火是人類走向文明的偉大發(fā)明之一。而一旦發(fā)生火災(zāi),將會(huì)給人類帶來物質(zhì)與精神的雙重?fù)p失。因此,針對火災(zāi)的研究是一項(xiàng)非常重要的任務(wù)。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展,目前對于火災(zāi)的研究方法已經(jīng)從傳統(tǒng)的傳感器探測演變成了基于圖像處理的識(shí)別。近年來,基于圖像處理技術(shù)的火災(zāi)識(shí)別理論不斷被完善與發(fā)展,但其中仍存在分割區(qū)域不完整、特征選取盲目、誤檢率較高等問題。本文針對這些問題,基于自適應(yīng)池化方式的卷積神經(jīng)網(wǎng)絡(luò)對圖像型火災(zāi)識(shí)別方法進(jìn)行了研究。本文對火災(zāi)圖像進(jìn)行了預(yù)處理操作,并對火焰顏色特征進(jìn)行了分析,以完整分割出火焰區(qū)域?yàn)槟康?提出了基于顏色特征的火災(zāi)區(qū)域分割方法和基于改進(jìn)K近鄰的火災(zāi)區(qū)域分割方法;針對火災(zāi)圖像識(shí)別過程中存在的特征選取盲目問題,提出一個(gè)將分割得到的火焰區(qū)域送入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的方法,該方法能夠更好地對火焰特征進(jìn)行學(xué)習(xí);通過對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行研究,在傳統(tǒng)池化方式基礎(chǔ)上,提出一種基于自適應(yīng)池化的卷積神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)可以動(dòng)態(tài)的根據(jù)池化域的不同,采取不同池化因子對池化域進(jìn)行下采樣處理,達(dá)到準(zhǔn)確提取特征的目的。最后,本文采用PyQt工具設(shè)計(jì)了圖形用戶界面,可以直觀顯示火災(zāi)圖像處理的每一個(gè)步驟。通過研... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于傳統(tǒng)圖像處理的火災(zāi)檢測算法流程圖

在圖像型火災(zāi)探測中誤報(bào)率高的問題，提出結(jié)合 HMM 與 SVM 對火方法，對捕獲到的圖像進(jìn)行運(yùn)動(dòng)區(qū)域檢測和顏色分析，提取疑似火焰 計(jì)算疑似區(qū)域與火焰模型的相似度，并輸入到 SVM 進(jìn)行二次識(shí)別；王和無監(jiān)督學(xué)習(xí)方法訓(xùn)練兩級專用分類器，確定疑似目標(biāo)區(qū)域：首 分類器的輸出結(jié)果計(jì)算得到聚類算法的初始中心，然后使用計(jì)算出的焰區(qū)域進(jìn)行分割，該算法具有一定使用價(jià)值，可在復(fù)雜環(huán)境下實(shí)現(xiàn)火二級分類器 real adaboost 耗時(shí)較長，且算法處理時(shí)間隨著視頻分辨率于深度學(xué)習(xí)的火災(zāi)檢測年，利用深度學(xué)習(xí)技術(shù)來提取深層次的語義特征已成為一種趨勢，其音識(shí)別、推薦系統(tǒng)等人工智能領(lǐng)域已得到廣泛研究�；谏疃葘W(xué)習(xí)的比基于傳統(tǒng)圖像處理的火災(zāi)檢測方法，在步驟上更為簡潔，如圖 1.習(xí)的火災(zāi)檢測算法的流程圖。

不同程度地呈現(xiàn)出光照對火災(zāi)圖像進(jìn)行圖像增強(qiáng)處理是非常，如：灰度均衡可以提高圖像的亮度波可以去除圖像的椒鹽噪聲。衡處理信息，本文采用灰度均衡方法對火災(zāi)是圖像增強(qiáng)的方法之一。灰度均衡通灰度級分布概率相對均勻的圖像。經(jīng)相對均衡，對應(yīng)灰度直方圖的每一級大的信息量。的顏色信息是非常重要的一個(gè)特征，焰像素的原始信息。因此本文考慮在 HHue)、飽和度(Saturation)和亮度(Value

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的指靜脈識(shí)別[J]. 何鑫,陳迅.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(02)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸癌細(xì)胞圖像識(shí)別的改進(jìn)算法[J]. 夏為為,夏哲雷.  中國計(jì)量大學(xué)學(xué)報(bào). 2018(04)
[3]采用機(jī)器學(xué)習(xí)的火焰前景提取算法[J]. 王博,張為,劉艷艷,王鑫.  西安交通大學(xué)學(xué)報(bào). 2017(08)
[4]基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的視頻動(dòng)態(tài)煙霧檢測[J]. 陳俊周,汪子杰,陳洪瀚,左林翼.  電子科技大學(xué)學(xué)報(bào). 2016(06)
[5]不同池化模型的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)性能研究[J]. 劉萬軍,梁雪劍,曲海成.  中國圖象圖形學(xué)報(bào). 2016(09)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[7]基于時(shí)空特征的林火視頻火焰識(shí)別研究[J]. 徐銘銘,周宏平,趙亞琴,汪東.  林業(yè)工程學(xué)報(bào). 2016(04)
[8]復(fù)雜背景下基于深度卷積神經(jīng)網(wǎng)絡(luò)的森林火災(zāi)識(shí)別[J]. 傅天駒,鄭嫦娥,田野,丘啟敏,林斯俊.  計(jì)算機(jī)與現(xiàn)代化. 2016(03)
[9]一種融合Kmeans和KNN的網(wǎng)絡(luò)入侵檢測算法[J]. 華輝有,陳啟買,劉海,張陽,袁沛權(quán).  計(jì)算機(jī)科學(xué). 2016(03)
[10]基于HMM-SVM的圖像型火焰識(shí)別[J]. 柴茜,王慧琴,廖雨婷,盧英,馬宗方.  計(jì)算機(jī)工程與應(yīng)用. 2015(13)

碩士論文
[1]基于視頻的火焰檢測算法研究[D]. 張興坤.沈陽工業(yè)大學(xué) 2017
[2]基于視頻圖像的森林火災(zāi)自動(dòng)監(jiān)測識(shí)別技術(shù)研究[D]. 詹琪.電子科技大學(xué) 2017
[3]森林火災(zāi)煙霧圖像識(shí)別算法研究[D]. 蘭久強(qiáng).福建師范大學(xué) 2017
[4]基于多特征融合的林火煙霧檢測算法研究[D]. 岳姣姣.燕山大學(xué) 2016
[5]基于機(jī)器學(xué)習(xí)的火災(zāi)檢測方法研究[D]. 王光耀.大連理工大學(xué) 2015
[6]基于局部分形的林火圖像分割算法研究[D]. 白東東.黑龍江大學(xué) 2015
[7]基于深度學(xué)習(xí)的動(dòng)態(tài)紋理分類方法研究及其在森林防火中的應(yīng)用[D]. 汪彩霞.江蘇科技大學(xué) 2015
[8]復(fù)合式森林火災(zāi)探測、識(shí)別及預(yù)警算法研究[D]. 何航勃.長春理工大學(xué) 2014
[9]基于圖像/視頻的森林火災(zāi)識(shí)別方法研究[D]. 申小龍.國防科學(xué)技術(shù)大學(xué) 2013
[10]基于YCbCr顏色空間的森林火災(zāi)探測技術(shù)的研究[D]. 羅媛媛.中南林業(yè)科技大學(xué) 2013



本文編號(hào)：3353142