火災(zāi)的發(fā)生不僅對人員安全造成極大的威脅,而且還造成巨大的財產(chǎn)損失。目前對于火災(zāi)的檢測,主要分為兩大研究方向,一個是對火焰的檢測,另一個是對煙霧的檢測。其中,與火焰檢測相比煙霧檢測難度更高,所以目前火焰檢測技術(shù)較為成熟,檢測效果較好。但是通常檢測到火焰,火災(zāi)已經(jīng)發(fā)生,不能達(dá)到很好的火災(zāi)預(yù)防效果。而對于煙霧的檢測,大多采用的是基于傳感器和傳統(tǒng)的圖像處理方法。第一種方法需要安裝大量的傳感器,檢測距離有限,傳感器容易因環(huán)境發(fā)生損壞和老化,造成極大的漏檢和誤檢。第二種方法對人工選擇特征具有較強(qiáng)的依賴性,而煙霧具有邊界不確定性、半透明性、致背景模糊和易受其它因素影響的特性,從而導(dǎo)致傳統(tǒng)算法對煙霧識別的準(zhǔn)確率會受到很大的影響。針對上述情況,本文將煙霧識別與機(jī)器學(xué)習(xí)領(lǐng)域中的深度學(xué)習(xí)算法相結(jié)合,同時結(jié)合已有的研究成果,將其中的兩種常見模型,卷積神經(jīng)網(wǎng)絡(luò)模型和深度殘差網(wǎng)絡(luò)模型應(yīng)用于煙霧識別上,其有效克服了傳統(tǒng)方案的缺陷,在算法性能與效率方面得到了有效的提高。本文的主要成果如下:（1）通過網(wǎng)上收集煙霧數(shù)據(jù)集,利用高斯混合模型法與顏色特征法相結(jié)合對數(shù)據(jù)集進(jìn)行裁剪,同時采用改變圖像顏色、飽和度、亮度和對比度等特... 

【文章來源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１神經(jīng)元示意圖??

圖２－２激活函數(shù)對比圖??２．１．３神經(jīng)網(wǎng)絡(luò)??一個基本神經(jīng)網(wǎng)絡(luò)具有輸入層、隱藏層、輸出層三部分結(jié)構(gòu)，如圖２－３所示。??每一層都由多個神經(jīng)元組成，前層神經(jīng)元的輸出作為后層神經(jīng)元的輸入。??輸人層隱鉍層’輸山層??圖２－３神經(jīng)網(wǎng)絡(luò)示意圖??由圖２－３看出，輸入層由眾多的神經(jīng)元組成，接受大量的非線性輸入信息，例??如原始圖像像素信息、語音信息、文字信息等。隱藏層可以根據(jù)任務(wù)的復(fù)雜度，設(shè)??置一層到多層，每層的神經(jīng)元數(shù)目不定，但數(shù)目越多，神經(jīng)網(wǎng)絡(luò)的非線性學(xué)習(xí)越強(qiáng)，??從而具有更強(qiáng)大的擬合能力，而輸出層通常與任務(wù)要求的輸出相一致，例如在多分??類任務(wù)中，類別數(shù)即為輸出層神經(jīng)元的個數(shù)。??７??

?３??Ｘ??圖２－２激活函數(shù)對比圖??２．１．３神經(jīng)網(wǎng)絡(luò)??一個基本神經(jīng)網(wǎng)絡(luò)具有輸入層、隱藏層、輸出層三部分結(jié)構(gòu)，如圖２－３所示。??每一層都由多個神經(jīng)元組成，前層神經(jīng)元的輸出作為后層神經(jīng)元的輸入。??輸人層隱鉍層’輸山層??圖２－３神經(jīng)網(wǎng)絡(luò)示意圖??由圖２－３看出，輸入層由眾多的神經(jīng)元組成，接受大量的非線性輸入信息，例??如原始圖像像素信息、語音信息、文字信息等。隱藏層可以根據(jù)任務(wù)的復(fù)雜度，設(shè)??置一層到多層，每層的神經(jīng)元數(shù)目不定，但數(shù)目越多，神經(jīng)網(wǎng)絡(luò)的非線性學(xué)習(xí)越強(qiáng)，??從而具有更強(qiáng)大的擬合能力，而輸出層通常與任務(wù)要求的輸出相一致，例如在多分??類任務(wù)中，類別數(shù)即為輸出層神經(jīng)元的個數(shù)。??７??

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)的MPCANet火災(zāi)圖像識別模型設(shè)計(jì)[J]. 張秀玲,侯代標(biāo),張逞逞,周凱旋,魏其珺.  紅外與激光工程. 2018(02)
[2]改進(jìn)的ELU卷積神經(jīng)網(wǎng)絡(luò)在SAR圖像艦船檢測中的應(yīng)用[J]. 白玉,姜東民,裴加軍,張寧,白郁.  測繪通報. 2018(01)
[3]2007—2016年全國重特大火災(zāi)事故分析及時空分布規(guī)律[J]. 張玉濤,馬婷,林姣,黃遙,李亞清.  西安科技大學(xué)學(xué)報. 2017(06)
[4]基于區(qū)域全卷積網(wǎng)絡(luò)結(jié)合殘差網(wǎng)絡(luò)的火焰檢測方法[J]. 洪偉,李朝鋒.  激光與光電子學(xué)進(jìn)展. 2018(04)
[5]基于深度遷移學(xué)習(xí)的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計(jì)算機(jī)應(yīng)用. 2017(11)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的中文情感分析[J]. 王盛玉,曾碧卿,胡翩翩.  計(jì)算機(jī)工程. 2017(08)
[7]基于快速卷積神經(jīng)網(wǎng)絡(luò)的圖像去模糊[J]. 任靜靜,方賢勇,陳尚文,汪粼波,周健.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報. 2017(08)
[8]基于加速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的夜間行人檢測研究[J]. 葉國林,孫韶媛,高凱珺,趙海濤.  激光與光電子學(xué)進(jìn)展. 2017(08)
[9]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]. 陳俊周,汪子杰,陳洪瀚,左林翼.  電子科技大學(xué)學(xué)報. 2016(06)
[10]基于Codebook的視頻火焰識別算法[J]. 邵良杉,郭雅嬋.  計(jì)算機(jī)應(yīng)用. 2015(05)

碩士論文
[1]基于深度學(xué)習(xí)的腫瘤細(xì)胞圖像識別[D]. 張永煥.華東交通大學(xué) 2017
[2]基于視頻的煙霧檢測算法研究[D]. 相徐斌.浙江大學(xué) 2017
[3]基于人工神經(jīng)網(wǎng)絡(luò)的手寫字母識別研究[D]. 闕為濤.天津大學(xué) 2016
[4]基于視頻的火災(zāi)煙霧檢測算法研究[D]. 王娜娜.西安科技大學(xué) 2012
[5]基于視頻的火災(zāi)檢測方法研究及實(shí)現(xiàn)[D]. 葛勇.湖南大學(xué) 2009
[6]基于視頻圖像的火災(zāi)火焰跟蹤研究[D]. 薛媛.西安電子科技大學(xué) 2009



本文編號：2952445