公路隧道火灾初期视频火焰检测

为了有效探测公路隧道火灾初期火焰并预警,针对传统的感温型火灾火焰探测器在公路隧道等大空间环境存在反应速度慢等问题,通过研究失控火焰在图像中呈现的静态和动态特征,提出一种基于火焰图像多特征和AdaBoost算法的公路隧道火灾初期火焰识别方法。利用帧间差分算法提取运动前景,根据火焰在RGB和Lab空间的颜色统计模型分割疑似火焰区域,用从疑似区域中提取的H分量一阶矩、圆形度和LBP一阶矩特征值构成特征向量,作为AdaBoost静态特征模型的输入向量,用在一个检测周期提取的疑似区域质心跳动频率归一化特征值和AdaBoost静态特征模型识别结果中火焰帧数占周期总帧数的比值构成特征向量,作为AdaBoost综合特征模型的输入向量,并优化选取AdaBoost模型的参数。采用公路隧道火焰视频和公用视频对训练得到的AdaBoost静态特征分类器和AdaBoost综合特征分类器进行试验测试。结果表明：该方法能够实现公路隧道环境火灾初期的火焰识别,并能有效排除伪火焰车灯等干扰引起的误报警。     

高速公路隧道火焰检测技术研究

高速公路隧道火焰检测从20世纪90年代以来一直是研究的热点问题之一。结合目前高速公路隧道中火焰检测技术的研究状况,针对性地对感温光纤、红外以及紫外探测方式在实时性、检测距离等方面进行论述,从火焰的视觉动态特征和静态特征2方面重点阐述利用视频图像处理技术进行隧道火焰检测的思路和特点。研究表明,利用视频图像技术并结合一些辅...     

基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先，通过改进后的Vibe算法模型提取图像运动区域；然后，在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域；最后，用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试，结果表明： 基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。     

高速公路隧道灾害事件检测新方法及应用研究

在分析传统的隧道消防安全系统的基础上,总结了传统的高速公路隧道灾害事件检测方法存在的问题。为此提出了基于视频的灾害事件检测分析技术——视频图像火灾探测报警、灾害事件检测、CCTV三合一整合系统。并在模拟长江隧道实体隧道和秦岭终南山公路隧道中做了大量试验。结果表明,该系统有自学习能力;抗污染能力很强,在接近70%～80%模拟油污和灰尘的减光率条件下,依然能够有效探测火焰;具有综合防灾决策判断能力;且兼容性很好,可以与高速公路隧道CCTV系统、传统的火灾探测报警系统有机结合。     

光纤光栅测温结合视频分析在公路隧道火灾监测中的应用

目前还没有一种火焰检测技术能够单独适应各种隧道火焰的监测。将光纤光栅测温技术和视频分析技术结合起来进行隧道火焰监测,能够在实现火焰场景可视化的同时,从温度变化、图像特征等角度综合判别火焰是否存在,保证了监测的有效性和稳定性。     

基于图像识别分析探测隧道火灾的技术与创新

目前,应用火灾探测器系统进行检测隧道火灾时,由于隧道中存在粉尘多、潮气重和风速大等特点,因而存在火灾自动报警设备误报率和漏报率高等问题,针对这些问题,提出了一种基于图像识别分析探测隧道火灾的技术。该技术通过红外、近红外、可见光的多频视频摄像,采集火灾初期的烟雾和火焰图像,提取烟雾和火焰相关物理特性,进行融合计算,形成火灾概率信息并同时输出复合图像信息。通过实验验证,整个系统能够同时复合检测温度、火焰和烟雾等多种在火灾发生时产生的物理量,且探测过程全程可视化,具有较强的实时性、准确性和稳定性。     

高速公路能见度快速检测算法

利用高速公路现有的视频监控系统提供的视频图像,提出了一种可以快速进行高速公路能见度检测的算法。该算法基于大气光传播模型,首先采用均值漂移准确分割出天空区域,在此区域内用局部熵估计出大气光强度值。再运用暗原色先验得到图像的初始透射率,并采用双边滤波进行了优化。最后根据CIE的能见度公式求取能见度值。试验结果证明:该算法的能见度检测值与采用散射仪检测的结果非常接近,同时具有环境适应性强且速度快的优点,能满足高速公路能见度预警的智能系统实时性要求。     

一种基于YUV彩色空间的运动车辆阴影消除方法

采用一种基于YUV彩色空间的方法来检测并消除交通视频图像序列中的运动车辆的投射阴影.通过对前景运动区域像素的亮度、色度和梯度密度的计算,得到一个阴影判断函数.利用阴影判断函数并结合边缘检测在前景运动区域中检测和消除车辆的投射阴影.     

