【摘要】：火災(zāi)作為最常見的災(zāi)害之一,嚴(yán)重威脅著人們的生命財(cái)產(chǎn)安全。及時(shí)檢測火災(zāi)并預(yù)警,一直是火災(zāi)防治領(lǐng)域的重點(diǎn)研究課題。傳統(tǒng)的溫感、煙感、光感等火災(zāi)探測器檢測范圍有限,易受外界干擾,難以適應(yīng)復(fù)雜特定環(huán)境的火災(zāi)探測要求。針對這類問題,以視頻圖像處理為基礎(chǔ),結(jié)合淺層機(jī)器學(xué)習(xí)與深度學(xué)習(xí)相關(guān)理論,設(shè)計(jì)了兩種基于視頻圖像的火災(zāi)檢測方法:基于淺層機(jī)器學(xué)習(xí),設(shè)計(jì)了一種多特征融合的BP神經(jīng)網(wǎng)絡(luò)火災(zāi)檢測方法。首先,使用動態(tài)檢測和顏色判據(jù)分割火災(zāi)的疑似區(qū)域;然后,基于疑似區(qū)域提取火焰的顏色、形狀、紋理等靜態(tài)特征和面積變化率、閃爍頻率等動態(tài)特征,組成特征向量;最后,將特征向量傳入BP神經(jīng)網(wǎng)絡(luò),完成火災(zāi)有無的判斷。網(wǎng)絡(luò)訓(xùn)練過程中,通過使用正則化因子提高網(wǎng)絡(luò)的泛化能力。實(shí)驗(yàn)結(jié)果顯示,基于BP神經(jīng)網(wǎng)絡(luò)的火災(zāi)檢測方法對火焰圖像具有較好的識別效果,能夠?qū)崿F(xiàn)火災(zāi)的檢測及預(yù)警�；谏疃葘W(xué)習(xí),設(shè)計(jì)了一種融合滑動窗口的殘差卷積神經(jīng)網(wǎng)絡(luò)火災(zāi)檢測方法。使用卷積網(wǎng)絡(luò)自動提取圖像上的火焰與煙霧特征信息,利用殘差塊結(jié)構(gòu)避免了深層網(wǎng)絡(luò)中常出現(xiàn)的梯度消失問題,同時(shí)結(jié)合滑動窗口技術(shù),實(shí)現(xiàn)火災(zāi)圖像的識別與定位。網(wǎng)絡(luò)訓(xùn)練過程中,使用遷移學(xué)習(xí)技術(shù)初始化網(wǎng)絡(luò)參數(shù),加速網(wǎng)絡(luò)在小樣本情況下的訓(xùn)練過程。實(shí)驗(yàn)結(jié)果顯示,基于殘差卷積神經(jīng)網(wǎng)絡(luò)的火災(zāi)檢測方法分類識別效果顯著,相比BP神經(jīng)網(wǎng)絡(luò),殘差卷積神經(jīng)網(wǎng)絡(luò)檢測準(zhǔn)確率更高,環(huán)境適用性更強(qiáng)。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TU892;TP391.41
【圖文】：

個(gè)經(jīng)典的３層神經(jīng)網(wǎng)絡(luò)，在這個(gè)網(wǎng)絡(luò)中，輸入層包含３個(gè)神經(jīng)征；ｃ，、＆和ｘ３；中間為隱藏層，該隱藏層有３個(gè)神經(jīng)元；最經(jīng)網(wǎng)絡(luò)有兩個(gè)特點(diǎn)，一是網(wǎng)絡(luò)層數(shù)不小于３；二是全連接，上層和下層的神經(jīng)元存在連接關(guān)系。逡逑定用以下數(shù)學(xué)符號表示相關(guān)概念：逡逑示神經(jīng)網(wǎng)絡(luò)層數(shù)，當(dāng)／邋＝邋０時(shí)，表示輸出層；逡逑示第／層的神經(jīng)元個(gè)數(shù)；逡逑表示第／層的輸入加權(quán)和矩陣，該矩陣大小為１）；逡逑表示第／層的激活值矩陣，該矩陣大小同Ｚ｜／］；逡逑表示第／－７層到第／層神經(jīng)元的權(quán)重矩陣，該矩陣大小為（％，示第／－７層到第／層神經(jīng)元的偏置矩陣，該矩陣大小為（％

