【正文】 于火焰圖像中的每個像素，如果其對應的邏輯圖中的點的值是1，則在查詢表中以火焰圖像中那個像素的顏色為中心，疊加一個高斯分布。函數(shù)形式表達如下: Pi是一系列連續(xù)圖像的第i幅圖像，(x,y)為圖像中的一個像素的坐標。對火焰顏色的區(qū)域標記出來，并與紅外圖像進行對比。下面將重點分析這種方法。亮度參數(shù)表征了顏色的明暗程度。 下面介紹如何從RGB模型轉化成HSI模型。圖34色調餅圖的示意圖 一般情況下，火災火焰的顏色在紅、黃之間，即在圖中的區(qū)間內。實驗結果表示火災火焰在HSI顏色空間下必須滿足下列條件： 1)； 2) 明亮環(huán)境下：； 陰暗環(huán)境下：； 3) ；這樣，通過對每一個像素的計算，就可以把火焰顏色區(qū)域標注出來，并與紅外圖像進行對比。 這里分析一下邊緣情況。兩個攝像頭一般平行擺放。假設因為誤差。但是，由于攝像機轉動后在t1t2時刻的光軸不再平行，因此圖所示的平行攝像機定位原理不再適用，必須重新推導圖像坐標和空間坐標的對應關系。 (337) (338) 上述算法在t1，t2時刻兩幅圖像相同時有很好的效果。同時通過雙目定位算法計算第二組火災空間位置。(4)將上述參數(shù)代入(334)~(338)式即可獲得兩組火災空間位置，第四組是紅外攝像頭所得的空間位置，第五組是彩色攝像頭所得的空間位置。 高壓水炮定位算法 基于圖像型火災探測系統(tǒng)的高壓水炮的定位，是在利用雙目攝像機獲取同一時間不同圖像，在通過計算機的處理來精確計算火災空間位置坐標，從而驅動高壓水炮進行定點滅火。利用雙目攝像機獲取火源的圖像，再通過極線幾何的方法進行確定其空間坐標，準確定位，并將獲取的圖片二值化后利用matlab中的regionprops函數(shù)確定其中心點坐標，最后計算出火源距水炮轉軸的距離d和火源與水炮炮管中軸的夾角。火災探測與消防炮定位技術是熱物理、信號處理等多門學科的綜合運用的典型。 參考文獻[1] 袁宏永、劉炳海等，圖像型火災智能自動探測與空間定位技術[j]，中國科技大學火災科學國家重點實驗室,1998[2] 劉慧、王春麗、米海蓉，朱守義，固定式消防水炮在大空間建筑中的應用[j]，哈爾濱工程大學建筑工程學院,2005[3] 張?zhí)m捧、郭策，大空間建筑的消防新技術[j] ,2009[4] ：知識產(chǎn)權出版社，2004[5] 張森，：機械工業(yè)出版社，[6] ：北京郵電大學出版社，2006[7] 夏皮羅，：機械工業(yè)出版社，[8] [D].天津：天津大學電氣與自動化工程學院，[9] [D].哈爾濱：哈爾濱工程大學控制理論與控制工程學院，[10] [D].四川：西華大學動力機械及工程學院，[11] 崔凱，曹榆，[J].河北：海灣安全技術有限公司，2005年第四期[12] 周國清，[J].北京：北京交通大學，1996年第8期[13] 林華，[J].湖南：國防科技大學，1995年第16卷第4期[14] Duisburg, image fire detection for shipboard use[J].fire safety 41,issue 4,June 2006, Pages 321326 [15] R. F. Richards, R. T. Ribail, A. W. Bakkom and O. A. detection, location and heat release rate through inverse problem solution. Part II: Experiment[J].fire safety 28,issue 4,June 1997, Pages 351378 [16] A. distribution of intelligence in future fire detection systems[J].fire safety 6,issue 3,1983, Pages 209214.[17] H. issue on fire detection[J].fire safety 37,issue 4,June 2002, Pages 369370 [18] H. and testing of the ultraviolet flame radiation detectors for automatic fire detection[J].fire safety 6,issue 3,1983, Pages 183191 39 / 39。 通過這次畢業(yè)設計，是我對數(shù)字圖像處理、matlab、計算機視覺以及之前未接觸過的極線幾何知識都有了更加全面和深刻的理解，與此同時，我也發(fā)現(xiàn)了自身在學習與研究過程中存在的不足，動手能力不強，邏輯思維不嚴密等?？偨Y 本文系統(tǒng)的講述了在大空間火災監(jiān)控滅火系統(tǒng)中，圖像型火災探測與消防炮定位技術克服了以往監(jiān)控技術中監(jiān)控范圍小，誤報率高，及時性差等問題。 (4)求得上述參數(shù)后便可利用計算機軟件驅動高壓水炮進行定點滅火。