬态流场的可视化提供了强有力的工具。为了对火焰流场粒子图像进行分析,得到火焰燃烧过程中气流场的运动情况,本文的主要工作如下:1.本文首先对粒子图像测速技术所涉及的基本原理、应用背景以及发展历程进行简要的介绍。当今,利用数字图像处理技术实现流场测量的主流方法有粒子图像测速(Particle Image Velocimetry,PIV)和粒子跟踪测速(Particle Tracking Velocimetry,PTV)这两种。本文对目前通用的粒子跟踪测速系统组成作了介绍,并对粒子跟踪测速主要步骤(包括粒子识别、定位、匹配和数据后处理)的相关算法进行分析研究。2.PIV通过在连续图像的局部诊断窗口内进行互相关运算得到诊断窗口内的粒子平均位移,在局部速度估计中,更倾向于更大更亮粒子的运动模式。而PTV通过跟踪粒子图像中的每个粒子,利用粒子的位移代替该位置流场运动,更能反映该位置的流场运动情况。本文对多组连续两帧标准粒子图像分别使用PIV和PTV两种粒子图像测速方法,仿真结果表明PTV比PIV方法更能反应流场局部运动信息,所以直接跟踪单个粒子的粒子跟踪测速技术是本文的研究重点。由于有效地识别粒子图像中的粒子是粒子跟踪测速后续处理的前提,本文利用粒子所在区域总表现出局部亮度极大值的特征,将局部极大值方法结合到火焰流场粒子目标识别中,通过寻找局部亮度最大值点确定候选粒子坐标点,然后对候选点进行进一步筛选。该方法改善了光照不均,图像中噪声较多的情形下粒子识别结果。对比图像分割方法表明,该方法比图像分割法识别准确率高,且保留了粒子大小等信息。之后本文重点研究了基于联合概率的优化近邻粒子匹配方法,通过在组合配对中添加粒子的距离约束,将组合网络划分成小的子网络以减小计算复杂度,通过优化总距离平方和,对粒子进行有效配对。粒子匹配算法是PTV的核心步骤,通过合成不同密度的两种代表性流场,验证了基于联合概率分布的优化近邻法比最近邻和匹配几率法分别在时间和跟踪准确性上都有明显提高。3.最后,本文综合上述方法开发出应用在火焰流场中的粒子跟踪测速软件系统。通过对参数的调节,得到火焰流场的全流场瞬态位移矢量图,为火焰流场的后续计算打下基础。粒子图像跟踪测速的研究处在快速发展阶段,本文所做的研究也存在片面和不足之处。如何能够根据不同流场的特性,更好地提高图像质量,准确地识别粒子,有效地对粒子进行配对,对配对的粒子进行有效的矢量确认,来得到真实的流场速度矢量,其每个环节都需要进行更深入的研究。(本文来源于《西安电子科技大学》期刊2014-11-01）
张学敏,蔡晓东,梁玉敏,谢月飞,王春利[5]（2013）在《基于目标跟踪和多特征融合的火焰检测算法》一文中研究指出针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法。首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪。实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力。(本文来源于《电视技术》期刊2013年15期）
刘建翔,车晓波[6]（2013）在《大空间自动跟踪射流灭火系统火焰定位装置设计》一文中研究指出设计基于红外和图像复合探测技术的大空间自动跟踪射流灭火系统火焰定位装置,实现了对着火点的自动跟踪定位,文中对火焰的识别方法和实现方式做了介绍,并给出了系统喷水灭火的实际测试结果。(本文来源于《科技创新导报》期刊2013年11期）