Ａｖｅｒａｇｅ邋Ｐｏｏｌｉｎｇ，ＧＡＰ）融合深度特征方法被相關(guān)學(xué)者提出［３９１，大有取代全連接逡逑層之勢。全局平均池化是指針對網(wǎng)絡(luò)最后的特征圖執(zhí)行整幅平均池化，這樣每幅逡逑特征圖對應(yīng)得到一個(gè)輸出，大大減少了網(wǎng)絡(luò)參數(shù)。逡逑３．常用模型逡逑卷積神經(jīng)網(wǎng)絡(luò)發(fā)展迅速，在過去的十幾年中，研宄的重點(diǎn)大多集中在如何通逡逑過有效組合卷積層、池化層等基本結(jié)構(gòu)來提高圖像識別的準(zhǔn)確性。經(jīng)過研宄人員逡逑的不懈努力，己先后設(shè)計(jì)了很多具有里程碑意義的經(jīng)典結(jié)構(gòu)模型，如ＬｅＮｅｔ－５、逡逑ＡｌｅｘＮｅｔ、ＶＧＧ、Ｉｎｃｅｐｔｉｏｎ和ＲｅｓＮｅｔ等。逡逑（１）邋ＬｅＮｅｔ－５逡逑ＬｅＮｅｔ－５是由ＬｅＣｕｎ等人在丨９９８年首次提出的一種用于識別手寫數(shù)字的卷逡逑積神經(jīng)網(wǎng)絡(luò)｜４Ｇ１。該網(wǎng)絡(luò)得益其超高的準(zhǔn)確率，一經(jīng)提出便獲得人們的廣泛關(guān)注，逡逑后來出現(xiàn)的很多卷積神經(jīng)網(wǎng)絡(luò)大多以它為基礎(chǔ)，ＬｅＮｅｔ－５堪稱現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)逡逑鼻祖，其結(jié)構(gòu)模型如圖２－６所示。逡逑Ｃ３邋ｆ邋ｍａｐｓ邋１６＃１０ｋ１０逡逑

邐山東大學(xué)碩士學(xué)位論文邐逡逑網(wǎng)絡(luò)中的某些節(jié)點(diǎn)，降低神經(jīng)元復(fù)雜的互適應(yīng)關(guān)系；逡逑三是構(gòu)造了一種新的層，即局部響應(yīng)歸一化層（Ｌｏｃａｌ邋Ｒｅｓｐｏｎｓｅ邋Ｎｏｒｍａｌｉｚａｔｉｏｎ，逡逑ＬＲＮ），具體操作是在網(wǎng)絡(luò)中找到一個(gè)位置，然后從這個(gè)位置穿過整個(gè)通道，獲逡逑得一個(gè)數(shù)值序列，再對這個(gè)數(shù)值序列進(jìn)行歸一化。ＬＲＮ能提高網(wǎng)絡(luò)的泛化能力。逡逑（３）邐ＶＧＧ逡逑ＶＧＧ是Ｓｉｍｏｎｙａｎ等人在ＡｌｅｘＮｅｔ基礎(chǔ)上進(jìn)一步提出的深層卷積網(wǎng)絡(luò)［４２】，其原逡逑理相比ＡｌｅｘＮｅｔ并沒有太多改進(jìn)，但卻證實(shí)了“神經(jīng)網(wǎng)絡(luò)越深越好”的理念。ＶＧＧ逡逑系列一共包含６種模型，常見的有ＶＧＧ－１６，結(jié)構(gòu)如圖２－８所示。逡逑２２１邋ｘ邋２２１邋＊邋：！邋２２邋ｉ％邋２２１邋＊邋０４逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳紅燕;;視頻圖像闡釋中的復(fù)雜性:一種方法論的探析[J];華東師范大學(xué)學(xué)報(bào)(教育科學(xué)版);2017年05期

