高大空间建筑火灾精确定位方法

doi:10.13229/j.cnki.jdxbgxb201606041

吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (6): 2067-2073.doi: 10.13229/j.cnki.jdxbgxb201606041

高大空间建筑火灾精确定位方法

卢英^{1, 2}, 王慧琴^{1, 2}, 秦立科¹

1.西安建筑科技大学信息与控制工程学院,西安 710055;
2.西安建筑科技大学建筑学院,西安 710055

收稿日期:2015-03-22 出版日期:2016-11-20 发布日期:2016-11-20
作者简介:卢英(1980-),女,工程师,博士研究生.研究方向:数字建筑,图像处理.E-mail:applepeas@126.com
基金资助:
高等学校博士学科点专项科研基金项目(20126120110008); 陕西省自然科学基础研究计划面上项目(K05074); 陕西省科技新星计划项目(2016kjxx-64); 西安建筑科技大学校青年基金项目(QN1429)

Accurate fire location method in high and large-span space buildings

LU Ying^{1, 2}, WANG Hui-qin^{1, 2}, QIN Li-ke¹

1.College of Information and Control Engineering, Xi'an University of Architecture and Technology, Xi'an 710055, China;
2.College of Architecture, Xi'an University of Architecture and Technology, Xi'an 710055, China

Received:2015-03-22 Online:2016-11-20 Published:2016-11-20

摘要/Abstract

摘要： 根据高大空间建筑内火灾早期自动定位的需要,基于机器视觉技术提出一种精确的高大空间建筑火灾定位方法。由于在传统摄像机非线性显式标定方法中很难精确建立其复杂的数学模型,本文提出了一种改进粒子群优化(IPSO)算法与最小二乘支持向量机(LSSVM)相结合的摄像机隐式标定方法。在平面像素坐标与立体空间坐标之间建立映射;利用IPSO算法搜索LSSVM回归模型的最优参数,提高LSSVM的收敛速度和泛化能力,并通过三维重建实现火焰的空间定位。将此方法应用于高大空间建筑火灾定位,结果证明了该方法的有效性、快速性和准确性。

关键词: 计算机应用, 高大空间建筑, 摄像机标定, 火灾定位, 粒子群优化算法, 最小二乘支持向量机

Abstract: For the requirements of interior fire location in high and large-span space buildings, an accurate 3D fire location method is proposed. To overcome the difficulty of establishing accurate mathematical model of camera in traditional non-linear calibration, an implicit camera calibration method based on Improved Particle Swarm Optimization (IPSO) algorithm and Least Square Support Vector Machine (LSSVM) is developed. First, the mapping relationship between the plane pixel coordinates and the spatial coordinates is established. Then, IPSO algorithm is applied to search the optimum parameters of the LSSVM regression model to improve the convergence speed and generalization ability. Finally the space positioning of the fire is realized by 3D reconstruction. The proposed method has been applied in fire location in high and large-span space buildings and the results suggest that the method is effective, fast and accurate.

Key words: computer application, high and large-span space buildings, camera calibration, fire location, particle swarm optimization(PSO) algorithm, least square support vector machine(LSSVM)

中图分类号:

TP391

卢英, 王慧琴, 秦立科. 高大空间建筑火灾精确定位方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2067-2073.

LU Ying, WANG Hui-qin, QIN Li-ke. Accurate fire location method in high and large-span space buildings[J]. 吉林大学学报(工学版), 2016, 46(6): 2067-2073.

