火災(zāi)是容易發(fā)生且具有嚴(yán)重破壞性的災(zāi)害,對(duì)人類的財(cái)產(chǎn)和生命安全都造成重大的威脅。及時(shí)準(zhǔn)確地發(fā)現(xiàn)著火點(diǎn)并實(shí)現(xiàn)煙火預(yù)警,對(duì)維護(hù)正常的生產(chǎn)生活秩序具有重要意義。傳統(tǒng)的煙火檢測(cè)算法存在著設(shè)計(jì)復(fù)雜,計(jì)算速度慢,容易產(chǎn)生誤檢和漏檢的問題。近年來,深度學(xué)習(xí)的方法被應(yīng)用到計(jì)算機(jī)視覺領(lǐng)域中,并取得了顯著的效果。為提高視頻圖像中煙火目標(biāo)檢測(cè)效果,將深度學(xué)習(xí)的技術(shù)應(yīng)用于煙火目標(biāo)檢測(cè)問題并展開研究,具體研究?jī)?nèi)容如下:首先,對(duì)基于SSD的煙火檢測(cè)算法展開研究。SSD算法模型采用多尺度特征預(yù)測(cè)的思想,能夠?qū)Χ喾N尺寸目標(biāo)進(jìn)行檢測(cè)。將SSD算法模型應(yīng)用于煙火檢測(cè)任務(wù)中,構(gòu)建基于真實(shí)場(chǎng)景的煙火數(shù)據(jù)集,并使用顏色空間模型轉(zhuǎn)換結(jié)合直方圖均衡算法對(duì)數(shù)據(jù)集中的圖像進(jìn)行照度歸一化處理,實(shí)現(xiàn)煙火數(shù)據(jù)特征標(biāo)準(zhǔn)化,提高模型訓(xùn)練效率。經(jīng)過實(shí)驗(yàn)測(cè)試發(fā)現(xiàn),SSD算法對(duì)煙火目標(biāo)具有較好的檢測(cè)效果,但也存在一些不足。隨后,針對(duì)SSD算法中的對(duì)于小尺寸煙火目標(biāo)檢測(cè)效果差,容易產(chǎn)生誤檢漏檢的問題,提出了一種基于改進(jìn)型SSD的煙火檢測(cè)算法。利用DenseNet網(wǎng)絡(luò)作為SSD的基礎(chǔ)網(wǎng)絡(luò),提高其對(duì)小目標(biāo)的檢測(cè)能力。其次,為了改進(jìn)SSD中的正負(fù)樣本不平衡的問... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

火焰場(chǎng)景示例圖片

中國民航大學(xué)碩士學(xué)位論文15計(jì)分布函數(shù)值。HSV通道圖像轉(zhuǎn)換為RGB通道圖像如公式(2.5)-(2.10)所示：mod660ihh=(2.5)60ihf=h(2.6)p=v(1s)(2.7)q=v(1fs)(2.8)t=v(1(1f)s)(2.9)(,,),0(,,),1(,,),2(,,)(,,),3(,,),4(,,),5iiiiiivtpifhqvpifhpvtifhrgbpqvifhtpvifhvpqifh=======(2.10)圖2-3和圖2-4為火焰場(chǎng)景和煙霧場(chǎng)景圖像進(jìn)行顏色空間模型轉(zhuǎn)換和照度直方圖均衡后的示例圖片：（a）原RGB圖像（b）HSV圖像（c）照度歸一化的RGB圖像圖2-3火焰場(chǎng)景示例圖片（a）原RGB圖像（b）HSV圖像（c）照度歸一化的RGB圖像圖2-4煙霧場(chǎng)景示例圖片2.5煙火數(shù)據(jù)集深度學(xué)習(xí)技術(shù)需要海量的數(shù)據(jù)進(jìn)行算法模型的訓(xùn)練。人臉檢測(cè)、車牌檢測(cè)等其他相對(duì)成熟的檢測(cè)對(duì)象，在各個(gè)研究機(jī)構(gòu)長(zhǎng)期的研究試驗(yàn)過程中建立并公開了

