室内视频监控中的香烟烟雾识别的研究

发布时间：2017-04-29 07:15

  本文关键词：室内视频监控中的香烟烟雾识别的研究，由笔耕文化传播整理发布。

【摘要】：香烟烟雾对人的身体健康存在严重威胁,国家卫生计生委已将《公共场所控烟条例》草案上报国务院。而对于香烟烟雾识别问题的研究所面临的挑战主要来自于香烟烟雾对环境条件的敏感性,以及香烟烟雾视频数据集在数量和质量上的有限性。因此,视频监控中香烟烟雾识别的研究,有着非常重要和深远的意义。本文在利用现有硬件设备建立香烟烟雾视频数据集的基础上,详细的分析香烟烟雾的静态特性和动态特性,指出烟雾的统计度量特征、颜色布局特征以及方向特征可有效描述香烟烟雾的特性;并在此基础上,提出多特征融合的方法,提高特征向量的抗干扰性。为了提高特征向量的环境适应性和可靠性,提出利用特征选择算法增强初始特征向量的环境适应能力。针对经典Simba特征选择算法中,认为所有样本具有相同重要性的问题以及没有充分考虑异常值的影响等问题,本文提出引入样本权重和差异性度量理论。与此同时,多特征融合虽然可有效提高环境适应能力,但特征间的冗余特性将会影响最终的识别速率。因此,本文提出基于互信息的Simba特征选择算法(MI_Simba),建立该环境条件下的最优特征向量。通过仿真实验的结果表明,基于互信息的Simba特征选择算法可以有效提高特征向量的环境适应能力和可靠性。香烟烟雾识别问题处于初级阶段,先验知识较少;另外考虑到烟雾识别的特殊性,本文提出以泛化能力强、稳定性好、检测速率优并且需要先验知识非常少的Adaboost算法作为香烟烟雾分类器设计的基础分类器。为了提高分类器的识别效率,引入代价敏感挖掘理论,增强分类器的识别针对性。另外,考虑到自建香烟烟雾视频数据集的有限性,提出基于小样本学习机——支持向量机的代价敏感Adaboost算法。通过实验验证本算法在香烟烟雾识别问题上的有效性和优越性。
【关键词】：多特征融合 MI-Simba算法 SVM_CS_Adaboost算法 香烟烟雾识别
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 本文研究背景及意义10-11
• 1.2 视频监控中的香烟烟雾识别的研究现状11-15
• 1.3 本文的研究内容15-16
• 第2章 视频监控中的香烟烟雾特征分析及研究16-34
• 2.1 引言16
• 2.2 香烟烟雾视频的获取及预处理16-20
• 2.2.1 香烟烟雾视频数据集的建立16
• 2.2.2 烟雾视频的预处理16-20
• 2.3 香烟烟雾静态特性的分析研究20-29
• 2.3.1 基于纹理的统计度量特征20-25
• 2.3.2 香烟烟雾的颜色特征25-29
• 2.4 香烟烟雾动态特性的分析研究29-32
• 2.4.1 单高斯背景模型30-31
• 2.4.2 获取烟雾运动区域31
• 2.4.3 烟雾动态特征的提取31-32
• 2.5 视频特征的提取方式32-33
• 2.6 本章小结33-34
• 第3章 香烟烟雾视频特征选择方法的研究34-46
• 3.1 引言34
• 3.2 经典特征选择算法的分析研究34-37
• 3.2.1 向前及向后搜索算法34-35
• 3.2.2 +L-R搜索算法35-36
• 3.2.3 Simba特征选择算法36-37
• 3.3 基于互信息的Simba特征选择算法37-42
• 3.3.1 互信息37-40
• 3.3.2 Simba算法目标评估函数的优化40-41
• 3.3.3 基于互信息的 Simba 算法41-42
• 3.4 特征选择算法的比较42-45
• 3.4.1 实验设置42
• 3.4.2 实验方法及结果分析42-45
• 3.5 本章小结45-46
• 第4章 烟雾识别分类器的设计46-64
• 4.1 引言46
• 4.2 常用分类器的分析研究46-54
• 4.2.1 线性判别函数和决策超平面46-47
• 4.2.2 支持向量机47-52
• 4.2.3 Adaboost算法52-54
• 4.3 基于SVM的代价敏感Adaboost算法54-59
• 4.3.1 代价敏感挖掘54-55
• 4.3.2 代价敏感 Adaboost 算法55-56
• 4.3.3 基于SVM的代价敏感Adaboost算法56-59
• 4.4 实验结果与分析59-63
• 4.4.1 实验设置59-60
• 4.4.2 实验方法及结果分析60-63
• 4.5 本章小结63-64
• 结论64-66
• 参考文献66-70
• 攻读硕士学位期间承担的科研任务与主要成果70-71
• 致谢71-72
• 作者简介72

【参考文献】

中国期刊全文数据库 前9条

1 苏开娜,乔晓梅;基于Zernike矩的人体行为识别[J];北京工业大学学报;2005年04期

2 王圆圆;陈云浩;李京;;基于支持向量机(SVM)特征加权/选择的光谱匹配算法[J];光谱学与光谱分析;2009年03期

3 张辉;赵保军;唐林波;李建科;;基于自适应多特征整合的红外目标跟踪[J];光学学报;2010年05期

4 闫明松;周志华;;代价敏感分类算法的实验比较[J];模式识别与人工智能;2005年05期

5 李新德;杨伟东;DEZERT Jean;;一种飞机图像目标多特征信息融合识别方法[J];自动化学报;2012年08期

6 赵海勇;贾保先;;基于轮廓特征的人体行为识别[J];计算机科学;2013年02期

7 李秋洁;茅耀斌;叶曙光;王执铨;;代价敏感Boosting算法研究[J];南京理工大学学报;2013年01期

8 付忠良;;多标签代价敏感分类集成学习算法[J];自动化学报;2014年06期

9 胡长勃,冯涛,马颂德,卢汉清;基于主元分析法的行为识别[J];中国图象图形学报;2000年10期

  本文关键词：室内视频监控中的香烟烟雾识别的研究，由笔耕文化传播整理发布。

，

本文编号：334425