本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的視頻煙霧檢測研究

  更多相關(guān)文章： 深度神經(jīng)網(wǎng)絡(luò) 視頻煙霧檢測 紋理特征 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：視頻煙霧檢測技術(shù)是一種利用計算機視覺技術(shù)檢測視頻中煙霧事件的技術(shù)。由于其覆蓋面積大、響應(yīng)時間短、成本低等優(yōu)點,逐漸取代傳統(tǒng)傳感器煙霧探測系統(tǒng),并且隨著計算機視覺技術(shù)的快速發(fā)展,受到研究者們的廣泛關(guān)注。現(xiàn)有的一些視頻煙霧檢測技術(shù),大多采用單一的方法,未構(gòu)成一套完整的視頻煙霧檢測系統(tǒng)。較高的誤報率是現(xiàn)有技術(shù)存在的主要缺點。在現(xiàn)有的煙霧檢測技術(shù)框架上,搭建了一個基于深度神經(jīng)網(wǎng)絡(luò)的視頻煙霧檢測系統(tǒng)。目前,深度神經(jīng)網(wǎng)絡(luò)已成為機器學(xué)習(xí)、計算機視覺領(lǐng)域的一個研究熱點。卷積神經(jīng)網(wǎng)絡(luò)作為深度神經(jīng)網(wǎng)絡(luò)的一個重要模型,其在圖像識別方面表現(xiàn)突出。深度的卷積神經(jīng)網(wǎng)絡(luò)通過從大數(shù)據(jù)中自動學(xué)習(xí)到圖像特征,相比于傳統(tǒng)人工提取特征的方法,其能更好的學(xué)習(xí)到刻畫圖像本質(zhì)的表征信息,有利于分類識別。由于煙霧區(qū)域的不規(guī)則性,分塊檢測是一種有效的方法�？焖俚囊曨l預(yù)處理能夠大量降低整個系統(tǒng)的時間復(fù)雜度,首先對分塊的視頻幀做運動檢測,定位運動的區(qū)域。然后,對運動區(qū)域再做顏色分析,過濾掉大部分非煙霧的區(qū)域。煙霧紋理分析是整個系統(tǒng)的主要過程,也是時間復(fù)雜度最高的過程。因此,視頻預(yù)處理過后,分析其紋理特征,既能精確的檢測有煙區(qū)域,又有利于滿足系統(tǒng)實時性的要求。在單幀靜態(tài)紋理分析的基礎(chǔ)上,再分析其時空域上的動態(tài)信息,提高檢測精度、降低誤檢率。采用C++并基于Caffe實現(xiàn)了基于深度神經(jīng)網(wǎng)絡(luò)的視頻煙霧檢測系統(tǒng),并且可以利用GPU加速紋理分析部分,使系統(tǒng)基本達到實時性要求。在煙霧檢測公共視頻庫上分析其算法性能,與現(xiàn)有性能優(yōu)異的算法相比,實驗數(shù)據(jù)表明深度神經(jīng)網(wǎng)絡(luò)方法在精確度上有進一步提高,并且誤檢率大幅度降低。
【關(guān)鍵詞】：深度神經(jīng)網(wǎng)絡(luò) 視頻煙霧檢測 紋理特征 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 摘要6-7
• Abstract7-10
• 第一章 緒論10-15
• 1.1 課題研究背景和意義10-11
• 1.2 視頻煙霧檢測技術(shù)簡介11-13
• 1.3 視頻煙霧檢測算法國內(nèi)外研究現(xiàn)狀13-14
• 1.4 論文的結(jié)構(gòu)安排及主要工作14-15
• 第二章 深度神經(jīng)網(wǎng)絡(luò)15-24
• 2.1 深度神經(jīng)網(wǎng)絡(luò)概述15-16
• 2.1.1 淺層學(xué)習(xí)階段15-16
• 2.1.2 深度學(xué)習(xí)階段16
• 2.2 基于深度神經(jīng)網(wǎng)絡(luò)的圖像識別16-23
• 2.2.1 神經(jīng)網(wǎng)絡(luò)16-18
• 2.2.2 反向傳播算法18-20
• 2.2.3 卷積神經(jīng)網(wǎng)絡(luò)20-21
• 2.2.4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)21-22
• 2.2.5 深度神經(jīng)網(wǎng)絡(luò)計算框架Caffe簡介22-23
• 2.3 本章小結(jié)23-24
• 第三章 視頻預(yù)處理24-31
• 3.1 煙霧的運動檢測24-28
• 3.1.1 改進的基于幀間差的運動檢測25-26
• 3.1.2 運動歷史記錄圖26
• 3.1.3 積分圖加速計算26-28
• 3.2 煙霧的顏色檢測28-30
• 3.3 本章小結(jié)30-31
• 第四章 煙霧靜態(tài)紋理識別31-39
• 4.1 紋理特征簡介31
• 4.2 常用紋理特征算法31-33
• 4.2.1 局部二值模式32
• 4.2.2 二元梯度輪廓32-33
• 4.2.3 簡化紋理單元33
• 4.3 基于深度神經(jīng)網(wǎng)絡(luò)的紋理特征識別33-35
• 4.3.1 網(wǎng)絡(luò)結(jié)構(gòu)選擇及優(yōu)化方法33-34
• 4.3.2 本文基本網(wǎng)絡(luò)結(jié)構(gòu)34-35
• 4.3.3 模型訓(xùn)練35
• 4.4 實驗結(jié)果與分析35-38
• 4.4.1 CNN參數(shù)的影響35-37
• 4.4.2 CNN與傳統(tǒng)紋理特征識別比較37-38
• 4.5 本章小結(jié)38-39
• 第五章 煙霧動態(tài)紋理識別39-44
• 5.1 動態(tài)紋理特征簡介39-41
• 5.1.1 VLBP39-40
• 5.1.2 LBP-TOP40-41
• 5.2 基于深度神經(jīng)網(wǎng)絡(luò)的動態(tài)紋理識別41-42
• 5.2.1 級聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)41
• 5.2.2 光流序列的獲取41-42
• 5.2.3 時空域CNN的優(yōu)化42
• 5.3 實驗結(jié)果與分析42-43
• 5.3.1 CNN參數(shù)的影響42-43
• 5.3.2 與傳統(tǒng)動態(tài)紋理特征比較43
• 5.4 本章小結(jié)43-44
• 第六章 靜態(tài)與動態(tài)紋理相結(jié)合的視頻煙霧檢測44-53
• 6.1 系統(tǒng)實現(xiàn)44-45
• 6.2 測試視頻集45-46
• 6.3 實驗結(jié)果與分析46-52
• 6.3.1 評價指標46-47
• 6.3.2 算法性能對比47-49
• 6.3.3 時間復(fù)雜度分析49-50
• 6.3.4 煙霧檢測效果圖50-52
• 6.4 本章小結(jié)52-53
• 總結(jié)與展望53-54
• 本文工作總結(jié)53
• 未來工作展望53-54
• 致謝54-55
• 參考文獻55-59
• 攻讀碩士學(xué)位期間發(fā)表的論文及參與的科研項目59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號：636959