参考文献

[1] 侯杰,钱稼茹,赵作周,等.高大空间建筑火灾探测及扑救技术发展思考[J].华中科技大学学报:城市科学版,2008,25(4):196-202.
Hou Jie, Qian Jia-ru, Zhao Zuo-zhou, et al.Research on fire detection and putting out technology for high and large-span space buildings[J].Journal of Huazhong Univesity of Science and Technology(Urban Science Edition), 2008,25(4):196-202.
[2] Ko B C, Cheong K H, Nam J Y. Fire detection based on vision sensor and support vector machines[J]. Fire Safety Journal,2009,44(3):322-329.
[3] Borges P V K, Izquierdo E. A probabilistic approach for vision-based fire detection in videos[J]. IEEE Transactions on Circuits and Systems for Video Technology,2010,20(5):721-731.
[4] Du H, Li M G. The study for particle image velocimetry system based on binocular vision[J]. Measuement,2009,42(4):619-627.
[5] Lauer M, Schonbein M, Lange S, et al. 3D-object tracking with a mixed omnidirectional stereo camera system[J]. Mechatronics,2011,21(2):390-398.
[6] 杨景豪,刘巍,刘阳,等. 双目立体视觉测量系统的标定[J]. 光学精密工程,2016,24(2):300-308.
Yang Jing-hao,Liu Wei,Liu Yang,et al. Calibration of binocular vision measurement system[J]. Optics and Precision Engineering, 2016,24(2):300-308.
[7] 吕朝辉,张兆杨,安平. 基于神经网络的立体视觉摄像机标定[J]. 机械工程学报,2003,39(9):93-96.
Lv Chao-hui,Zhang Zhao-yang,An Ping. Camera calibration for stereo vision based on neural network[J]. Chinese Journal of Mechanical Engineering,2003,39(9):93-96.
[8] 张可,许斌,唐立新,等. 基于改进遗传算法的立体视觉系统标定[J]. 计算机工程与应用,2006,42(1):1-4.
Zhang Ke,Xu Bin,Tang Li-xin,et al. Camera calibration of stereo vision system based on genetic algorithms[J]. Computer Engineering and Applications,2006,42(1):1-4.
[9] 刘胜,傅荟璇,王宇超. 基于 LS-SVM 的立体视觉摄像机标定[J]. 光电工程,2008,35(10):21-25.
Liu Sheng,Fu Hui-xuan,Wang Yu-chao. Camera calibration for stereo vision based on LS-SVM[J]. Opto-Electronic Engineering,2008,35(10):21-25.
[10] 刘金颂,原思聪,江祥奎,等. 基于PSO和LSSVM 回归的摄像机标定[J]. 光电工程,2010,37(5):47-51.
Liu Jin-song, Yuan si-cong, Jiang Xiang-kui, et al. Camera calibration based on PSO and LSSVM regression[J]. Opto-Electronic Engineering,2010,37(5):47-51.
[11] 龙文,焦建军,龙祖强. 基于PSO优化LSSVM的未知模型混沌系统控制[J]. 物理学报,2011,60(11):112-117.
Long Wen, Jiao Jian-jun, Long Zu-Qiang. Control of chaos solely based on PSO-LSSVM without using ananalytical model[J]. Acta Physica Sinica,2011,60(11):112-117.
[12] 刘强,孙际哲,陈西宏,等. CPSO-LSSVM在自回归钟差预报中的应用[J]. 吉林大学学报:工学版,2014,44(3):807-811.
Liu Qiang, Sun Ji-zhe, Chen Xi-hong, et al. Application analysis of CPSO-LSSVM algorithm in AR clock error prediction[J]. Journal of Jilin University (Engineering and Technology Edition),2014,44(3):807-811.
[13] 邓丹, 吴谨, 朱磊, 等. 基于纹理抑制和连续分布估计的显著性目标检测方法[J]. 液晶与显示, 2015,30(1): 120-125.
Deng Dan, Wu Jin, Zhu Lei,et al.Significant target detection method based on texture inhibition and continuous distribution estimation[J]. Chinese Journal of Liquid Crystal and Displays, 2015,30(1): 120-125.
[13] 杜杰, 吴谨, 朱磊. 基于区域特征融合的RGBD显著目标检测[J]. 液晶与显示, 2016, 31(1): 117-123.
Du Jie, Wu Jin, Zhu Lei. RGBD salient object detection based on regional feature integration[J]. Chinese Journal of Liquid Crystal and Displays,2016, 31(1): 117-123.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[7]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[10]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[13]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[14]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[15]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

高大空间建筑火灾精确定位方法

Accurate fire location method in high and large-span space buildings

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10