總之，大空間的火災高壓水炮定位是火災自動探測與撲救研究中的一個難點問題，本章基于計算機視覺原理，利用紅外和彩色CCD圖像實現(xiàn)了一種雙目定位和掃描式火災空間定位相結合的方法，建立了攝像頭在不同位置所拍攝的圖像中火源圖像坐標和火源的空間坐標之間的關系，實現(xiàn)了大空間中火源空間位置的自動定位，為大空間自動滅火建立了基礎。此作為時刻，火源區(qū)重心的像素坐標為右，記錄下當前電機的水平角度反饋。因此本文提出雙目定位和掃描定位算法相結合的方法，其整體算法步驟如下:(1)發(fā)現(xiàn)火災后，通過雙目定位算法計算出第一組火災空間位置。根據(jù)圖所示幾何關系，取右手方向為正，則。 改進的空間定位算法 為了解決上一小節(jié)的問題，我們把攝像機固定在消防水炮炮管頂端，利用攝像機隨水炮轉動時在不同時刻的位移和角度變化在計算機得出另一組空間定位值，稱之為掃描式空間定位算法。這樣就能推算出火災發(fā)生位置與攝像頭的距離為1OOm。這樣，根據(jù)三角形原理，該系統(tǒng)在一幅圖片內可監(jiān)視的水平截面最大值為: (328)垂直界面的最大值為: (329)從攝像頭經(jīng)過視頻卡進入計算機的視頻圖片大小為704*576像素的圖片，其中寬為702像素，高為576像素。 火災空間定位的優(yōu)化算法 實用傳統(tǒng)雙目定位算法的缺陷 根據(jù)自動滅火領域的行業(yè)現(xiàn)狀，才可以保證火災自動撲救設備(如自動水噴淋設備)可以覆蓋到火災區(qū)域。這就是說，同樣強度的火災火焰，在白天時的飽和度值將大于在晚上時的飽和度值。這里將RGB值歸一化為[0,1]范圍內，則由公式(326)~(327)容易得知。這種顏色模型可用三維空間坐標系統(tǒng)表示，如圖33所示。在眾多顏色模型中，HIS(hue/saturation/int ensity,即：色調／飽和度／亮度）顏色模型非常接近人的視覺系統(tǒng)對物體的描述。另一種方法是基于火焰顏色特征模型的方法。一般用10幅左右的訓練圖(256色)，就可得到比較可靠的查詢表。 (3)為查詢表中最后形成的分布給出適當?shù)拈撝??；鹧鎴D像中的像素是火焰顏色時，邏輯圖中的對應位置的點的值為1,否則為0。 首先介紹基于火焰顏色查詢表的方法。彩色攝像頭的作用也有兩方面,一是作為歷史數(shù)據(jù)進行保存，以便確定監(jiān)控現(xiàn)場情況和控制火災現(xiàn)場狀況。如果視差D可以確定并且基線和焦距已知，計算W點的Z坐標是很簡單的。 將上述后3個步驟結合起來，就可得到將計算機圖像坐標(M，N)與攝像機系統(tǒng)中目標點3D坐標(x,y,z)聯(lián)系起來的方程： (311) (312) 將式（41）帶入上兩式，最后得到： (313) （314) 考慮兩個攝像機相同且它們坐標系統(tǒng)的各對應軸平行(主要是光軸平行)，只是它們原點位置不同。 圖31　雙目成像示意圖圖32 雙目成像中的視差測距原理圖從客觀場景到數(shù)字圖像的成像變換可看作由以下4步組成：(1) 從世界坐標系(X,Y,Z) 到攝像機坐標(x,y,z)的變換，變換可表示為： (31)其中R是3*3旋轉矩陣，是兩坐標系統(tǒng)三組對應坐標軸間夾角的函數(shù)；T是1*3平移矢量。利用雙目系統(tǒng)可以定具體有像平面坐標點(X1,Y1)和(X2,Y2)的世界點W的坐標(X,Y,Z)。對于所有這些領域，一個可能的過程是你在計算機視覺的實驗室工作，工作中從事著圖象處理，最終解決了機器視覺領域的問題，然后把自己的成果發(fā)表在了模式識別的會議上。此領域的一個主要方向便是從圖像數(shù)據(jù)中提取信息。這一特征表明無論是圖像處理還是圖像分析其研究內容都和圖像的具體內容無關。下面將給出一種區(qū)分方法，盡管并不能說這一區(qū)分方法完全準確。 計算機視覺與圖像處理、圖像分析的異同計算機視覺，圖象處理，圖像分析，機器人視覺和機器視覺是彼此緊密關聯(lián)的學科。如衛(wèi)星照片的自動分析與判讀，景物識別，目標檢測、識別和定位，目標跟蹤，成像精確制導等；(5)醫(yī)學應用。計算機視覺的應用很廣，下面簡述幾個成功應用方面：(1)機器人視覺。 計算機視覺的方法及其應用計算機視覺發(fā)展已有二十多年，隨著計算機控制理論、模式識別、人工智能和生物技術的發(fā)展，計算機視覺在機器人、工業(yè)檢測、物體識別、衛(wèi)星圖像分析、醫(yī)學輔助診斷、航空測繪和軍事技術中的應用越來越廣，研究方法也由二維推到三維，從串行到并行，從直接依賴輸入信號的低層處理到依賴特征、結構、關系和知識的高層處理。如在以下的章節(jié)中會看到的那樣，對人類視覺處理機制的研究將給計算機視覺的研究提供啟發(fā)和指導。因此，目前人們努力的研究目標是實現(xiàn)在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統(tǒng)。計算機視覺的最終研究目標就是使計算