森林資源對(duì)于人類(lèi)的發(fā)展極其重要,而森林火災(zāi)具有突發(fā)性強(qiáng)、頻率高等特點(diǎn),不但威脅人員安全,而且會(huì)造成巨大的經(jīng)濟(jì)損失。因此,預(yù)防火災(zāi)已成為各國(guó)保護(hù)自然資源的首要任務(wù)。其中,煙霧是火災(zāi)發(fā)生的早期征兆,準(zhǔn)確及時(shí)地識(shí)別煙霧的發(fā)生,對(duì)于減小資源損失、保護(hù)生態(tài)資源,具有重要意義�；馂�(zāi)早期煙霧檢測(cè)通常是在檢測(cè)點(diǎn)布置視覺(jué)傳感器,實(shí)時(shí)采集圖片或者視頻信息,由人工判斷是否發(fā)生火災(zāi),具有人工成本大、漏判率高等缺點(diǎn)。針對(duì)上述問(wèn)題,本文采用深度學(xué)習(xí)算法,分別從基于圖片識(shí)別和基于視頻識(shí)別,對(duì)自建數(shù)據(jù)集進(jìn)行深度網(wǎng)絡(luò)模型的建立。并針對(duì)煙霧視頻中幀與幀之間的時(shí)序性特征,提出了基于視頻的煙霧識(shí)別網(wǎng)絡(luò)模型,以期探索深度學(xué)習(xí)技術(shù)在林火早期煙霧監(jiān)測(cè)場(chǎng)景中的應(yīng)用可行性。本文的主要工作包括以下幾個(gè)方面:（1）數(shù)據(jù)集建立方面。主要以人工采集和當(dāng)前公開(kāi)數(shù)據(jù)庫(kù)相結(jié)合的方式,建立煙霧圖像數(shù)據(jù)集和視頻數(shù)據(jù)集;（2）基于圖像方面。深入研究深度學(xué)習(xí)網(wǎng)絡(luò)模型結(jié)構(gòu),利用Faster R-CNN與SSD網(wǎng)絡(luò)對(duì)煙霧圖像進(jìn)行煙霧識(shí)別檢測(cè),通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn),在煙霧識(shí)別領(lǐng)域Faster R-CNN型網(wǎng)絡(luò)的準(zhǔn)確率要優(yōu)于SSD型網(wǎng)絡(luò)。（3）基于視頻方面。著重考慮到... 

【文章來(lái)源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１公開(kāi)數(shù)據(jù)庫(kù)林火煙霧視頻截圖??Ｆｉｇｕｒｅ２．１?Ｖｉｄｅｏ?Ｄｉｓｐｌａｙ?ｏｆ?Ｆｏｒｅｓｔ?Ｆｉｒｅ?Ｓｍｏｋｅ?ｉｎ?Ｏｐｅｎ?Ｄａｔａｂａｓｅ??

２．１展示的是數(shù)據(jù)庫(kù)內(nèi)森林背景的煙霧視頻截圖。??■■■■■■■■?Ｌ．??圖２．１公開(kāi)數(shù)據(jù)庫(kù)林火煙霧視頻截圖??Ｆｉｇｕｒｅ２．１?Ｖｉｄｅｏ?Ｄｉｓｐｌａｙ?ｏｆ?Ｆｏｒｅｓｔ?Ｆｉｒｅ?Ｓｍｏｋｅ?ｉｎ?Ｏｐｅｎ?Ｄａｔａｂａｓｅ??６??

２．１展示的是數(shù)據(jù)庫(kù)內(nèi)森林背景的煙霧視頻截圖。??■■■■■■■■?Ｌ．??圖２．１公開(kāi)數(shù)據(jù)庫(kù)林火煙霧視頻截圖??Ｆｉｇｕｒｅ２．１?Ｖｉｄｅｏ?Ｄｉｓｐｌａｙ?ｏｆ?Ｆｏｒｅｓｔ?Ｆｉｒｅ?Ｓｍｏｋｅ?ｉｎ?Ｏｐｅｎ?Ｄａｔａｂａｓｅ??６??

