本文選題：圖像分類　切入點(diǎn)：火災(zāi)煙霧檢測　出處：《北京交通大學(xué)》2017年碩士論文

【摘要】：火災(zāi)是自然人為雙重誘因?qū)е碌淖畛Ｒ姷臑?zāi)難性事件之一,對人們的生產(chǎn)生活安全都造成了極大的威脅。而煙霧作為火災(zāi)表現(xiàn)出的最為顯著的特性之一,準(zhǔn)確而實(shí)時地對各種環(huán)境下的監(jiān)控視頻進(jìn)行煙霧檢測,是減小火災(zāi)危害的重要手段。近年來,隨著計算機(jī)視覺和深度學(xué)習(xí)等領(lǐng)域的飛速發(fā)展,基于視頻圖像內(nèi)容分析的火災(zāi)煙霧檢測算法逐漸代替了傳統(tǒng)的物理煙霧感知器。目前在機(jī)器學(xué)習(xí)領(lǐng)域,車輛識別、人臉識別等技術(shù)已愈加成熟,但是對于視頻圖像中煙霧的檢測,很多圖像分類方法都難以保證檢測結(jié)果的準(zhǔn)確性和檢測過程的實(shí)時性。因此,本文提出了以下兩種視頻圖像的煙霧檢測算法:(1)提出了基于特征融合的SVM分類視頻煙霧檢測算法。建立煙霧圖像標(biāo)準(zhǔn)數(shù)據(jù)庫,提取正樣本煙霧圖像的顏色特征和紋理特征,經(jīng)過特征融合作為訓(xùn)練輸入,最終得到具有煙霧檢測功能的分類器。并提出在對視頻圖像進(jìn)行煙霧檢測時,先對視頻幀進(jìn)行基于混合高斯模型的運(yùn)動區(qū)域提取,以提高算法準(zhǔn)確率。(2)提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)的視頻煙霧檢測算法。設(shè)計了一種深度卷積神經(jīng)網(wǎng)絡(luò)模型,給出了基本網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置�；诒疚慕⒌臒熿F圖像標(biāo)準(zhǔn)數(shù)據(jù)庫對實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行了選取,并通過訓(xùn)練得到一個具有煙霧檢測功能的CNN模型。測試實(shí)驗(yàn)結(jié)果顯示出了較高的分類檢測準(zhǔn)確率。選取現(xiàn)有的經(jīng)典深度卷積網(wǎng)絡(luò)模型進(jìn)行了對比實(shí)驗(yàn),對實(shí)驗(yàn)結(jié)果的分析表明,本文所提出的網(wǎng)絡(luò)模型對于視頻煙霧檢測場景具有良好的準(zhǔn)確性和實(shí)時性。
[Abstract]:Fire is one of the most common calamitous events caused by both natural and man-made causes, and it poses a great threat to the safety of people's production and life.Smoke, as one of the most significant characteristics of fire, is an important means to reduce fire hazard by accurate and real-time detection of smoke from monitoring video in various environments.In recent years, with the rapid development of computer vision and depth learning, the fire smoke detection algorithm based on video image content analysis has gradually replaced the traditional physical smoke sensor.At present, in the field of machine learning, vehicle recognition, face recognition and other technologies have become increasingly mature, but for the detection of smoke in video images, many image classification methods are difficult to ensure the accuracy of detection results and real-time detection process.Therefore, in this paper, we propose the following two video image smoke detection algorithms: 1. We propose a SVM classification video smoke detection algorithm based on feature fusion.The standard database of smoke images is established to extract the color features and texture features of the smoke images of positive samples. After feature fusion as the training input, a classifier with smoke detection function is obtained.A video smoke detection algorithm based on deep convolution neural network is proposed to extract the moving region of video frame based on mixed Gao Si model in order to improve the accuracy of the algorithm.A deep convolution neural network model is designed and the basic network structure is set up.The experimental data set is selected based on the smoke image standard database established in this paper, and a CNN model with smoke detection function is obtained by training.The experimental results show that the accuracy of classification detection is high.The experimental results show that the proposed network model is accurate and real-time for video smoke detection.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：X932;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳俊周;汪子杰;陳洪瀚;左林翼;;基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的視頻動態(tài)煙霧檢測[J];電子科技大學(xué)學(xué)報;2016年06期

2 曲景影;孫顯;高鑫;;基于CNN模型的高分辨率遙感圖像目標(biāo)識別[J];國外電子測量技術(shù);2016年08期

3 傅天駒;鄭嫦娥;田野;丘啟敏;林斯俊;;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)識別[J];計算機(jī)與現(xiàn)代化;2016年03期

4 黎粵華;單磊;田仲富;朱自民;;基于多特征融合的視頻煙霧檢測[J];計算機(jī)技術(shù)與發(fā)展;2016年01期

5 王文豪;嚴(yán)云洋;;基于AdaBoost RBF神經(jīng)網(wǎng)絡(luò)的火災(zāi)煙霧檢測[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2014年02期

6 謝振平;王濤;劉淵;;一種集成貝葉斯決策的視頻煙霧檢測新方法[J];計算機(jī)工程與應(yīng)用;2014年03期

7 張怡卓;馬琳;王鐵濱;周宏威;;小波變換的木材紋理在線分選[J];林業(yè)科技;2012年06期

8 黃鑫娟;周潔敏;劉伯揚(yáng);;自適應(yīng)混合高斯背景模型的運(yùn)動目標(biāo)檢測方法[J];計算機(jī)應(yīng)用;2010年01期

9 練秋生;李黨;;融合多種特征的煙霧圖像檢測算法[J];光學(xué)技術(shù);2009年04期

10 馬國峰;楊俊紅;周兵;;基于YUV顏色空間的視頻運(yùn)動檢測[J];計算機(jī)工程與設(shè)計;2008年14期

相關(guān)碩士學(xué)位論文 前3條

1 汪子杰;基于深度神經(jīng)網(wǎng)絡(luò)的視頻煙霧檢測研究[D];西南交通大學(xué);2016年

2 周忠;基于時空特征的林火視頻煙霧識別[D];南京林業(yè)大學(xué);2015年

3 張虎;基于滑動窗口的行人檢測技術(shù)研究[D];安徽大學(xué);2012年

，

本文編號：1708013