本文選題：火災(zāi)檢測　切入點：前景提取　出處：《西安交通大學(xué)學(xué)報》2017年08期

【摘要】：針對現(xiàn)有火焰前景提取算法提取前景不完整、輪廓失真嚴(yán)重、對復(fù)雜環(huán)境適應(yīng)性差等問題,提出一種采用機器學(xué)習(xí)的火焰前景提取算法。該算法結(jié)合使用監(jiān)督學(xué)習(xí)方法和無監(jiān)督學(xué)習(xí)方法,訓(xùn)練了兩級專用的分類器用于確定疑似目標(biāo)區(qū)域;根據(jù)Real AdaBoost分類器的輸出結(jié)果計算聚類算法的初始中心,并使用計算出的聚類中心對目標(biāo)區(qū)域進行聚類分割,以得到最終的前景區(qū)域。實驗結(jié)果表明:該算法對強光環(huán)境、夜間環(huán)境、靜態(tài)或動態(tài)干擾環(huán)境等復(fù)雜場景均具有較好的適應(yīng)性,得到的前景提取誤差率在2%~28%之間,低于現(xiàn)有其他算法,且?guī)\算耗時小于50ms,能夠很好地完成多種場景下的火焰前景提取工作,為圖像型火災(zāi)檢測系統(tǒng)中后續(xù)的特征提取與識別奠定了基礎(chǔ)。
[Abstract]:Aiming at the problems of incomplete foreground extraction, serious contour distortion and poor adaptability to complex environment, a flame foreground extraction algorithm based on machine learning is proposed.The algorithm combines supervised learning method with unsupervised learning method, and trains a two-level special classifier to determine the suspected target area, and calculates the initial center of the clustering algorithm according to the output of Real AdaBoost classifier.The calculated clustering centers are used to segment the target regions to obtain the final foreground regions.The experimental results show that the algorithm has good adaptability to complex scenes such as strong light environment, night environment, static or dynamic interference environment, and the error rate of foreground extraction is between 2% and 28%, which is lower than that of other existing algorithms.The frame computation time is less than 50ms, which can well complete the flame foreground extraction under various scenarios, which lays a foundation for the subsequent feature extraction and recognition in the image-based fire detection system.
【作者單位】： 天津大學(xué)電子信息工程學(xué)院;南開大學(xué)電子信息與光學(xué)工程學(xué)院;公安部天津消防研究所火災(zāi)物證鑒定中心;
【基金】：天津市科技支撐計劃重點資助項目(14ZCZDSF00020)
【分類號】：TP181;TP391.41

【參考文獻】

相關(guān)期刊論文 前2條

1 耿慶田;于繁華;趙宏偉;王闖;;基于顏色特征的火焰檢測新算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2014年06期

2 張進華;李婷;王孫安;李小虎;;可變視場下的火災(zāi)探測算法[J];西安交通大學(xué)學(xué)報;2012年10期

【共引文獻】

相關(guān)期刊論文 前6條

1 王博;張為;劉艷艷;王鑫;;采用機器學(xué)習(xí)的火焰前景提取算法[J];西安交通大學(xué)學(xué)報;2017年08期

2 伍錫如;黃國明;孫立寧;;基于深度學(xué)習(xí)的工業(yè)分揀機器人快速視覺識別與定位算法[J];機器人;2016年06期

3 劉立;曾花;;基于YIQ顏色空間的火焰輪廓提取算法[J];南華大學(xué)學(xué)報(自然科學(xué)版);2016年02期

4 常曉敏;趙涓涓;葛磊;強彥;史曜華;;基于哈希編碼的無線多媒體傳感網(wǎng)絡(luò)森林火災(zāi)圖像識別算法[J];計算機科學(xué);2016年05期

5 王全;趙涓涓;;海計算模式下的森林火焰識別算法[J];計算機工程與設(shè)計;2015年11期

6 張生杰;張為;;基于混合高斯模型和幀差的火焰前景提取算法[J];信息技術(shù);2014年10期

【二級參考文獻】

相關(guān)期刊論文 前1條

1 袁非牛;廖光煊;張永明;劉勇;于春雨;王進軍;劉炳海;;計算機視覺火災(zāi)探測中的特征提取[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2006年01期

