%34تخفیف

دانلود پروژه:تشخیص زود هنگام آتش و دود در تونل با استفاده از تکنیکهای پردازش تصویر و ویدئو

تعداد 101صفحه در فایل word

چکیده

تشخیص زود هنگام آتش و دود در تونل با استفاده از تکنیکهای پردازش تصویر و ویدئو

در این تحقیق دو الگوریتم مبتنی بر پردازش ویدئو توسعه یافته است که برای تشخیص آتش و همچنین تشخیص دود (جهت پیش بینی وقوع آتش سوزی) به کار می رود. الگوریتم ها در محیط برنامه نویسی Matlab® به گونه ای طراحی شده اند که بتوانند به صورت برخط داده های ویدوئویی را پردازش نمایند و در صورت تشخیص دود و یا آتش اخطار دهند. الگوریتم تشخیص آتش با استفاده از یک مدل رنگی وجود آتش را تشخیص داده و جهت کم نمودن هشدارهای غلط از object tracking استفاده می نماید. همچنین الگوریتم تشخیص دود از GMM جهت مشخص نمودن اجسام متحرک استفاده کرده و پس از آن با استفاده از یک مدل رنگی وجود دود را اعلام می نماید.

الگوریتم های توسعه یافته هرچند که دقتی در حدود 95% برای شناسایی آتش و 89% برای شناسایی دود بر روی نمونه های تست شده دارند، هنوز نمی توانند به صورت مستقل و بدون کمک انسان به کار گرفته شوند و فقط می توانند به عنوان هشدار دهنده های اولیه ی بسیار زودهنگام عمل نمایند.

دسته: فنی و مهندسی, هوش مصنوعی برچسب: تشخیص زود هنگام آتش و دود در تونل با استفاده از تکنیکهای پردازش تصویر و ویدئو

