基于深度学习的火灾烟雾检测算法研究及应用

发布时间：2024-06-30 18:29

　　传统的火灾图像检测算法大多以火焰为检测目标,而火灾发生伊始产生的是烟雾,火情中期才会产生火焰,导致无法第一时间防控。同时,常见的以单一特征识别烟雾的算法在场景复杂或干扰较多的情况下识别率下降,漏检率骤增。针对上述研究现状与应用场景,本文在无CUDA与cuDNN条件下提出了基于运动目标与多特征融合的烟雾检测算法。首先对输入视频以帧间差分与背景差分联合检测算法找到视频中的运动区域,提取烟雾以白烟、黑烟、青烟、灰烟存在所具备的颜色特征、烟雾受风力影响常呈现凸状的形态特征、烟雾的动态特征以及纹理特征,然后利用上述提取到的融合特征来训练支持向量机。将提取到的运动区域依次通过该分类器对烟雾与非烟雾分类。最后,针对分类结果运用非极大值抑制算法剔除冗余框。在森林环境、田园环境与城市环境下的测试视频分别得到92.44%、90.62%、91.14%的查准率,相对于传统算法查准率不足85%有较大提升,同时硬件算力要求低,在树莓派、FPGA、DSP等硬件环境均可移植。本文还提出了基于KCF与YOLOv3的森林火灾烟雾检测算法。在支持CUDA与cuDNN条件下采用双线程检测方法,一方面搭建DarkNet深度学习...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图2-1计算机视觉系统

2烟雾检测算法的理论基础82烟雾检测算法的理论基础本章将以计算机视觉系统的设计作为切入点，首先，介绍传统目标检测算法、目标跟踪算法以及基于检测的目标跟踪算法的理论基础；其次，介绍人工智能的发展、深度学习框架的组成与应用、基于深度学习的目标检测算法；最后，介绍本文算法的评价指标。2....

图2-2目标检测与目标跟踪流程

西安理工大学硕士学位论文9图2-2目标检测与目标跟踪流程Figure2-2Targetdetectionandtargettrackingprocess图2-3计算机视觉系统应用场景Figure2-3Computervisionsystemapplicationscenario2....

图2-3计算机视觉系统应用场景Figure2-3Computervisionsystemapplicationscenario

西安理工大学硕士学位论文9图2-2目标检测与目标跟踪流程Figure2-2Targetdetectionandtargettrackingprocess图2-3计算机视觉系统应用场景Figure2-3Computervisionsystemapplicationscenario2....

图2-4目标检测算法流程

2烟雾检测算法的理论基础10图2-4目标检测算法流程Figure2-4Targetdetectionalgorithmprocess①生成候选框：对于输入的图像信息，经过预处理后以分块输入的形式输入到分类网络，故生成多个候选框如图2-5所示。其中候选框中的图像与工程应用中输入的图....

本文编号：3998908