基于AdaBoost-SVM的圖像型火焰識(shí)別.pdf

1、基于視頻圖像的火災(zāi)探測(cè)具有反應(yīng)速度快、探測(cè)范圍廣等優(yōu)點(diǎn),可以有效的解決傳統(tǒng)火災(zāi)探測(cè)在大空間建筑環(huán)境中預(yù)警失效的問(wèn)題,具有廣闊的應(yīng)用前景。
　　圖像型火焰識(shí)別技術(shù)主要包括圖像分割、特征提取和識(shí)別三個(gè)環(huán)節(jié)。本文概述了視頻火焰探測(cè)的原理和特點(diǎn),提出了基于AdaBoost和支持向量機(jī)(Support Vector Machine,SVM)相結(jié)合的圖像型火焰識(shí)別算法,稱之為AdaBoost-SVM。首先對(duì)攝取的火災(zāi)視頻分幀處理;然后利用背景

2、差分和模糊積分相結(jié)合的方法提取視頻序列中的運(yùn)動(dòng)目標(biāo),再使用火焰顏色判據(jù)提取疑似火焰區(qū)域;分析并計(jì)算疑似火焰區(qū)域的面積變化率、圓形度、相關(guān)系數(shù)、紅綠分量面積比4個(gè)特征值作為SVM的輸入?yún)?shù),利用AdaBoost算法重點(diǎn)標(biāo)記SVM中被錯(cuò)分的樣本,加大被錯(cuò)分樣本的權(quán)重,使錯(cuò)分樣本再次入選分類器的概率增大,不斷迭代訓(xùn)練集中“最富信息樣本點(diǎn)”,并針對(duì)傳統(tǒng)AdaBoost算法中只考慮訓(xùn)練集對(duì)基分類器權(quán)重的影響,沒(méi)有考慮待測(cè)樣本對(duì)權(quán)重影響的問(wèn)題,計(jì)算