1. 研究目的与意义（文献综述）

目的：

通过对摄像头捕捉的视频信息进行视频流读取，并对读取的视频流进行逐帧的提取图片，根据基于运动目标检测算法vibe的算法分析并提取的图片中的信息，并最终通过该方法达到及时发现火情、对火灾的实时识别和监测以及预防火灾的目的。

意义：

2. 研究的基本内容与方案

目标：

对目标摄像头的视频序列中的火焰进行特征提取，如火焰的色彩特征，动态特征，形态特征，综合提取出的特征来判断是否有火灾发生，并编写软件对算法进行试验，最终使之具有及时发现火情、对火灾的实时识别和监测的一定的实用价值。

内容：
1. 研究传统火情监测方法的利弊，针对其不足提出利用摄像头实现火灾的实时监测方法。
2. 通过实验比较当前主流的视频动态前景提取算法的优劣，确定并采用基于运动目标检测算法vibe的算法进行运动火焰区域提取。
3. 分析研究火焰图像的颜色特征，统计目前已有的火焰颜色模型，通过实践比对各模型的优劣，找出合适的颜色模型用来进行火焰颜色特征匹配。
4. 研究和分析火焰在形态上的尖角程度和面积增长性特征，针对火焰的尖角程度特征设计算法来判断视频中疑似火焰区域的整体尖角度。
5. 编写火情监测程序，对算法进行实际仿真试验，验证算法的有效性以及实用性。

3. 研究计划与安排

第1—3周：毕业实习，完成实习报告。

第4－6周：查阅相关文献资料，明确研究内容，了解研究所需基本知识和基本技能。

确定方案，完成开题报告。

4. 参考文献（12篇以上）

[1]罗维薇.基于图像识别的火灾报警系统设计[J].自动化与仪器仪表,2016(01):177-178.
[2]晋磊,裴以建,崔国亮,程正瑞.基于网络摄像机的森林火灾检测系统研究[J].无线电工程,2016,46(02):14-18.
[3]李嘉曾,韩利峰,李丹清,黄文博,吴丽梅,张立园,梁子薇,夏汇浩.一种广覆盖的实验室安全监控系统设计[J].核技术,2018,41(11):93-98.
[4]杨颂,张少伟,孙培壮,郭军,刘薇薇.基于4G网络和多传感器的农业火灾报警系统[J].物联网技术,2018,8(09):89-91 95.
[5]刘林,杨晨,丁召.基于嵌入式的智能火灾监测报警系统的设计[J].电子设计工程,2014,22(16):184-186.
[6]杨冰. 基于监控平台的火灾烟雾监测系统设计[D].天津大学,2014.
[7]章琪. 面向全景覆盖的摄像头传感器网络节点部署与调度优化[D].浙江大学,2018.
[8]杨斌,侯跃新,肖丹,李钢.家庭火灾探测及报警系统设计与研究[J].自动化技术与应用,2017,36(12):131-134.
[9]周一帆,闫国玉,吕明.多线程串口通信技术及其在火灾监测中的应用[J].单片机与嵌入式系统应用,2017,17(09):55-58.
[10]周忠涛. 基于视频特征的火情监测研究[D].江西农业大学,2017.
[11]Bagci, M., Yardimci, Y., Cetin, A.E., 2002. Moving object detection using adaptive subband decomposition and fractional lower order statistics in video sequences. Signal Process., 1941–1947.
[12]Cetin, A.E., Ansari, R., 1994. Signal recovery from wavelet transform maxima. IEEE Trans. Signal Process. 42, 194–196.
[13]Chamberlin, D.S., Rose, A., 1965. The First Symposium (International) on Combustion. The Combustion Institute, Pittsburgh, 27–32.
[14]Chen, T., Wu, P., Chiou, Y., 2004. An early fire-detection method based on image processing. In: Proc. IEEE Internat. Conf. on Image Processing, ICIP 04, pp. 1707–1710.
[15]Collins, R.T., Lipton, A.J., Kanade, T., 1999. A system for video surveillance and monitoring. In: Proc. American Nuclear Society (ANS) Eighth International Topical Meeting on Robotics and Remote Systems, Pittsburgh, PA.
[16]Davis, J.W., Bobick, A.F., 1997. The representation and recognition of action using temporal templates. In: Proc. IEEE Computer Vision and Pattern Recognition Conference (CVPR97), pp. 928–934.
[17]Fastcom Technology SA., 2002. Boulevard de Grancy 19A, CH-1006 Lausanne, Switzerland, Method and Device for Detecting Fires Based on Image Analysis. Patent Cooperation Treaty Application No. PCT/ CH02/00118, PCT Publication No. WO02/069292.
[18]Gerek, O.N., Cetin, A.E., 2000. Adaptive polyphase subband decomposition structures for image compression. IEEE Trans. Image Process. 9 (10), 1649–1660.
[19]Haering, N., Qian, R.J., Sezan, M.I., 2000. A semantic event-detection approach and its application to detecting hunts in wildlife video. IEEE Trans Circ. Syst. Video Technol. 10 (6), 857–868.
[20]Healey, G., Slater, D., Lin, T., Drda, B., Goedeke, A.D., 1993. A system for real-time fire detection. In: Proc. IEEE Computer Vision and Pattern Recognition Conference (CVPR93), pp. 605–606.
[21]Heijden, F., 1996. Image Based Measurement Systems: Object Recognition and Parameter Estimation. Wiley.
[22]Javed, O., Shah, M., 2002. Tracking and object classification for automated surveillance. In: Proc. European Conf. on Computer Vision (ECCV02), pp. 343–357.
[23]Kim, C.W., Ansari, R., Cetin, A.E., 1992. A class of linear-phase regular biorthogonal wavelets. In: Proc. Internat. Conf. on Acoustics, Speech, and Signal Processing, ICASSP-92, vol. 4, pp. 673–676.
[24]Liu, C.B., Ahuja, N., 2004. Vision based fire detection. In: Proc. Internat. Conf. on Pattern Recognition (ICPR04), vol. 4, pp. 134–137.
[25]Albers, B.W., Agrawal, A.K., 1999. Schlieren analysis of an oscillating gas-jet diffusion. Combust. flame 119, 84–94.