基于机器视觉的内燃机试验台架火灾监测方法

摘要

摘要: 传统火焰传感器因安装位置、探测角度等受限，很容易导致内燃机试验台架内部发生火灾时传感器无法可靠识别导致极大的经济损失。为解决该问题，提出了基于机器视觉的台架火灾监测方法。该方法利用网络监控摄像头视角广、部署全面的优点，首先获取摄像头传输的视频流，然后利用图像特征分析、动态目标监测等传统视觉算法提取关键特征图片，最后利用神经网络模型对关键特征图片进行深度分析。通过计算机语言对分析结果进行处理并将处理结果发送到联动报警系统中。研究结果表明，采用机器视觉的方法能够可靠地对火灾事故进行识别报警。
- 机器视觉 /
- 视频流 /
- 图像特征 /
- 动态目标 /
- 神经网络

[1]	BERK C，JAMES D，DOGA D，et al．Comparison study of deep learning models for colorectal lesions classification[C]// ICISDM 2020：2020 the 4th International Conference on，2020：84-88．
[2]	何爱龙．基于计算机视觉的火灾检测及预警研究[D]．南京：南京邮电大学，2020．
[3]	胡皓然．基于HSV 的高斯混合模型背景减除方法[D]．北京：北京化工大学，2017．
[4]	赵泊林；张晓龙．基于感兴趣区域聚集层的强化学习算法的目标检测[J]．东北师大学报 ( 自然科学版)， 2021，53 (2) ：73-80．
[5]	褚典，江春华，郝宗波，等．基于SIP、RTP/RTCP 和RTSP 协议的视频监控系统[J]．计算机与现代化， 2013 (11)，139-142．
[6]	邹宏伟．基于OpenCV 的数字图像处理技术研究与实现[J]．无线互联科技，2019，16 (22)，118-119．
[7]	柯研，刘信言，郑钰辉．基于OpenCV 的深度学习目标检测与跟踪[J]．数字技术与应用，2018，36 (10)， 110-111．
[8]	赵阳．Web Service 推送技术的研究与应用[D]．秦皇岛：燕山大学，2017．