谢敏[7]（2009）在《基于偏微分方程的彩色火焰图像分割与跟踪》一文中研究指出在我国电力工业中,以燃煤为主的火力发电机组占据电力供应的主导地位。对大型燃煤锅炉而言,监控炉内悬浮燃烧状态对锅炉的可靠性、安全性和经济性非常重要。煤粉锅炉的燃烧过程是一种非常复杂的悬浮燃烧,它的工况是极不稳定的,锅炉燃烧的安全性主要取决于火焰的稳定性。为了避免锅炉爆炸事件的发生,炉内煤粉必须充分燃烧。如果燃烧不稳定,炉内温度场不均匀,容易出现可怕的后果,同时锅炉的热效率极大地降低。因此,炉内的温度场对判断炉膛的燃烧状态,调整锅炉的运行参数非常重要。本课题重点研究了炉膛火焰图像的分割与火焰跟踪方法,为下一步燃烧过程的判断、预测及故障诊断提供准确的依据。由于传统的图像分割技术大多基于灰度的梯度,而全炉膛火焰的灰度变化不明显,采用传统的方法不能取得满意的效果。本文在分析现有图像分割技术的基础上,利用YCbCr颜色空间受亮度变化影响小的特点,针对锅炉火焰燃烧最剧烈的中心区域Y分量和Cr分量的特征,提出一种基于YCbCr空间的火焰图像分割和火焰跟踪算法,结果表明:该算法简洁,运算速度快,效率高,能够实时准确地分割和跟踪燃烧火焰的中心区域。同传统的图像分割方法相比,偏微分方程和水平集相结合的分割方法取得了令人满意的结果,使之成为研究图像分割方法的热点。本文描述了偏微分方程方法中利用活动轮廓模型进行分割的原理,并利用测地线活动轮廓模型与无边缘活动轮廓模型对彩色图像分割后的火焰图像进行火焰中心区域轮廓的提取,并取得了良好的效果。针对目前难以对单个锅炉煤粉燃烧器火焰状态检测的现状,本文还利用广义高斯分布与Chi平方分布对锅炉内有火与无火两种状态建立模型,提出一种基于贝叶斯准则的锅炉火焰检测方法。(本文来源于《南昌大学》期刊2009-12-25）
薛媛,李媛媛[8]（2009）在《基于Mean-Shift与Camshift算法相结合的火焰视频图像跟踪设计》一文中研究指出给出了采用Mean-Shift与Camshift相结合的方法来设计一种基于视频图像的火焰跟踪处理算法。该算法首先利用Mean-Shift方法分割图像并确定火焰区域,然后在此区域内提取特征,再用Camshift算法进行火焰跟踪。此方法利用火焰图像的高亮特征,克服了传统Camshift算法需要人为定位和容易发散等缺点。(本文来源于《电子元器件应用》期刊2009年05期）
薛媛[9]（2009）在《基于视频图像的火灾火焰跟踪研究》一文中研究指出火灾给人类的生命及财产安全都带来了极大的危害,因此如何进行有效的火灾探测及灭火,一直是人类所积极探索的问题。近年来,随着计算机图形图像处理技术的发展,图像型火灾探测技术得到了很大的发展。本文通过对数字图像处理技术的研究和讨论,主要完成了基于视频图像的动态火焰跟踪问题,为有效的进行灭火工作做准备。本文根据火焰图像的特点,研究了基于动态连续图像的差分识别方法以及基于Mean-Shift分割和阈值分割相结合的火焰目标识别方法。在对火焰目标进行识别之前,首先对视频图像进行增强、滤波处理,以达到图像的平滑和降噪。基于差分的火焰识别方法是根据运动目标的速度进行相邻帧或者隔帧差分以得到运动信息。而Mean-Shift方法主要是应用于静态图像的分割,它是通过检测出密度的模式进行聚类分割,具有快速迭代的特点。本文中采用将Mean-Shift算法与阈值分割法相结合的方法来进行火焰图像分割。在通过图像分割确定火焰区域之后,本文通过分析目前跟踪方法的概况,尝试应用改进了的Camshift方法,即改进的Continuously Adaptive Mean-Shift方法来进行动态火焰的跟踪,克服传统Camfhift算法需要人为定位和容易发散的缺点,仿真结果表明了该方法的有效性。(本文来源于《西安电子科技大学》期刊2009-01-01）