توضیحات

فهرست مطالب

عنوان صفحه

فصل اول: مقدمه. 1

1-1- هدف از انجام این تحقیق 3

فصل دوم: ادبیات تحقیق.. 4

2-1- مشخصه های آتش 4

2-1-1-گرما – حرارت 5

2-1-2- دود 5

2-1-3- نور 5

2-2-دریافت علائم 6

2-2-1- تشخیص حرارت 6

2-2-1-1- سنسورهای دمای ثابت 7

2-2-1-2- سنسورهای تشخیص تغییرات دما 8

2-2-1-3- سنسورهای ترکیبی 8

2-2-1-4- سنسورهای الکترومکانیکی 9

2-2-1-5- سنسورهای اپتومکانیکی 11

2-2-1-6- سنسورهای الکتروپنوماتیک 11

2-2-1-7- سنسورهای الکترونیک 11

2-2-2- تشخیص دود 12

2-2-2-1- سنسورهای یونیزاسیون 13

2-2-2-2- سنسورهای فوتوالکتریک 15

2-2-3-تشخیص شعله 18

2-2-3-1- سنسورهای مادون قرمز 18

2-2-3-2- سنسورهای ماوراء بنفش 19

2-3- روشهای مبتنی بر پردازش ویدئو 19

2-3-1- تشخیص آتش در محدوده طول موج مرئی 21

2-3-1-1- تشخیص رنگ 22

2-4- فضای رنگی چیست 23

2-4-1- فضای رنگی RGB 24

2-4-2- فضای رنگی HSV 25

2-5- تشخیص اجسام در حال حرکت 28

2-6- آنالیز حرکت و سوسو زدن با استفاده از تبدیل wavelet و فوریه 30

2-7- آنالیز و تغییرات مکانی رنگ wavelet 30

2-8- تکنیک های طبقه بندی 31

2-9- آنالیزهای بافت و الگوهای پویا 32

2-10- تشخیص آتش در طیف مادون قرمز 32

2-11- مروری بر روشهای دنبال کردن اشیاء (Object tracking) 34

2-11-1- روش Kalman Filter برای دنبال کردن اشیا 35

2-12-روش Gaussian Mixture Model برای تشخیص اجسام متحرک 36

2-12-1- متغیرهای تصادفی 36

2-12-2- متغیرهای تصادفی Gaussian و Gaussian Mixture 36

فصل سوم: مروری بر مقالات.. 39

3-1- روشهای تشخیص آتش 39

3-1-1- استفاده از مدل رنگی 39

3-2- روشهای تشخیص دود 45

3-4- نوآوری های پایان نامه 52

فصل چهارم: روش پیشنهادی.. 53

4-1- مقدمه 53

4-2- عملکرد دوربین های مدار بسته 54

4-3- شرایط نوری 55

4-4- الگوریتم های ارائه شده 56

4-4-1- روند پردازش تصویر برای تشخیص آتش 56

4-4-2- شناسایی حرکات شعله 57

4-4-3- عملکرد AE (Automatic Exposure) 58

4-4-4- طیف رنگی مناسب برای تشخیص شعله 60

4-4-5- استفاده از blob analysis برای حذف نویز و دسته بندی نقاط 63

4-4-6- به حداقل رساندن هشدارهای غلط توسط دنبال کردن اشیاء (object tracking) 63

4-4-7- استفاده از Kalman filter در الگوریتم این تحقیق 64

4-4-8- محدودیت های این روش 64

4-5- روند پردازش تصویر برای تشخیص دود 65

4-5-1- مقدمه 65

4-5-2- روند پردازش 66

4-5-3- حذف نویز توسط morphological opening 67

4-5-4- آنالیز رنگی 68

فصل پنجم: ارزیابی نتایج. 70

5-1-مقدمه 70

5-2- کارهای انجام گرفته 71

5-2-1- تشخیص آتش 72

5-2-2- حذف نویز به وسیله blob analysis 72

5-2-3- کاهش هشدار غلط توسط الگوریتم دنبال کردن اشیاء 73

5-2-4- مفروضات مسئله 73

5-2-5- نمایش و مقایسه نتایج 73

5-2-6- تشخیص دود 80

5-3- پیشنهادات 85

مراجع 86

Abstract 90

فهرست شکل ها

شکل 1- نمایش یک سنسور دمای ثابت 7

شکل 2- نمایش سنسورهای ترموستاتی 9

شکل 3 – نمایش نوعی از سنسورهای حرارتی [6] 10

شکل 4- نمایش سنسورهای خطی موسوم به توزیع یافته [6] 10

شکل 5- نمایش محفظه تک قطبی سنسور دود [6] 13

شکل 6- نمایش محفظه دو قطبی سنسور دود [6] 14

شکل 7- نمایش سنسور دود یونیزاسیون دو محفظه ای [6] 14

شکل 8- سنسور فوتوالکتریک که در طول زیاد به کار گیری شده است [6] 16

شکل 9- سنسور فوتوالکتریک نقطه ای [6] 16

شکل 10- سنسورهای فوتوالکتریک مبتنی بر پراکندگی نور [6] 17

شکل 11- نمایش محتوای رنگی برای دود و آتش- برای دود مقادیر RGB بسیار به هم نزدیک بوده و برای آتش به صورت R>G>B است [5] 22

شکل 12- نمایش مکعب مدل رنگی RGB و فطر خاکستری 24

شکل 13- نمایش مکعب RGB و شش ضلعی ساخته شده توسط رئوس آن [13] 26

شکل 14- نمایش مخروط رنگی مربوط به فضای HSV [13] 27

شکل 15- آنالیز حرکت و روش تفریق پس زمینه [5] 29

شکل 16- نمایشی از کاربرد kalman filter [21] 35

شکل 17- فلوچارت مربوط به الگوریتم تشخیص الگوی چند مرحله ای ارائه شده در [3] 42

شکل 18- نمایش فلوچارت الگوریتم شناسایی آتش و دود [2] 44

شکل 19- فلوچارت مربوط به الگوریتم شناسایی دود توسط SVMها [27] 47

شکل 20- نمایش تفاوت هیستوگرام CS-LTP در حضور و عدم حضور دود [28] 49

شکل 21- فلوچارت مربوط به الگوریتم شناسایی دود با استفاده از تکنیک جداسازی تصاویر [15] 52

شکل 22- نمونه ای از یک حسگر CCD 55

شکل 23- نمایش تاثیر تغییرات exposure در تصاویر دریافتی 58

شکل 24- عدم وضوح شعله های آتش در شرایط نوری تونل در مقایسه با شرایط محیط باز 59

شکل 25- نمایش شدت طیف های مختلف RGB و تطبیق آن با محدوده آتش 61

شکل 26- بررسی هیستوگرام برای طیف های مختلف ویدوئو در مدل رنگی RGB 61

شکل 27- نمونه ای از خروجی های الگوریتم تشخیص شعله 63

شکل 28- نمایش استفاده از object tracking در الگوریتم شناسایی آتش 64

شکل 29- تشخیص دود با استفاده از GMM و روش تفریق پس زمینه [30] 67

شکل 30- نمونه ای از کاربرد morphological opening جهت حذف نویز 68

شکل 31- خطای غیر قابل قبول در شرایط محیطی بیرون و روز 74

شکل 32- استفاده از disk برای انجام morphological opening 80

فهرست جدول ها

عنوان و شماره صفحه

جدول 1- نمایش نمونه های آتش پردازش شده در تحقیق 76

جدول 2- نمایش نمونه های دود پردازش شده در تحقیق 82

جدول 3- مقایسه بصری نتایج با کارهای مشابه. الف) الگوریتم ارائه شده در این تحقیق. ب) الگوریتم ارائه شده در [31]. ج) الگوریتم ارائه شده در [32]. د) الگوریتم ارائه شده در [25]. ه) الگوریتم ارائه شده در [27]. و) الگوریتم ارائه شده در [26] 84

امتیاز 0 از 5 از 0 دیدگاه

قیمت اصلی 35,000 تومان بود.قیمت فعلی 23,000 تومان است.

تاریخ ایجاد آذر 10, 1399
تاریخ بروزرسانی اسفند 13, 1401
فروش 3
دیدگاه 0

شرایط استفاده از محصول

تمام محصولات به ازای پرداخت پروژه تنها قابل استفاده می باشند. این بدین معنی است که برای استفاده از یک یا چند محصول ، لازم به خرید آن محصول است.

مزایای خرید این محصول:

دسترسی به فایل به صورت همیشگی
پشتیبانی رایگان
پشتیبانی 24 ساعته محصول
بازگشت وجه در صورت عدم رضایت مشتری

مشاهده قوانین سایت