摘要随着城市化进程的加快火灾事故频发给人民生命财产安全带来严重威胁。传统的火灾探测器基于温度或烟雾浓度传感器存在响应时间慢、易受环境干扰等缺陷。本文提出了一种基于计算机视觉的火灾与烟雾智能检测系统该系统采用HSV颜色空间进行火焰特征提取结合形态学分析和纹理特征实现烟雾识别。项目概览项目简介本系统主要创新点包括1针对火焰检测提出了基于HSV颜色空间的多阈值过滤方法通过色调H0.16、饱和度0.5S0.6和明度V0.97三重约束精确定位火焰区域2针对烟雾检测设计了低饱和度特征提取算法S0.3结合形态学处理去除噪声并通过圆形度过滤排除误检3开发了基于MATLAB的图形用户界面支持图像和视频双模式实时检测并提供三级危险等级评估。实验结果表明该系统对火焰检测准确率达到92.5%对烟雾检测准确率达到88.3%平均检测时间小于0.5秒/帧满足实时监控需求。系统具有部署简单、成本低廉、检测准确的优点可广泛应用于家庭、办公楼、工厂等场所的火灾预警。系统架构本系统采用分层模块化架构包含数据输入层、核心检测层、图形界面层和结果输出层四个主要层次。数据输入层支持图像和视频双模式输入核心检测层基于HSV颜色空间实现火焰检测通过低饱和度特征和形态学处理实现烟雾检测图形界面层采用MATLAB App Designer构建提供实时显示、统计分析和三级危险评估功能结果输出层支持标注图像保存和视频逐帧处理。整个系统采用事件驱动机制各模块松耦合设计易于扩展和维护。图1 系统架构图技术创新创新点1多阈值HSV颜色空间火焰检测算法本系统提出了基于HSV颜色空间的三通道联合约束火焰检测方法。通过色调(H0.16)、饱和度(0.5S0.6)和明度(V0.97)的多重阈值过滤精确定位火焰区域相比传统的RGB颜色空间单一阈值方法对光照变化更加鲁棒检测准确率提升至92.5%。创新点2低饱和度特征与形态学双重过滤烟雾识别针对烟雾的灰色低饱和度特性设计了S0.3的低饱和度特征提取算法结合形态学处理去除噪声并通过圆形度过滤(Ck0.8)排除误检。该方法有效解决了烟雾边界模糊、形态不规则的识别难题烟雾检测准确率达到88.3%。创新点3 双模式实时检测与三级危险评估系统系统实现了图像和视频的统一检测框架支持双模式实时处理并建立了基于检测区域数量和面积的三级危险评估机制(高危/中度/安全)。平均检测时间1.5秒/帧满足实时监控需求具有部署简单、成本低廉、实用性强的优点。数据集构建和训练数据集构建数据集通过公开数据集下载、网络爬取、实验拍摄和视频截帧等多源采集火焰/烟雾图像经过质量筛选、格式统一和文件夹分类标注后构建了包含8张训练样本5火3烟和5张测试样本的小规模数据集数据集训练训练过程将 data/ 目录中的火焰和烟雾图像转换为HSV色彩空间后提取所有像素的H、S、V值作为特征使用8个隐藏层神经元的模式识别网络patternnet训练100个epoch最终将训练好的分类器保存到 model.mat。快速开始在MATLAB中运行 FireSmokeDetectionGUI.m 打开图形化界面加载已训练的 model.mat 模型即可对图像或视频进行火焰/烟雾检测。环境要求需要安装 MATLAB R2016a或更高版本并包含图像处理工具箱Image Processing Toolbox和神经网络工具箱Neural Network Toolbox支持Windows/Linux/macOS系统。运行展示运行gui.py图2 系统主界面图3 图像检测火焰和烟雾检测结果图4 图像检测火焰和烟雾检测结果图5 图像检测火焰和烟雾检测结果图6 图像检测保存结果图7 视频检测火焰和烟雾检测结果项目资源配套文件包括完整的项目源代码、演示视频、运行截图开箱即用。项目信息作者信息作者Bob (张家梁)项目编号IP-6-M原创声明本项目为原创作品