不時(shí)發(fā)生的火災(zāi)給社會(huì)帶來嚴(yán)重的損失,對(duì)火災(zāi)的預(yù)防、監(jiān)控和災(zāi)害發(fā)生時(shí)對(duì)人群疏散的研究已經(jīng)成為熱點(diǎn)。由于空間和視角的限制,比較大規(guī)�；馂�(zāi)發(fā)生時(shí),處于現(xiàn)場的救援人員往往無法準(zhǔn)確得知周邊情況。為了更好輔助救援人員搶險(xiǎn)救災(zāi)和人群疏散工作,本文提出一種基于航拍圖像的大范圍路網(wǎng)提取算法以及火災(zāi)發(fā)生時(shí)疏散路網(wǎng)更新生成方法,利用深度學(xué)習(xí)網(wǎng)絡(luò)模型和圖像處理技術(shù)將航拍圖像中的道路、火情信息生成可以理解的語義信息,從高空視角給出宏觀總體態(tài)勢(shì)信息,輔助應(yīng)急管理、人群疏散等決策工作。本文主要研究內(nèi)容如下:1)綜述了災(zāi)害周邊環(huán)境感知所用到的道路識(shí)別算法和火焰識(shí)別算法研究現(xiàn)狀,并對(duì)現(xiàn)有的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型和算法進(jìn)行了分析。2)提出一種道路識(shí)別網(wǎng)絡(luò)模型D-Cross Link Net,設(shè)計(jì)了跨分辨率交叉連接、雙空洞卷積模塊,實(shí)現(xiàn)從航拍圖中抽取城市道路網(wǎng)絡(luò)任務(wù),通過實(shí)驗(yàn)證明了結(jié)果的有效性和優(yōu)越性。3)實(shí)現(xiàn)了綜合RGB、YCb Cr、HSI三種顏色空間規(guī)則的火焰識(shí)別算法,識(shí)別并定位圖像中火災(zāi)點(diǎn),生成標(biāo)記效果圖,適用于多種格式和不同分辨率的圖像。將道路識(shí)別結(jié)果和火焰識(shí)別結(jié)果融合,將道路上的火災(zāi)點(diǎn)標(biāo)記為障礙點(diǎn),生成具有火情標(biāo)...

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1整體研究框架

第一章緒論5耦合致災(zāi)機(jī)理與規(guī)律”（2016YFC0800100），和國家自然科學(xué)基金項(xiàng)目“多約束Power圖快速計(jì)算算法研究”(61972128)。1.4研究內(nèi)容災(zāi)害發(fā)生的時(shí)候利用現(xiàn)有技術(shù)和手段讓救援人員明晰災(zāi)害現(xiàn)場的真實(shí)情況是搶險(xiǎn)救災(zāi)正確指揮的重要保障，因此研究火災(zāi)下的疏散路網(wǎng)....

圖2.1CNN與FCN的工作原理

第二章相關(guān)工作介紹7第二章相關(guān)工作介紹本章介紹支撐災(zāi)害環(huán)境感知方法中使用的算法和相關(guān)理論，首先是基于深度學(xué)習(xí)方法的道路識(shí)別相關(guān)理論，其次是基于顏色空間規(guī)則的火焰識(shí)別相關(guān)理論。2.1道路抽取方法相關(guān)工作在分析了國內(nèi)外對(duì)航拍圖像的道路網(wǎng)絡(luò)抽取方法后，經(jīng)過比較本文選擇使用深度學(xué)習(xí)方法做....

圖2.2不同空洞率的空洞卷積（a）空洞率為1，（b）空洞率為2，（c）空洞率為4

ield）。在道路抽取任務(wù)中，由于道路像素的個(gè)數(shù)在數(shù)據(jù)集的圖像中相對(duì)于非道路來說占整個(gè)圖像的像素點(diǎn)個(gè)數(shù)的比例較小，且道路有曲折復(fù)雜、縱橫交錯(cuò)的特點(diǎn)而導(dǎo)致精確的道路抽取工作十分困難。為了應(yīng)對(duì)這些難點(diǎn)獲得更高的識(shí)別精度，應(yīng)該盡可能的保證特征信息的全局性，而特征圖感受野的適當(dāng)增大可以使....

圖3.1D-CrossLinkNet模型結(jié)構(gòu)圖，其中①為編碼器②為中間部分③為解碼器Fig3.1D-CrossLinkNetmodelstructurediagram,Part1istheencoder,Part2istheCenterpart,Part3isthedecoder.本文提出的D-CrossLinkNet可以分為三個(gè)部分，分別為編碼器、中間部分、

合肥工業(yè)大學(xué)專業(yè)碩士研究生學(xué)位論文12像素點(diǎn)的丟失從而引起了圖像細(xì)節(jié)信息的丟失。其次D-LinkNet值在網(wǎng)絡(luò)模型的最后一層使用了空洞卷積層，沒有很好的利用多層次的特征信息，在現(xiàn)代的語義分割任務(wù)的實(shí)踐中，利用多尺度數(shù)據(jù)是主流思想。由此，本文提出了雙空洞卷積模塊，在多次空洞卷積操作....

本文編號(hào)：4002470