森林火災(zāi)的發(fā)生具有突發(fā)性與偶然性,火災(zāi)一旦發(fā)生,伴隨著火災(zāi)強(qiáng)度的增大其火勢擴(kuò)散速度極快,威脅著附近居民的生存環(huán)境和人生安全,同時也會對地球生態(tài)環(huán)境帶來不可逆的損害。于是快速有效的林火識別技術(shù)對森林火災(zāi)的抑制有著重要的意義。目前常用的林火識別技術(shù)包括有溫度感應(yīng)識別技術(shù)、煙霧感應(yīng)識別技術(shù),但隨著技術(shù)的不斷更新和發(fā)展,人們對森林火災(zāi)的識別精度有了更高的要求。近幾年來,深度學(xué)習(xí)技術(shù)的興起使越來越多的專家學(xué)者開始嘗試將深度學(xué)習(xí)技術(shù)應(yīng)用到森林防火領(lǐng)域,其中基于卷積神經(jīng)網(wǎng)絡(luò)的森林火災(zāi)識別技術(shù)取得長足進(jìn)步。本文介紹的主要工作包括:（1）研究了卷積神經(jīng)網(wǎng)絡(luò)算法,對卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與原理以及常用的框架進(jìn)行了介紹和分析。（2）研究了基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行林火識別的方法,改進(jìn)了已有方法,并針對不同因素進(jìn)行了對比實(shí)驗(yàn),得到了效果最優(yōu)的方法。（3）設(shè)計(jì)實(shí)現(xiàn)了森林防火視頻監(jiān)控系統(tǒng),該系統(tǒng)完成了視頻火情監(jiān)控、云臺控制、錄制監(jiān)控視頻、圖像抓拍、林火識別、火情報(bào)警等功能。 

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

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．５權(quán)值更新過程??Ｆｉｇｕｒｅ?２．５?Ｗｅｉｇｈｔ?ｕｐｄａｔｉｎｇ?ｐｒｏｃｅｓｓ??

通過局部感知區(qū)域獲取底層的輸入數(shù)據(jù)，信息通過前向傳播算法依次送至下一層。局??部感知區(qū)域的存在能夠方便獲取圖像中的角落和邊界特征。一個典型的卷積神經(jīng)網(wǎng)絡(luò)??ＬｅＮｅｔ－５結(jié)構(gòu)如圖２．６所示。由于卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)極為突出，目前基于卷積神經(jīng)??網(wǎng)絡(luò)的項(xiàng)目己經(jīng)成功應(yīng)用于諸多現(xiàn)實(shí)場景，尤其在計(jì)算機(jī)視覺領(lǐng)域表現(xiàn)尤其優(yōu)異，如??人臉檢測（Ｔｉｖｉｖｅ?Ｆ?Ｈ?Ｃ、Ｂｏｕｚｅｒｄｏｕｍ?Ａ?ｅｔ?ａｌ．?，２００３），文檔分析（Ｐ．?Ｙ．?Ｓｉｍａｒｄ、Ｄ．??Ｓｔｅｉｎｋｒａｕｓ?ｅｔ?ａｌ．?，２００３），語音檢測（Ｓ．?Ｓｋｉｔｔａｎｏｎ，２００４），目標(biāo)識另�。�，車牌識別等計(jì)算機(jī)??視覺任務(wù)。卷積神經(jīng)網(wǎng)絡(luò)由一個或多個卷枳層、池化層、全連接層等組成。樣本的特??征維數(shù)在進(jìn)行卷積操作后通常會數(shù)倍增加，因此每個卷積層后通常會跟一個池化層，??池化層的目的就在于可以通過抽樣處理來降低特征的維數(shù)。??ｉｎｐｕｔ?Ｃ１?ｒｆｅａｔｕｒｅ?ＳＩ?：ｆｅａｔｕｒｅ?Ｃ２：ｆｅａｔｕｒｅ?Ｓ２：ｆｅａｔｕｒｅ?ｏｕｔｐｕｔ??ｍａｐｓ?ｍａｐｓ?ｍａｐｓ?ｍａｐｓ??！?Ｉ?Ｉ?１?＾?＾?＾?—??輸入層?卷積層?池化層?卷積層?池化層?全連接層??圖２．６外典型卷積祌經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（ＬｅＮｅｔ－５）??Ｆ