基于视频图像的车辆计数新方法

针对道路车流量检测问题,从便捷性、实时性角度出发,结合视频图像处理技术,对视频车辆计数进行了研究。直接在RGB图像中进行自适应背景更新,以此为基础,对RGB图像进行背景差分,提取出运动车辆区域,避免了复杂环境下图像灰度化过程中的信息丢失;利用当前帧和背景帧的HSI颜色空间信息来滤除阴影;通过在视频图像中设置固定虚拟检测区,实现对车辆的计数。实验结果表明,该方法计算量较小,白天情况下的计数准确率在89.58%以上;夜间的计数准确率较低,还需进一步研究改进。     

RAMAC地质雷达在隧道衬砌检测中的应用

隧道衬砌属隐蔽工程施工。常规检查手段多以钻孔验证为主,带有随机性、有损性,且较盲目。地质雷达是利用高频脉冲电磁波探测地下介质分布的一种地球物理勘探方法。以北京—化稍营高速公路黄羊山隧道初衬检测为例,阐述地质雷达的原理和工作方式,并通过雷达图像的解析,得出钢拱架、初衬等的图像特点,为同类工程的研究提供参考。     

温拌阻燃沥青混合料在隧道路面中的应用技术研究

针对隧道路面铺装特点,开发一种拌和温度低、阻燃效果好的温拌阻燃沥青混合料。进行室内试验和试验路铺筑、检测,结果表明,温拌阻燃沥青混合料完全可以达到热拌沥青混合料的性能。     

基于三维重建与Unet神经网络的隧道掌子面围岩快速分级技术

围岩等级是确定和调整隧道施工方案的重要依据,为减少由于施工实际围岩等级与地勘不符造成的经济损失、安全事故等问题,可对传统围岩分级方法进行改进。依托云南文麻高速大法郎隧道,采用三维重建、图像拼接、Unet神经网络等技术,结合围岩单轴抗压强度等特性,实现基于岩体完整性和强度特征的掌子面围岩结构面特征识别和围岩级别快速评价。先采用数码相机对隧道掌子面及周边硐壁进行图像信息采集,建立完整的三维模型,后通过投影和图像拼接得到掌子面高清拼接图像; 基于Unet神经网络对掌子面图像进行节理迹线自动识别,对节理评价指标计算后得到隧道掌子面完整性信息; 最后结合其他围岩特征信息,基于BQ分级方法进行掌子面围岩分级。研究结果表明： 该围岩分级方法可获得清晰的掌子面图像,在依托工程现场较原始设计分级更符合现场实际情况,具有良好的应用性。     

基于运行速度的高速公路隧道出入口安全设计

针对高速公路隧道事故多发的现状,调查了高速公路隧道路段运行速度,分析了隧道出入口车速变化规律,采用线形过渡技术指标、抗滑过渡技术指标和照明过渡技术指标对隧道出入口过渡性进行分析评价,提出基于运行速度的高速公路隧道出入口安全设计方法,可为高速公路隧道群出入口设计及安全管理提供参考.     

高速公路隧道内壁装饰材料选择与隧道节能的探讨

合理选择高速公路隧道内壁表层装饰材料,对日后隧道的行车环境、照明效果、日常维护以及隧道节能等将产生很大的影响。针对目前主流装饰材料的性能特点,结合高速公路隧道各项技术指标进行分析、比较,探讨隧道内壁装饰材料选择与隧道节能的关系。     

公路隧道沥青阻燃技术研究现状及应用前景

综述聚合物的燃烧理论及阻燃机理,论证公路隧道沥青阻燃的必要性和可行性,提出沥青阻燃剂的技术要求。阐述国内外沥青阻燃技术的研究现状,对当今沥青阻燃技术进行了评价,分析阻燃沥青的应用前景。     

京新高速公路旗下营隧道防寒抗冻对策及监控量测

旗下营隧道是京新高速公路重要的控制性工程,文章阐述了该隧道防寒抗冻设计、隧道监控量测、超前地质预报设计及隧道安全风险评估等关键环节,为内蒙古自治区寒冷地区隧道的防寒抗冻设计、隧道监控量测、超前地质预报设计及隧道安全风险评估提供一定的参考。     

光纤光栅测温结合红外火焰探测器在公路隧道火灾监测中的应用

公路隧道结构封闭狭长、救援空间有限,因此公路隧道的火灾探测对系统的反应时间和准确率具有更高的要求.文中将光纤光栅测温技术和火焰探测器技术进行结合应用,更有利于高速公路隧道火灾的实时监测.使用光纤光栅作为温度传感器,能够快速探测到隧道环境温度的变化,且传感器结构稳定;而对于火灾初期范围较小的火焰,暂时未能引起环境温度的明...     

Détection de chutes de personnes sur les voies et d'intrusions en tunnels dans les transports publics

In the framework of the European cromatica project, which aims to improve public transport safety, we have developed a computer vision application for detecting persons or objects falling onto the tracks or non-authorized persons intruding into tunnels when trains are running. The study includes the creation of a demonstrator. Currently, most metro systems have no video coverage of sensitive zones such as platform/track interfaces, tracks and tunnel entrances. When such coverage has been installed, use of the images merely involves the operator observing sensitive zones on an occasional basis, in particular when informed about an incident by other means. In contrast, we propose a completely automatic system based on permanent video monitoring of platform/track interfaces, tracks and tunnel entrances. A first algorithm, built into a processing board in a pc, processes video images in order to detect movement in prohibited zones. Then other algorithms localize this movement and measure the size of the object. The decision whether or not to alert the operator is then taken. The first results from the demonstrator, which has been installed at the Paris Metro station Havre-Caumartin, are very encouraging.