基于機器學(xué)習(xí)的早期火災(zāi)檢測算法研究
發(fā)布時間:2021-11-13 18:18
火災(zāi)是當(dāng)今社會防災(zāi)減災(zāi)工作的重中之重,其具有發(fā)生頻繁、破壞力強、發(fā)展迅猛的特點。據(jù)統(tǒng)計,每年火災(zāi)事故造成數(shù)百人死亡與數(shù)十億財產(chǎn)損失,因此及時準確地發(fā)現(xiàn)火災(zāi)對保障人們生命財產(chǎn)安全具有重要意義。目前,實際應(yīng)用中多采用煙霧、溫度等傳感器實現(xiàn)火災(zāi)檢測,該檢測技術(shù)具有響應(yīng)時間長、設(shè)備成本高、報警信息單一的缺點。隨著機器視覺的快速發(fā)展,基于圖像的火災(zāi)檢測技術(shù)被提出,其具有響應(yīng)時間短、檢測范圍廣、成本低、報警信息豐富的優(yōu)點。本文針對現(xiàn)有視頻圖像火災(zāi)檢測算法前景信息丟失嚴重、誤報率高、泛化能力弱等問題,提出一種新的火災(zāi)檢測算法。該算法主要由前景提取和分類決策兩大模塊組成。前景提取模塊首先利用改進ViBe算法提取運動區(qū)域;接著利用隨機森林模型將運動區(qū)域分為黃色、白色、其他色三類;最后采用SVM對黃色與白色前景區(qū)域像素進行分類,以獲取精確的前景區(qū)域。分類決策模塊采用時空特征融合實現(xiàn)前景區(qū)域分類。鑒于現(xiàn)有早期火焰特征代表性不足,本文提出兩個新的早期火焰時域特征用于描述幀間火焰區(qū)域重疊率和火焰區(qū)域不同部分運動劇烈程度比率,再結(jié)合Hu矩特征訓(xùn)練出決策分類器。但本算法在室外環(huán)境中存在少量誤報,分析誤報圖片后發(fā)現(xiàn)提...
【文章來源】:天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【部分圖文】:
二維高斯函數(shù)圖與高斯核
天津大學(xué)碩士學(xué)位論文10(b)膨脹處理(c)腐蝕處理(d)開運算處理(e)閉運算處理圖2-2形態(tài)學(xué)處理圖2-2中(a)是處理前的掩碼圖,(b)(c)(d)(e)分別是經(jīng)過5*5卷積核處理后的掩碼圖。圖(b)和(c)分別代表膨脹與腐蝕處理后的效果圖,由圖可見膨脹處理增加了高亮區(qū)域的面積,而腐蝕處理則減少了高亮區(qū)域的面積。圖(d)和(e)分別是開、閉運算的效果圖,由圖可見開運算在不明顯改變高亮區(qū)域面積的前提下,消除了小物體,并斷開了物體在纖細處的連接;閉運算則可填充圖片中較小的黑洞。2.1.3圖像邊緣檢測邊緣檢測是圖像處理與計算機視覺領(lǐng)域極為重要的一種圖像分析方法,常用于圖像分割領(lǐng)域。圖像邊緣位于亮度劇烈變化的像素點處,邊緣檢測的本質(zhì)是保留圖像高頻部分,濾除圖像低頻部分。邊緣檢測將圖像與邊緣檢測算子進行卷積實現(xiàn)邊緣提取,其中Sobel、Canny是最常見的邊緣檢測算子。101202101xG(2-6)121000121yG(2-7)Sobel算子通過計算圖像的一階導(dǎo)數(shù)來實現(xiàn)邊緣檢測[10],由于該算子引入了類似局部平均的處理方法,因此對噪聲具有一定的平滑效果。Sobel算子包含兩組3*3的卷積核,用其分別與圖像作平面卷積,得到水平與垂直方向的梯度值,
幀差法檢測結(jié)果
【參考文獻】:
期刊論文
[1]深度學(xué)習(xí)的MPCANet火災(zāi)圖像識別模型設(shè)計[J]. 張秀玲,侯代標,張逞逞,周凱旋,魏其珺. 紅外與激光工程. 2018(02)
[2]自適應(yīng)高斯濾波圖像去噪算法[J]. 王海菊,譚常玉,王坤林,杜鳳娟,吳智軍,高仕龍. 福建電腦. 2017(11)
[3]基于改進Sobel算法的車輛檢測技術(shù)[J]. 趙勇,李懷宇. 電子科技. 2017(11)
[4]基于ViBe的復(fù)雜背景下的運動目標檢測[J]. 張文雅,徐華中,羅杰. 計算機科學(xué). 2017(09)
[5]基于光照不變圖像的陰影圖像道路及導(dǎo)航線提取算法[J]. 段志剛,李勇,王恩德,田建東,唐延?xùn)|. 光學(xué)學(xué)報. 2016(12)
[6]結(jié)合LBP直方圖和SVM的視頻火焰檢測[J]. 張霞,黃繼風(fēng). 計算機應(yīng)用與軟件. 2016(08)
[7]基于改進的PSO優(yōu)化SVM火災(zāi)火焰識別算法研究[J]. 段鎖林,任玨朋,毛丹,楊可. 計算機測量與控制. 2016(04)