【相似文獻】

相關(guān)期刊論文 前10條

1 楊凌霄;武建平;;機器學(xué)習(xí)方法在人臉檢測中的應(yīng)用[J];計算機與數(shù)字工程;2008年03期

2 ;第十屆中國機器學(xué)習(xí)會議征文通知2006年10月13～15日,海口[J];計算機研究與發(fā)展;2005年10期

3 邵平;;機器學(xué)習(xí)與人臉識別方法概述[J];玉林師范學(xué)院學(xué)報;2006年03期

4 ;第12屆中國機器學(xué)習(xí)會議征文通知 2010年8月6—8日 濟南[J];計算機研究與發(fā)展;2009年11期

5 ;第12屆中國機器學(xué)習(xí)會議征文通知[J];計算機研究與發(fā)展;2009年12期

6 ;第12屆中國機器學(xué)習(xí)會議征文通知 2010年8月6-8日 濟南[J];計算機研究與發(fā)展;2010年01期

7 柏宏權(quán);韓慶年;;機器學(xué)習(xí)在適應(yīng)性教學(xué)系統(tǒng)中的應(yīng)用研究[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2007年04期

8 吳肖炎;郭瑞;;基于機器學(xué)習(xí)的計算機安全技術(shù)綜述(上)[J];保密科學(xué)技術(shù);2013年03期

9 楊升;常勝;侯麗;;機器學(xué)習(xí)在計算機免疫中的應(yīng)用[J];微計算機信息;2007年30期

10 ;《軟件學(xué)報》統(tǒng)計學(xué)習(xí)研究與應(yīng)用�？魑耐ㄖ猍J];軟件學(xué)報;2012年11期

相關(guān)會議論文 前5條

1 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

2 周軍;何力;韓偉紅;鄧璐;;基于機器學(xué)習(xí)的中文評論傾向性分類實證研究[A];第28次全國計算機安全學(xué)術(shù)交流會論文集[C];2013年

3 陳文亮;朱靖波;姚天順;張宇新;;基于Bootstrapping的領(lǐng)域詞匯自動獲取[A];語言計算與基于內(nèi)容的文本處理——全國第七屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議論文集[C];2003年

4 陳振興;賁可榮;;機器學(xué)習(xí)在軟件預(yù)測與評估中的應(yīng)用[A];2006年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2006年

5 焦妍;王厚峰;;基于機器學(xué)習(xí)方法與搜索引擎驗證的縮略語預(yù)測[A];中國計算語言學(xué)研究前沿進展（2009-2011）[C];2011年

相關(guān)重要報紙文章 前5條

1 百度公司技術(shù)副總監(jiān) 多媒體部負責(zé)人 余凱;深度學(xué)習(xí)與多媒體搜索技術(shù)演進[N];中國信息化周報;2013年

2 本報記者 余建斌;機器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日報;2011年

3 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

4 沈建苗 編譯;如何成為大數(shù)據(jù)科學(xué)家[N];計算機世界;2013年

5 本報記者 閔杰;大數(shù)據(jù)：價值創(chuàng)造“殺手锏”[N];中國電子報;2013年

相關(guān)博士學(xué)位論文 前8條

1 杜宇;基于深度機器學(xué)習(xí)的體態(tài)與手勢感知計算關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

2 劉章林;基于機器學(xué)習(xí)的編譯優(yōu)化適應(yīng)性研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2006年

3 杜偉;機器學(xué)習(xí)及數(shù)據(jù)挖掘在生物信息學(xué)中的應(yīng)用研究[D];吉林大學(xué);2011年

4 王秉卿;基于機器學(xué)習(xí)的查詢優(yōu)化研究[D];復(fù)旦大學(xué);2012年

5 陳東成;基于機器學(xué)習(xí)的目標(biāo)跟蹤技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2015年

6 毛慧蕓;人臉美麗吸引力的特征分析與機器學(xué)習(xí)[D];華南理工大學(xué);2011年

7 譚治英;核機器學(xué)習(xí)方法及其在視覺檢測中的應(yīng)用研究[D];電子科技大學(xué);2013年

8 文學(xué)志;基于機器學(xué)習(xí)的路面對象識別關(guān)鍵技術(shù)研究[D];東北大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 毛海斌;基于半監(jiān)督機器學(xué)習(xí)的情感分類領(lǐng)域適應(yīng)問題研究[D];南京理工大學(xué);2015年

2 王成;基于半監(jiān)督機器學(xué)習(xí)的文本情感分析技術(shù)[D];南京理工大學(xué);2015年

3 孫科;基于Spark的機器學(xué)習(xí)應(yīng)用框架研究與實現(xiàn)[D];上海交通大學(xué);2015年

4 劉江龍;基于機器學(xué)習(xí)的射頻指紋定位方法研究[D];電子科技大學(xué);2015年

5 周文U，

本文編號：1684743