

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、每年火災都會造成嚴重的人員傷亡和財產損失,快速有效的火災檢測對爭取火災救援時間,減輕火災損失具有重要意義?;馂臋z測技術發(fā)展至今,方法上主要有溫感探測、煙感探測和視覺探測三種,而視覺探測技術是基于計算機數(shù)字圖像處理和模式識別發(fā)展而來的一種新型火災探測技術,可以實現(xiàn)非接觸式探測,具有高智能性,不易受到空間高度、有毒、易爆等外在工作環(huán)境條件的限制,因此具有廣闊的應用前景。
樓宇等高大空間視界開闊,可能的干擾較多,傳統(tǒng)溫感、煙感火災探
2、測器難以有效覆蓋,人工提取特征的圖像型火災檢測在多干擾的情況下準確率有限。針對此問題,本文首先提出基于Dense-SIFT字典學習的傳統(tǒng)完整火焰檢測算法,其后創(chuàng)新性地將深度學習的方法應用到火災火焰檢測,并在此基礎上對比了傳統(tǒng)方法和深度學習火災火焰檢測效果。實驗結果顯示,本文提出的基于Dense-SIFT字典學習的算法顯著提高了檢測準確率,減少了冗余判決,檢測的實時性、有效性和穩(wěn)定性有較大提高,而所用深度學習算法在隱層并不多的情況下,也達
3、到甚至超過了傳統(tǒng)算法的效果。具體如下:
(1)基于Dense-SIFT字典學習法檢測火災分為運動目標提取、可能火焰目標識別和火焰特征分析等三個部分。首先,結合像素的空間分布相關性和SILTP特征,利用改進的背景減除法對視頻流進行運動檢測,獲取運動像素。其次,對前面獲得的運動像素基于HSI顏色判別,獲得具有火焰特征顏色的二次目標。最后,采用Dense-SIFT字典學習的方法,對二次目標的梯度特征和閃爍特征等進行最終的判決。
4、> (2)開創(chuàng)性的將深度學習用于火災檢測,采用適合圖像處理的卷積神經網絡CNN檢測火焰。為做以對比,在CNN自動提取特征的基礎上,分別采用邏輯回歸LR和SVM分類器對圖像進行分類,從而實現(xiàn)對火焰的檢測。
(3)對傳統(tǒng)模式識別、機器學習和深度學習的方法進行比較。對比Dense-SIFT字典學習和深度學習方法對樓宇等高大空間火災火焰檢測效果,結果表明,深度學習算法在隱層并不多的情況下,檢測準確率已能超過一般傳統(tǒng)算法;而若進一步增
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機器學習的入侵檢測方法研究.pdf
- 基于機器學習的Web安全檢測方法研究.pdf
- 基于機器學習的病理細胞輔助檢測方法研究.pdf
- 基于機器學習的快速車輛檢測方法.pdf
- 基于圖像處理的火災檢測方法研究.pdf
- 基于視頻圖像的火災檢測方法研究.pdf
- 基于機器學習的前方車輛檢測和跟蹤方法的研究.pdf
- 基于機器學習的圖像邊緣檢測方法的研究與應用.pdf
- 基于機器學習的安卓惡意應用檢測方法研究.pdf
- 基于機器學習的異常檢測研究.pdf
- 基于機器學習的入侵檢測研究.pdf
- 基于機器學習的入侵檢測.pdf
- 基于機器學習的偷渡式下載行為實時檢測方法研究.pdf
- 技術報告-基于機器學習的批量網頁篡改檢測方法研究
- 基于視頻的公路隧道火災檢測方法研究.pdf
- 基于視頻的火災檢測方法研究及實現(xiàn).pdf
- 基于煙霧濃度的火災視頻檢測方法.pdf
- 基于機器學習的邊緣檢測.pdf
- 基于機器學習的行人檢測.pdf
- 基于機器學習的直流電弧故障檢測方法.pdf
評論
0/150
提交評論