特征維度過大，卷積計(jì)算量過大。池化層的存在可以有效減少目前常用的池化操作一??般有三種：均值池化（ｍｅａｎ－ｐｏｏｌｉｎｇ）、隨機(jī)值池化（ｓｔｏｃｈａｓｔｉｃ－ｐｏｏｌｉｎｇ）、最大值池化??（ｍａｘ－ｐｏｏｌｉｎｇ）。圖２．７與圖２．８分別是均值池化和最大值池化的示意圖。??１５?６?４??４?２?７?３???３?５??３?４?２?２?１／７?４?３??３?６?２?６??圖２．７均值池化??Ｆｉｇｕｒｅ?２．７?Ａｖｅｒａｇｅ?ｐｏｏｌｉｎｇ??１５?６?４??４?２?７?３???５?７??３?４?２?２?＾?６?６??３?６?２?６??圖２．８最大值池化??Ｆｉｇｕｒｅ?２．８?Ｍａｘｉｍｕｍ?ｐｏｏｌｉｎｇ??池化層是卷積神經(jīng)網(wǎng)絡(luò)中一個必不可少的網(wǎng)絡(luò)層，池化層具有以下３種特性：??①．特征降維。降維操作可以在一定程度上可以避免過擬合現(xiàn)象的產(chǎn)生，也有利??于卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化。??？．特征不變性。雖然池化層會減少圖像的特征維度，但經(jīng)過上文所提的三種池??化操作后，圖像的特征都不受變化，這是因?yàn)樗鼘θ珗D任何位置都進(jìn)行相同的池化操??１２??

【參考文獻(xiàn)】：
期刊論文
[1]中國主要生態(tài)地理區(qū)的林火動態(tài)特征分析[J]. 田曉瑞,舒立福,趙鳳君,王明玉.  林業(yè)科學(xué). 2015(09)
[2]基于神經(jīng)網(wǎng)絡(luò)的火災(zāi)圖像特征融合算法[J]. 高娜,李良.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2010(01)
[3]森林火災(zāi)圖像幾何特征提取識別的算法研究[J]. 王柯,方陸明,付鋆萍.  浙江林業(yè)科技. 2009(06)
[4]澳大利亞森林大火燒出的反思[J]. 黃典林.  中國報(bào)道. 2009(04)
[5]世界森林火災(zāi)預(yù)防與監(jiān)控技術(shù)概述[J]. 白帆,周大元,張麗平,楊艷秋,肖冰.  林業(yè)勞動安全. 2008(03)
[6]世界典型地區(qū)森林火災(zāi)狀況與防火技術(shù)展望[J]. 孫少輝.  林業(yè)機(jī)械與木工設(shè)備. 2008(03)
[7]希臘大火警示全球氣候危機(jī)[J]. 鐘韻瑤.  新安全 東方消防. 2007(09)
[8]基于模糊神經(jīng)網(wǎng)絡(luò)的火災(zāi)探測算法的應(yīng)用研究[J]. 曾昭華,蘇志軍,高珊珊.  自動化技術(shù)與應(yīng)用. 2004(09)
[9]基于人工神經(jīng)網(wǎng)絡(luò)的火災(zāi)圖象探測方法[J]. 宋衛(wèi)國,范維澄,吳龍標(biāo).  火災(zāi)科學(xué). 1999(03)
[10]液晶光閘在火災(zāi)探測中的應(yīng)用[J]. 吳龍標(biāo),宋衛(wèi)國,盧結(jié)成.  光學(xué)技術(shù). 1999(01)

博士論文
[1]林火撲救優(yōu)效組合技術(shù)研究[D]. 陳劭.北京林業(yè)大學(xué) 2008

碩士論文
[1]森林火災(zāi)煙霧圖像識別算法研究[D]. 蘭久強(qiáng).福建師范大學(xué) 2017
[2]基于自適應(yīng)學(xué)習(xí)速率的改進(jìn)型BP算法研究[D]. 楊甲沛.天津大學(xué) 2008



本文編號：3414129