2 姚舒雨;;視頻圖像偵查的SWOT分析[J];江西警察學(xué)院學(xué)報(bào);2016年06期

3 田許鴻;袁小萍;;視頻圖像偵查技戰(zhàn)法研究[J];武漢公安干部學(xué)院學(xué)報(bào);2017年02期

4 王曉楠;;視頻圖像的證據(jù)運(yùn)用及訴訟應(yīng)對——以公安機(jī)關(guān)為視角[J];法制與社會;2016年06期

5 田杰;王廣龍;喬中濤;高鳳岐;;基于FPGA高速視頻圖像實(shí)時(shí)采集與處理系統(tǒng)設(shè)計(jì)[J];電子器件;2016年03期

6 穆俊;;基于紅外視頻圖像的目標(biāo)跟蹤技術(shù)探討[J];桂林航天工業(yè)學(xué)院學(xué)報(bào);2015年01期

7 劉繼光;;視頻圖像感知系統(tǒng)的硬件設(shè)計(jì)[J];明日風(fēng)尚;2017年01期

8 曹旭東;王程錦;孫云龍;;基于FPGA的視頻圖像畫面分割器設(shè)計(jì)[J];電子設(shè)計(jì)工程;2014年01期

9 池進(jìn);熊俊;;視頻圖像資料在偵查環(huán)節(jié)中的采集與運(yùn)用[J];江西警察學(xué)院學(xué)報(bào);2014年03期

10 徐猛;;論反常表現(xiàn)在視頻圖像偵查中的運(yùn)用[J];湖北警官學(xué)院學(xué)報(bào);2014年04期

相關(guān)會議論文 前10條

1 鄭鋼;;體育運(yùn)動視頻圖像實(shí)時(shí)分析系統(tǒng)初步構(gòu)建[A];第九屆全國體育科學(xué)大會論文摘要匯編(2)[C];2011年

2 郝光遠(yuǎn);魏崇健;張建廷;;血管造影視頻圖像的數(shù)字化處理[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

3 孟兵林;張淞華;陳長庚;;視頻圖像技術(shù)在武術(shù)項(xiàng)目技術(shù)分析中的應(yīng)用[A];第十一屆全國運(yùn)動生物力學(xué)學(xué)術(shù)交流大會論文匯編（摘要）[C];2006年

4 嚴(yán)圣華;羅兵;;一種視頻圖像退化幀的恢復(fù)新法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

5 王鈺;趙興群;夏翎;呂菲;;基于視頻圖像的微循環(huán)參數(shù)自動化測量研究[A];全國第17次光纖通信暨第18屆集成光學(xué)學(xué)術(shù)會議——可實(shí)施光元部件、光纖光纜、子系統(tǒng)、系統(tǒng)、網(wǎng)絡(luò)與應(yīng)用最新進(jìn)展專輯[C];2015年

6 吳鋒;成奇名;周玉彬;潘瑋;劉娟;張信民;俞夢孫;;基于視頻圖像提取肌電生物反饋儀放松反饋信號的設(shè)計(jì)及實(shí)現(xiàn)[A];自主創(chuàng)新與持續(xù)增長第十一屆中國科協(xié)年會論文集（3）[C];2009年

7 李宇成;王目樹;陰亮;賈雁;;基于視頻圖像的車輛外形參數(shù)測量[A];中國計(jì)量協(xié)會冶金分會2008年會論文集[C];2008年

8 李宇成;王目樹;陰亮;賈雁;;基于視頻圖像的車輛外形參數(shù)測量[A];2008全國第十三屆自動化應(yīng)用技術(shù)學(xué)術(shù)交流會論文集[C];2008年

9 劉永信;魏平;侯朝楨;;視頻圖像中運(yùn)動目標(biāo)檢測的快速方法[A];第三次全國會員代表大會暨學(xué)術(shù)會議論文集[C];2002年

10 張明貴;楊文幫;黃成泉;王林;;基于視頻圖像序列的運(yùn)動目標(biāo)檢測方法研究[A];系統(tǒng)工程理論與應(yīng)用——貴州省系統(tǒng)工程學(xué)會第五屆學(xué)術(shù)年會論文集[C];2014年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 岳綱舉;智能攝像頭：裝不裝都鬧心[N];中國消費(fèi)者報(bào);2016年

