煙霧檢測可為早期火警提供重要的線索�；谟�(jì)算機(jī)視覺的煙霧檢測技術(shù)比基于傳感器的檢測技術(shù)應(yīng)用范圍更廣泛,成為了火災(zāi)檢測與預(yù)警領(lǐng)域中一個重要的研究方向。其中單圖煙霧識別是煙霧檢測的基礎(chǔ)任務(wù)之一,而煙霧特征表示方法以及識別模型是單圖煙霧識別中的關(guān)鍵技術(shù)。若能對煙霧的內(nèi)在結(jié)構(gòu)進(jìn)行有效表示,將提高煙霧識別與檢測結(jié)果的精度與可信度,從而增加計(jì)算機(jī)視覺技術(shù)在火災(zāi)預(yù)警中的應(yīng)用價(jià)值與實(shí)用性,并推動特征表示算法與識別模型學(xué)習(xí)的發(fā)展。煙霧的運(yùn)動、形態(tài)、顏色、濃度等屬性缺乏穩(wěn)定性,極易受到燃燒物與環(huán)境的影響。煙霧的統(tǒng)一規(guī)律難以總結(jié),這使得煙霧底層特征缺乏魯棒性與表達(dá)力,最終導(dǎo)致煙霧識別的誤報(bào)率偏高。因此需研究能有效保留煙霧內(nèi)在結(jié)構(gòu)的特征表示方法,同時(shí)尋找能提高識別效率的識別模型。一方面,現(xiàn)有研究表明,局部特征表示方法能有效地描述煙霧最穩(wěn)定的紋理屬性。傳統(tǒng)局部特征表示方法有如下缺點(diǎn):（1）依賴于手工設(shè)計(jì),對領(lǐng)域先驗(yàn)知識要求高;（2）大多作用于單張圖片,特征表達(dá)力有限;（3）對多尺度特征、高階特征等擴(kuò)展特征的融合方式過于簡單,這會帶來冗余、增加計(jì)算量、降低特征表示的效率。深度學(xué)習(xí)框架不存在以上缺陷,但缺乏可解釋性... 

【文章來源】：江西財(cái)經(jīng)大學(xué)江西省

【文章頁數(shù)】：134 頁

【學(xué)位級別】：博士

【部分圖文】：

煙霧訓(xùn)練集圖片示例

圖 3.7 煙霧測試集圖片示例(2) 本文(所有章節(jié))煙霧識別評價(jià)指標(biāo)用于評估煙霧識別效果的主要指標(biāo)是檢測率(DR：Detection Rate)、誤報(bào)率(FAR：False Alarm Rate)與錯誤率(ERR：Error Rate)，計(jì)算方法如公式(3.16)所示。tppfpnfp fnp n100%100%100%NDRNNFARNN NERRN N, , , (3.16)Np與 Nn分別代表數(shù)據(jù)集中煙霧圖(正樣本)與非煙霧圖(負(fù)樣本)數(shù)，Ntp是正樣本被預(yù)測為正類的數(shù)量(真陽 TP)，Nfn是正樣本被預(yù)測為負(fù)類的數(shù)量(假陰 FN)，Nfp是負(fù)樣本被預(yù)測為正類的數(shù)量(假陽 FP)�；诖耍珼R 代表正樣本被正確分類的比率，其實(shí)就是真陽性率(TPR)；FAR 代表負(fù)樣本被錯分為正樣本的比率，本質(zhì)上是假陽性率(FPR)；ERR 是被分錯的所有樣本的占比，是與準(zhǔn)確率互補(bǔ)的指

R R(2 , 0) ... (2 , 2 )k kr m r r m R R Rk是位于第 k 個尺度層上、中心點(diǎn)在(x, y)處、半徑為 r 的采樣矩陣k (2r+1)×(2r+1)。所有采樣矩陣 R1, R2,…, RK尺寸相同，因此把它們看作是一D 采樣窗口 R=[R1,…,RK]，其本質(zhì)是一個張量，維度為 R K (2r+1) (2r+1)。公4.2)中 mR是采樣窗口 R 中的像素均值，Dk是每一尺度層上減去均值的差分，K 層差分矩陣能夠組成一個 3D 差分窗口，尺寸為 Dk (2r+1) (2r+1)。通過改心坐標(biāo)(x, y)，3D 局部采樣窗口 R 則可在整個尺度空間中滑動。如前文所述，本章構(gòu)建了尺度空間而非采用尺度金字塔來實(shí)現(xiàn)以上的 3D操作，此操作能避免圖 4.1 (b)中的“出界”現(xiàn)象。公式(4.2)中 Dk (2r+1) (2r+1)，則 K 個尺度層上的 Dk可以組成類似 R 的張local=[D1,…,DK]，即局部差分矩陣 Dlocal有 K(2r+1)2個元素。將這些元素按圖 示的方式拉直組成局部差分向量 d K(2r+1)(2r+1) 1。與 LBP 的計(jì)算類似，d 的魯棒性是通過減去均值而獲得的。本章選 r=1，K=3，則采樣矩陣 R 3 3 到差分元素 27 個，對應(yīng)的差分向量 d 27 3。

【參考文獻(xiàn)】：
期刊論文
[1]視頻煙霧檢測研究進(jìn)展[J]. 史勁亭,袁非牛,夏雪.  中國圖象圖形學(xué)報(bào). 2018(03)
[2]高效的光照、旋轉(zhuǎn)、尺度不變紋理分類算法[J]. 樊養(yǎng)余,王軍敏,余建明.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(11)
[3]基于圖像空間金字塔SURF-BoW的步態(tài)識別[J]. 史東承,賈令堯,梁超,王新穎.  計(jì)算機(jī)工程. 2017(09)
[4]基于多特征和SVM的兵馬俑碎片分類[J]. 魏陽,周明全,耿國華,鄒林波.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[5]利用視覺詞袋模型和顏色直方圖進(jìn)行遙感影像檢索[J]. 胡屹群,周紹光,岳順,王莎.  測繪通報(bào). 2017(01)
[6]基于多描述子分層特征學(xué)習(xí)的圖像分類[J]. 郭繼昌,王楠,張帆.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2016(11)
[7]一種基于分層特征學(xué)習(xí)的標(biāo)簽一致K-SVD圖像分類方法[J]. 王博,郭繼昌,張艷.  陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[8]帶圖像處理的火災(zāi)報(bào)警系統(tǒng)抗干擾性研究[J]. 陳曉娟,卜樂平,楊加軍.  儀器儀表學(xué)報(bào). 2010(12)
[9]基于測地線活動區(qū)域模型的非監(jiān)督式紋理分割[J]. 何源,羅予頻,胡東成.  軟件學(xué)報(bào). 2007(03)
[10]火災(zāi)探測技術(shù)的現(xiàn)狀及發(fā)展方向[J]. 郭鍵,王汝琳,李明.  遼寧工程技術(shù)大學(xué)學(xué)報(bào). 2004(02)

碩士論文
[1]基于視頻的大空間建筑火災(zāi)探測方法研究[D]. 賈陽.西安建筑科技大學(xué) 2013



本文編號：2997192