摘 要

对于人们来说，任何自然灾害都是可怕的。火灾就是其中之一。发生火灾对人们造成的巨大损失是难以接受的，那么如何在火灾发生的早期发现火灾就显得尤为重要。这就是火灾探测技术兴起的原因。精确地在火灾早期识将它别出来不仅为人们的人身财产安全提供了保证，也能够使得火情得到迅速的控制。和传统的火灾探测方法不同，基于数字图像处理的火灾探测方法的检测效果更加良好。它的抗干扰性、准确性和适用性都比传统的火灾检测更加强力。除此之外，它还能配合着其它器件如监控器等一起使用，更加方便。基于以上优点，基于图像处理的火灾探测算法变成近年来火灾探测领域的研究热点之一。

本文主要研究工作如下：

（1）火灾检测的结构。主要介绍了火灾检测的各个入手方面，包括火焰、烟雾、亮度等方面。并侧重于火焰检测。

1. 图片中的火焰的检测。利用VS2017和OpenCV软件进行图像处理，主要是先对图片进行二值化和灰度处理，然后对生成的灰度图进行颜色聚类，然后对聚类后的图片的各个区域进行颜色填充，得到的疑似火焰像素点和聚类区域分布，得到最终的疑似火焰区域。最后通过感兴趣区域轮廓的不规则度,伸长度判断其是否为火焰。

关键词：火灾，火焰检测，图像识别。

Abstract

For people, any natural disaster is terrible. Fire is one of them. It is difficult to accept the huge loss caused by fire, so how to find the fire in the early stage of fire is particularly important. This is the reason for the rise of fire detection technology. Accurately distinguishing it in the early stage of fire can not only guarantee people's personal and property safety, but also make the fire quickly controlled. Different from the traditional fire detection method, the fire detection method based on digital image processing has better detection effect. Its anti-interference, accuracy and applicability are more powerful than the traditional fire detection. In addition, it can be used together with other devices such as monitors, which is more convenient. Based on the above advantages, the fire detection algorithm based on image processing has become one of the research hotspots in the field of fire detection in recent years.

The main research work of this paper is as follows:

(1) Structure of fire detection. This paper mainly introduces all aspects of fire detection, including flame, smoke, brightness and so on. And focus on flame detection.

(2) Flame detection in the picture. Vs2017 and opencv software are used for image processing, mainly including binarization and gray-scale processing for the image, color clustering for the generated gray-scale image, and color filling for each region of the clustered image, so as to obtain the suspected flame pixel points and the distribution of the clustering region, and finally the suspected flame region. At last, whether it is a flame is judged by the irregularity and elongation of the contour of the region of interest.

Keywords: fire, flame detection, image recognition

目录

1.绪论 1

1.1研究背景目的及意义 1

1.2国内外研究现状 1

1.3论文内容与结构 2

2.图像颜色处理 4

2.1火焰颜色空间模型 4

2.2颜色模型的选择 6

2.3图像预处理 7

2.3.1图像二值化处理 7

2.3.2图像灰度处理 8

3. 灰度图像处理 12

3.1颜色聚类 12

3.1.1K-means算法 12

3.1.2GMM算法 13

3.1.3Mean shift算法 13

3.1.4算法选择 14

3.2颜色填充 14

3.3本章小结 16

4.火焰识别 17

4.1火焰识别方法 17

4.2结果分析 17

4.3本章小结 18

5.总结与展望 19

5.1本文工作总结 19

5.2不足与展望 19

参考文献 20

致 谢 21

1.绪论

1.1研究背景目的及意义

近年来，随着科技的发展与社会的进步人们对电和火的使用变得十分平常。因此，由于使用不当等原因使得世界各地火灾的发生频率变得越来越突出，例如煤矿火灾，隧道建筑火灾，森林火灾和地铁站火灾。大中型火灾不仅极大地损害了人们的人身财产安全，而且还对生态环境有着极大的影响。由火灾而引起安全事故的发生频率也越来越高。对于火灾来说，在其发生早期对其进行灭火等控制活动比较适合。中后期火势很大，难以对火情得到有效的控制。所以，在火灾早期对其进行识别与检测就显得重中之重。几乎所有国家每年都在消防安全问题上投入大量的人力物力和财力。为此，越来越多的科研人员开始研究如何尽快识别火灾探测方法^[1]。

长期以来，人们对火灾的判断都是通过探测器的数据。为了识别火灾，人们常常用各类的探测器来探测相关数据。但是却未能取得较好的成效，很容易发生错报、漏报等情况。这是因为传感器的实际效果并不如想象中的好。受探测有效距离的限制，包括安装位置的局限性影响，它实际的检测范围比较小。并且传感器对收集到的数据的分辨能力不强，很容易环境因素的干扰。另外，火灾产生还伴随着大量烟雾和热量的元素的产生。这些元素传播与火灾蔓延情况不同，需要一定的时间才能扩散开来。当检测到这些元素时，往往就已经错过了最佳的火灾扑灭时期。因此，传统的火灾探测系统在火灾预防上来看显得有些乏力。为此，基于图像识别与处理的火灾检测技术渐渐进入人们的眼帘。