中國民航大學(xué)碩士學(xué)位論文17共1535張圖片，包含738個(gè)煙霧目標(biāo)和819個(gè)火焰目標(biāo)。圖2-6對(duì)本文構(gòu)建的數(shù)據(jù)集中的部分圖像進(jìn)行展示。用于訓(xùn)練和測(cè)試的數(shù)據(jù)集樣本規(guī)模如表2.1所示。圖2-6自建數(shù)據(jù)集示例圖片表2.1自建數(shù)據(jù)集樣本規(guī)模類別圖片數(shù)目火焰樣本個(gè)數(shù)煙霧樣本個(gè)數(shù)訓(xùn)練集777753975366驗(yàn)證集194413671359測(cè)試集1535819738總體11256758374632.6煙火目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)本文煙火目標(biāo)檢測(cè)使用的評(píng)價(jià)指標(biāo)是平均精度均值（MeanAveragePrecision,mAP），下面對(duì)相關(guān)概念進(jìn)行介紹。首先通過IoU(IntersectionoverUnion)對(duì)預(yù)測(cè)結(jié)果進(jìn)行判斷。IoU是由PaulJaccard等人提出評(píng)價(jià)預(yù)測(cè)框正確性的度量指標(biāo)，用于計(jì)算預(yù)測(cè)框與真實(shí)框的交集與并集的比值，如計(jì)算公式(2.11)所示：area()IoU=area()PgtPgtBBBB(2.11)通過IoU對(duì)預(yù)測(cè)框進(jìn)行判定：TP(TruePositive)：預(yù)測(cè)框與真實(shí)正樣本的IoU大于閾值，判定預(yù)測(cè)結(jié)果為TP。FP(FalsePositive):預(yù)測(cè)框與真實(shí)正樣本的IoU小

【參考文獻(xiàn)】：
期刊論文
[1]去除鬼影及陰影的視覺背景提取運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 方嵐,于鳳芹.  激光與光電子學(xué)進(jìn)展. 2019(13)
[2]基于卡爾曼濾波的多目標(biāo)跟蹤方法[J]. 趙廣輝,卓松,徐曉龍.  計(jì)算機(jī)科學(xué). 2018(08)
[3]背景差分與幀間差分相融合的遙感衛(wèi)星視頻運(yùn)動(dòng)車輛檢測(cè)方法[J]. 袁益琴,何國金,王桂周,江威,康金忠.  中國科學(xué)院大學(xué)學(xué)報(bào). 2018(01)
[4]基于區(qū)域全卷積網(wǎng)絡(luò)結(jié)合殘差網(wǎng)絡(luò)的火焰檢測(cè)方法[J]. 洪偉,李朝鋒.  激光與光電子學(xué)進(jìn)展. 2018(04)
[5]基于多特征融合的視頻火焰檢測(cè)方法研究[J]. 曾思通,吳海彬,沈培輝.  圖學(xué)學(xué)報(bào). 2017(04)
[6]維度加權(quán)模式動(dòng)態(tài)紋理特征的火焰檢測(cè)[J]. 嚴(yán)云洋,陳垂雄,劉以安,高尚兵.  智能系統(tǒng)學(xué)報(bào). 2017(04)
[7]基于改進(jìn)的單高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 陳銀,任侃,顧國華,錢惟賢,徐福元.  中國激光. 2014(11)
[8]基于視頻的火焰檢測(cè)方法[J]. 陳磊,黃繼風(fēng).  計(jì)算機(jī)工程與設(shè)計(jì). 2014(09)
[9]基于HSV顏色空間和Vibe算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 張磊,傅志中,周岳平.  計(jì)算機(jī)工程與應(yīng)用. 2014(04)
[10]火焰特性識(shí)別的Matlab實(shí)現(xiàn)方法[J]. 熊國良,蘇兆熙,劉舉平,謝正俠.  計(jì)算機(jī)工程與科學(xué). 2013(07)

碩士論文
[1]基于視頻的煙霧檢測(cè)算法研究[D]. 相徐斌.浙江大學(xué) 2017



本文編號(hào)：3509462