【參考文獻(xiàn)】：
期刊論文
[1]循環(huán)神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 楊麗,吳雨茜,王俊麗,劉義理.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[2]基于長(zhǎng)短期記憶和卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別[J]. 盧官明,袁亮,楊文娟,閆靜杰,李海波.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[3]基于CNN和LSTM混合模型的人體跌倒行為研究[J]. 厙向陽(yáng),蘇學(xué)威.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[4]基于加權(quán)詞向量和LSTM-CNN的微博文本分類(lèi)研究[J]. 馬遠(yuǎn)浩,曾衛(wèi)明,石玉虎,徐鵬.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2018(25)
[5]基于長(zhǎng)短期記憶網(wǎng)絡(luò)的售電量預(yù)測(cè)模型研究[J]. 方志強(qiáng),王曉輝,夏通.  電力工程技術(shù). 2018(03)
[6]基于多流CNN-LSTM網(wǎng)絡(luò)的群體情緒識(shí)別[J]. 卿粼波,熊文詩(shī),周文俊,熊珊珊,吳曉紅.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[7]基于深度遷移學(xué)習(xí)的煙霧識(shí)別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計(jì)算機(jī)應(yīng)用. 2017(11)
[8]基于視頻的林火煙霧識(shí)別方法[J]. 范一舟,馬洪兵.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[9]基于視頻圖像的林火煙霧檢測(cè)方法[J]. 周輝.  森林防火. 2014(04)
[10]基于視頻的林火煙霧識(shí)別算法研究[J]. 林宏,劉志剛,趙同林,張雁.  安全與環(huán)境學(xué)報(bào). 2013(02)

博士論文
[1]基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D]. 沈旭.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]基于深度學(xué)習(xí)的文本表示與分類(lèi)方法研究[D]. 閆琰.北京科技大學(xué) 2016
[3]基于光流法火災(zāi)煙霧視頻圖像識(shí)別及多信息融合探測(cè)算法研究[D]. 于春雨.中國(guó)科學(xué)技術(shù)大學(xué) 2010

碩士論文
[1]基于視覺(jué)顯著性的視頻關(guān)鍵幀提取技術(shù)研究[D]. 榮金莉.南京郵電大學(xué) 2018
[2]基于時(shí)空特征深度學(xué)習(xí)的新生兒疼痛表情識(shí)別[D]. 洪強(qiáng).南京郵電大學(xué) 2018
[3]基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的異常行為識(shí)別研究[D]. 王雁飛.四川師范大學(xué) 2018
[4]基于深度學(xué)習(xí)的知乎標(biāo)題的多標(biāo)簽文本分類(lèi)[D]. 張闖.北京交通大學(xué) 2018
[5]基于CNN-RNN的微表情識(shí)別[D]. 王思宇.哈爾濱工程大學(xué) 2018
[6]基于快速SSD深度學(xué)習(xí)算法的機(jī)器人抓取系統(tǒng)研究[D]. 王欣.武漢科技大學(xué) 2018
[7]基于時(shí)空域深度神經(jīng)網(wǎng)絡(luò)的視頻煙霧檢測(cè)研究[D]. 薛繼光.西南交通大學(xué) 2018
[8]面向復(fù)雜場(chǎng)景的煙霧檢測(cè)研究與實(shí)現(xiàn)[D]. 殷夢(mèng)霞.北京交通大學(xué) 2018
[9]基于視頻圖像的煙霧檢測(cè)技術(shù)研究[D]. 周文忠.南京理工大學(xué) 2018
[10]基于CNN-RNN的視頻事件分類(lèi)[D]. 肖廷漢.哈爾濱工程大學(xué) 2018



本文編號(hào)：3396602