[01601598]基于视频图像智能分析的火灾安全监控理论及其应用

该项目所属领域：图像处理与模式识别。 视频监控已经在很多场所应用，但场景分类、目标监控、案件侦破等工作主要依靠人工判读。为了减轻劳动强度、提高效率和准确率，该项目研究图像稀疏表示及智能分析。以视频火灾检测为切入点，研究视频图像稀疏表示及智能分析应用在火灾安全监控的理论及技术。具体研究内容、科学价值以及同行引用情况如下： 通过快速估计运动方向，提出基于积分图的烟雾运动累积模型。运动特征在人类识别火灾中占有重要地位，但由于噪声和块效应，无法精确地估计运动矢量，提出采用累积方式补偿运动方向估计的不精度性。该方式能够消除大部分人工灯光、移动物体等干扰。发表在《Pattern Recognition Letters》，Google Scholar引用93次，SCI引用25次。 在图像金字塔每层上，计算旋转和光照不敏感的局部二元模式及其改进模式，统计每层的局部二元模式直方图，首尾连接形成鲁棒的特征矢量，采用神经网络进行烟雾检测。发表在火灾国际权威期刊《Fire Safety Journal》，Google Scholar引用28次，SCI引用10次。 提出一种烟雾特征双重映射的框架。第1次映射是从原始图像到分块特征，改变块大小和分割模式，获得多尺度分区特征。第2次映射是从区块特征到统计特征，计算分区统计特征，再采用AdaBoost算法选取分类性能好的特征。发表在国际著名期刊《Pattern Recognition》，Google Scholar引用13次，SCI引用3次。 采用色彩视觉特征计算候选烟雾和火焰区域，分析候选区域运动规律，判断视频中是否存在火灾。一旦存在火灾，火灾检测模块将控制水炮灭火系统自动定位火源，并喷射水流扑灭火灾。发表在《Machine Vision and Applications》，Google Scholar引用15次，SCI引用4次。 该研究已获得2项国家自然科学基金、1项国家科技支撑计划子项目、1项江西省科技落地计划等资助，申请人被科技厅评为江西省青年科学家培养对象，被南昌市政府评为“洪城特聘专家”，发表相关论文20多篇，其中SCI收录6篇，SCI期刊引用40多次，授权中国发明专利2项。