-
题名基于红外视觉特征融合的矿井外因火灾监测方法
- 1
-
-
作者
李晓宇
范伟强
刘毅
霍跃华
-
机构
内蒙古大学电子信息工程学院
内蒙古自治区智慧通信感知与信号处理重点实验室
中国矿业大学(北京)人工智能学院
中国矿业大学(北京)网络与信息中心
-
出处
《矿业科学学报》
北大核心
2025年第1期116-124,共9页
-
基金
国家自然科学基金(52364017)
内蒙古自治区高等学校科学研究基金(NJZY23056)。
-
文摘
为了解决矿井复杂环境下外因火灾监测误报率和漏报率较高的问题,提出基于红外视觉特征融合的矿井外因火灾监测算法。首先,改进红外小目标检测的局部对比度度量(LCM)模型,提高早期火灾目标的显著度,进而分割出火灾疑似区域;其次,通过分析不同监视场景下外因火灾和主要干扰热源在热红外图像序列中的视觉特征,选出抗干扰能力强的火灾显著特征;然后,优选火灾显著特征提取方法和相似度估计策略,以获取热红外图像序列中火灾疑似区域的主要视觉特征,并构建火灾特征向量;最后,通过建立特征向量集,构建基于支持向量机(SVM)的矿井外因火灾检测模型,对所提算法进行验证。结果表明:所提算法不仅能监测不同场景下的外因火灾,还能够监测远距离和早期阶段的外因火灾,其正确率和检测率分别达到96.93%、96.24%,误检率低至2.56%;相较于对比算法,所提算法在火灾监测的准确率、误报率和漏报率方面均有较大的改善。
-
关键词
矿井外因火灾
红外视觉特征
局部对比度度量(LCM)模型
特征向量
支持向量机(SVM)
-
Keywords
mine exogenous fire
infrared visual features
local contrast measure(LCM)model
eig-envector
support vector machine(SVM)
-
分类号
TD0752
[矿业工程]
-