[8]多特征融合的火焰檢測算法[J]. 吳茜茵,嚴云洋,杜靜,高尚兵,劉以安. 智能系統(tǒng)學(xué)報. 2015(02)
[9]基于隨機森林的特征選擇算法[J]. 姚登舉,楊靜,詹曉娟. 吉林大學(xué)學(xué)報(工學(xué)版). 2014(01)
[10]可變視場下的火災(zāi)探測算法[J]. 張進華,李婷,王孫安,李小虎. 西安交通大學(xué)學(xué)報. 2012(10)
博士論文
[1]雙邊濾波中關(guān)鍵技術(shù)研究[D]. 王鐳.哈爾濱工程大學(xué) 2017
碩士論文
[1]基于圖像特征提取的火災(zāi)檢測[D]. 及林.大連理工大學(xué) 2013
本文編號:3493486
【文章來源】:天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【部分圖文】:
二維高斯函數(shù)圖與高斯核
天津大學(xué)碩士學(xué)位論文10(b)膨脹處理(c)腐蝕處理(d)開運算處理(e)閉運算處理圖2-2形態(tài)學(xué)處理圖2-2中(a)是處理前的掩碼圖,(b)(c)(d)(e)分別是經(jīng)過5*5卷積核處理后的掩碼圖。圖(b)和(c)分別代表膨脹與腐蝕處理后的效果圖,由圖可見膨脹處理增加了高亮區(qū)域的面積,而腐蝕處理則減少了高亮區(qū)域的面積。圖(d)和(e)分別是開、閉運算的效果圖,由圖可見開運算在不明顯改變高亮區(qū)域面積的前提下,消除了小物體,并斷開了物體在纖細處的連接;閉運算則可填充圖片中較小的黑洞。2.1.3圖像邊緣檢測邊緣檢測是圖像處理與計算機視覺領(lǐng)域極為重要的一種圖像分析方法,常用于圖像分割領(lǐng)域。圖像邊緣位于亮度劇烈變化的像素點處,邊緣檢測的本質(zhì)是保留圖像高頻部分,濾除圖像低頻部分。邊緣檢測將圖像與邊緣檢測算子進行卷積實現(xiàn)邊緣提取,其中Sobel、Canny是最常見的邊緣檢測算子。101202101xG(2-6)121000121yG(2-7)Sobel算子通過計算圖像的一階導(dǎo)數(shù)來實現(xiàn)邊緣檢測[10],由于該算子引入了類似局部平均的處理方法,因此對噪聲具有一定的平滑效果。Sobel算子包含兩組3*3的卷積核,用其分別與圖像作平面卷積,得到水平與垂直方向的梯度值,
幀差法檢測結(jié)果
【參考文獻】:
期刊論文
[1]深度學(xué)習(xí)的MPCANet火災(zāi)圖像識別模型設(shè)計[J]. 張秀玲,侯代標,張逞逞,周凱旋,魏其珺. 紅外與激光工程. 2018(02)
[2]自適應(yīng)高斯濾波圖像去噪算法[J]. 王海菊,譚常玉,王坤林,杜鳳娟,吳智軍,高仕龍. 福建電腦. 2017(11)
[3]基于改進Sobel算法的車輛檢測技術(shù)[J]. 趙勇,李懷宇. 電子科技. 2017(11)
[4]基于ViBe的復(fù)雜背景下的運動目標檢測[J]. 張文雅,徐華中,羅杰. 計算機科學(xué). 2017(09)
[5]基于光照不變圖像的陰影圖像道路及導(dǎo)航線提取算法[J]. 段志剛,李勇,王恩德,田建東,唐延?xùn)|. 光學(xué)學(xué)報. 2016(12)
[6]結(jié)合LBP直方圖和SVM的視頻火焰檢測[J]. 張霞,黃繼風(fēng). 計算機應(yīng)用與軟件. 2016(08)
[7]基于改進的PSO優(yōu)化SVM火災(zāi)火焰識別算法研究[J]. 段鎖林,任玨朋,毛丹,楊可. 計算機測量與控制. 2016(04)
[8]多特征融合的火焰檢測算法[J]. 吳茜茵,嚴云洋,杜靜,高尚兵,劉以安. 智能系統(tǒng)學(xué)報. 2015(02)
[9]基于隨機森林的特征選擇算法[J]. 姚登舉,楊靜,詹曉娟. 吉林大學(xué)學(xué)報(工學(xué)版). 2014(01)
[10]可變視場下的火災(zāi)探測算法[J]. 張進華,李婷,王孫安,李小虎. 西安交通大學(xué)學(xué)報. 2012(10)
博士論文
[1]雙邊濾波中關(guān)鍵技術(shù)研究[D]. 王鐳.哈爾濱工程大學(xué) 2017
碩士論文
[1]基于圖像特征提取的火災(zāi)檢測[D]. 及林.大連理工大學(xué) 2013
本文編號:3493486
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3493486.html
最近更新
教材專著