2 ;安徽省公共安全視頻圖像信息系統(tǒng)管理辦法[N];安徽日報(bào);2016年

3 本報(bào)記者 于淼;“攝像頭”時(shí)代：如何用好這把監(jiān)控“雙刃劍”[N];中國產(chǎn)經(jīng)新聞;2016年

4 許朝軍;攝像頭監(jiān)控不能“因公損私”[N];中國質(zhì)量報(bào);2016年

5 本報(bào)記者 李海洋;禁侵公民隱私 “攝像頭”監(jiān)管將納入法治軌道[N];中國商報(bào);2016年

6 ;平安城市·智慧安防[N];人民公安報(bào);2017年

7 記者 李陽;依法規(guī)范推進(jìn)“雪亮工程”建設(shè)[N];人民法院報(bào);2017年

8 本報(bào)特約記者 譚曉平 匡真毅 本報(bào)記者 曹波;連云港平安“天眼”顯神威[N];江蘇法制報(bào);2017年

9 本報(bào)記者 孫麗麗 通訊員 林鋒;威海：警務(wù)創(chuàng)新點(diǎn)亮“智慧警營”[N];人民公安報(bào);2017年

10 記者 阮曉琴;捷尚股份：用人工智能武裝的“刑偵高手”[N];上海證券報(bào);2017年

相關(guān)博士學(xué)位論文 前10條

1 王健;視頻圖像抗暈光研究[D];西安理工大學(xué);2009年

2 苑廷剛;運(yùn)動視頻圖像多重處理技術(shù)系統(tǒng)在田徑科研領(lǐng)域中的應(yīng)用和創(chuàng)新[D];北京體育大學(xué);2011年

3 李巖山;基于局部不變特征的交通異常視頻圖像檢測的關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

4 譚洪濤;視頻圖像降噪關(guān)鍵技術(shù)研究[D];重慶大學(xué);2010年

5 雒濤;基于內(nèi)容的視頻圖像非線性縮放技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2010年

6 張世樂;視頻圖像語義信息提取研究[D];復(fù)旦大學(xué);2009年

7 陳炳權(quán);車載視頻圖像處理算法的優(yōu)化與融合研究[D];湖南大學(xué);2014年

8 李琦;面向行人群信息提取的視頻圖像目標(biāo)跟蹤算法研究[D];北京交通大學(xué);2013年

9 侯杰;基于視頻圖像的高大空間建筑火災(zāi)探測研究[D];清華大學(xué);2010年

10 黃儒樂;基于視頻圖像的林火煙霧識別方法的研究[D];北京林業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 金芷伊;基于視頻圖像的非接觸式心率信號檢測[D];沈陽工業(yè)大學(xué);2018年

2 楊紫煙;軌道交通閉路電視監(jiān)控系統(tǒng)視頻圖像增強(qiáng)算法研究及應(yīng)用[D];西南交通大學(xué);2018年

3 孫琛;基于視頻圖像的火災(zāi)檢測算法研究與設(shè)計(jì)[D];山東大學(xué);2018年

4 朱金洋;面向視頻圖像的大數(shù)據(jù)處理平臺架構(gòu)研究分析[D];武漢理工大學(xué);2015年

5 胡維;基于視頻圖像的目標(biāo)檢測與跟蹤算法研究[D];長江大學(xué);2017年

6 宮根;基于視頻圖像的救護(hù)車識別方法研究與實(shí)現(xiàn)[D];遼寧師范大學(xué);2017年

7 李源深;視頻圖像后處理關(guān)鍵算法研究及實(shí)現(xiàn)[D];浙江大學(xué);2010年

8 李桂林;視頻圖像去霧關(guān)鍵技術(shù)研究[D];長沙理工大學(xué);2016年

9 武亞軍;視頻圖像偵查在公安工作中的發(fā)展和應(yīng)用[D];西北大學(xué);2015年

10 王文錦;水下視頻圖像高效壓縮編碼方法研究[D];中國海洋大學(xué);2010年

本文編號：2763697