张进华,王孙安[10]（2008）在《基于混合粒子滤波的运动火焰跟踪算法》一文中研究指出提出一种基于混合粒子滤波的运动火焰跟踪算法。针对通用粒子滤波算法计算量大的问题,提出了混合粒子滤波,将Mean Shift算法嵌入到粒子滤波中,并用自适应运动模型和目标模型自动更新的策略改善算法性能。基于混合粒子滤波提出了火焰识别和火焰跟踪相结合的运动火焰自动跟踪算法,先火焰识别,再火焰跟踪,且跟踪时,如果估计目标与模型的相似度小于阈值则切换到火焰识别阶段。识别与跟踪的相互切换保证了跟踪结果的正确性。实验结果表明混合粒子滤波具有很好的跟踪效果,与粒子滤波和Mean Shift算法相比,提高了跟踪精度;基于混合粒子滤波的火焰跟踪算法能够跟踪复杂环境下的运动火焰,提供火焰的精确位置。(本文来源于《计算机工程与应用》期刊2008年14期）
火焰跟踪论文开题报告
（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：
火灾的频发直接给人类造成难以预料的灾难。实现火灾的高效监测与实时预警是当前社会亟需解决的问题。近年来,基于视频图像的火灾探测技术迅猛兴起,这类探测技术具有反应灵敏度高、适用性广、响应速度快、成本较低等优点,是一种预防火灾的有效解决方法。但由于火灾场景复杂多变、相似性光源的干扰和火焰运动的不规则性等因素,使得目前现有的火焰检测与跟踪算法难以同时满足精确性、鲁棒性以及实时性要求。因此,本文提出并改进了面向视频的火焰检测与跟踪的系列算法,具体研究工作如下:(1)针对现有的火焰分割算法存在的错检和漏检现象以及Chan-Vese(CV)模型收敛慢等问题,提出一种基于颜色先验信息和改进的CV模型相结合的火焰分割算法。首先根据YCbCr颜色模型初步分割得到的疑似火焰区域来设定CV模型的初始轮廓曲线位置;然后利用局部加权平均和加窗滤波技术有效抑制噪声的干扰并减少冗余轮廓;最终实现快速而有效的火焰分割。(2)为了提高检测与跟踪的准确性,详细分析和提取了视频火焰的静动态特征。首先根据连续帧间火焰区域的增长变化来提取火焰的形态特征;然后统计火焰像素点在一段时间内的亮度跳变次数来分析火焰的闪烁频率,并引入新颖的词袋模型来描述火焰运动特性;最后通过实验论证这些特征作为火焰识别判据的合理有效性,为下一步的火焰跟踪奠定基础。(3)为了预测火势蔓延情况和实现火焰准确跟踪定位,提出一种基于粒子滤波和区域特征信息融合的快速火焰跟踪算法。首先采用基于加权颜色直方图的粒子滤波算法预测火焰目标位置;然后在跟踪到的候选区域内进行动态火焰的多类特征提取,并利用多专家系统的分类方法将多特征融合进行火焰目标判定,同时将火焰目标的颜色特征和动态融合特征作为互补观测信息更新粒子的权值;最后采用滑动窗的方法建立连续帧间的数据关联和区域匹配,以实现火焰的快速准确跟踪。选取不同复杂场景的火灾和非火干扰视频进行实验测试,仿真结果表明,与同类算法相比,本文提出的创新算法在分割速度、检测精度和跟踪效果上都得到了进一步的改善。
（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。
火焰跟踪论文参考文献
[1].耿梦雅,张国平,徐洪波,张莹莹.基于目标跟踪与深度学习的视频火焰识别方法[J].计算机测量与控制.2019
[2].刘芳.面向视频的火焰检测与跟踪算法研究[D].南昌航空大学.2018
[3].胡文洁.叁维火焰流场中粒子重构与跟踪测速的研究[D].西安电子科技大学.2017
[4].雷煜华.火焰流场粒子跟踪测速系统[D].西安电子科技大学.2014
[5].张学敏,蔡晓东,梁玉敏,谢月飞,王春利.基于目标跟踪和多特征融合的火焰检测算法[J].电视技术.2013
[6].刘建翔,车晓波.大空间自动跟踪射流灭火系统火焰定位装置设计[J].科技创新导报.2013
[7].谢敏.基于偏微分方程的彩色火焰图像分割与跟踪[D].南昌大学.2009
[8].薛媛,李媛媛.基于Mean-Shift与Camshift算法相结合的火焰视频图像跟踪设计[J].电子元器件应用.2009
[9].薛媛.基于视频图像的火灾火焰跟踪研究[D].西安电子科技大学.2009
[10].张进华,王孙安.基于混合粒子滤波的运动火焰跟踪算法[J].计算机工程与应用.2008