检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的森林火灾烟雾识别方法研究

基于深度学习的森林火灾烟雾识别方法研究

作者：祖鑫萍东北林业大学

学位级别：硕士

为降低森林火灾事故频发带来的经济财产损失,对森林火灾及时准确进行监测并将其遏制在萌芽状态至关重要。由于森林火灾图像背景复杂,烟雾形态多变,与烟雾类似的水雾、云等干扰因素较多,导致传统基于图像处理的森林火灾烟雾识别方法难以... 详细信息

为降低森林火灾事故频发带来的经济财产损失,对森林火灾及时准确进行监测并将其遏制在萌芽状态至关重要。由于森林火灾图像背景复杂,烟雾形态多变,与烟雾类似的水雾、云等干扰因素较多,导致传统基于图像处理的森林火灾烟雾识别方法难以准确提取烟雾特征,模型存在准确率低、泛化能力较差等问题。当前基于深度学习的烟雾识别方法通过自动学习图像烟雾信息达到识别烟雾目的,但此方法也存在数据样本过少、识别精度低、响应速度慢等问题。针对上述问题,提出了一种基于YOLOv7的森林火灾烟雾高效监测及预警方法。本文主要工作如下:(1)通过无人机拍摄和网络收集整理了一组森林火灾烟雾数据集,涵盖了数量、烟雾场景、干扰情况等多个维度的因素;利用Label Img工具对图像中烟雾利进行标注,标签为smoke,并将其制作成VOC2007格式的数据集;利用翻转、亮度、旋转、对比度调节、亮度调节和增加椒盐噪声等数据增强手段对烟雾数据进行预处理,防止模型出现过拟合现象。(2)将预先在Image Net上训练过的YOLOv7、SSD和Faster RCNN模型迁移到森林火灾烟雾场景中并考察其可行性。对比分析不同模型的烟雾识别性能,结果表明采用迁移学习方法训练模型可以提升模型的收敛速度和识别精度,证明了迁移学习的有效性和优越性,且基于YOLOv7迁移的烟雾识别模型表现最好,平均精度达到88.01%。(3)针对YOLOv7模型对火灾初期薄烟雾和小烟雾的识别效果较差问题,提出了一种改进的YOLOv7模型。通过在主干特征网络中加入EPSANet和SANet注意力机制,弥补网络对多尺度空间特征提取能力不足问题;采用Bi FPN网络替代原始PANet网络提高对多维特征的融合能力;基于K-means++算法对烟雾数据集进行重新聚类,得到适用于森林火灾烟雾的先验框;利用解耦头将预测框分类与定位任务进行解耦,并对损失函数进行优化,提高模型识别精确度和模型收敛速度。实验结果表明,改进后的YOLOv7-w模型在烟雾识别平均精度达到93.02%,比YOLOv7提高了5.01%。(4)针对YOLOv7-w模型网络参数量较高,推理速度较慢,无法满足轻量化部署要求等问题,对YOLOv7-w模型进行了两部分改进:第一部分,引入轻量化的Ghost卷积和DSConv卷积分别对主干网络进行重构,大幅度降低模型参数量;第二部分,选取识别效果较好DSConv-YOLOv7-w轻量化网络模型,采用剪枝算法消除该网络模型的冗余通道,并对剪枝后的模型进行微调提高烟雾识别效果。与YOLOv7-w模型相比,改进后的YOLOv7-wl模型参数量减少了4.27M达到4.3M,识别速度提升了19 f/s,达到56 f/s。结果表明改进后的模型能够对烟雾区域进行高效识别,降低了对硬件设备的计算要求,对森林火灾监测具有重要应用价值。

关键词：森林火灾烟雾深度学习 YOLOv7算法目标识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频的森林火灾烟雾检测系统研究

基于视频的森林火灾烟雾检测系统研究

作者：张小正南京航空航天大学

学位级别：硕士

基于视频的火灾烟雾检测技术通过对烟雾图像进行分析、处理、识别来判断灾情,是一种非接触式的检测技术,因而该技术适用范围广、速度快、准确率高,弥补了传统检测技术的不足而被广泛应用。如何将该技术应用到复杂的森林环境中已成为近... 详细信息

基于视频的火灾烟雾检测技术通过对烟雾图像进行分析、处理、识别来判断灾情,是一种非接触式的检测技术,因而该技术适用范围广、速度快、准确率高,弥补了传统检测技术的不足而被广泛应用。如何将该技术应用到复杂的森林环境中已成为近年来的研究热点。因此,本文对基于视频的森林火灾烟雾检测技术展开深入研究,主要研究工作如下:首先,研究改进的基于背景建模的运动目标检测算法。在传统的码本模型基础上,融入LBP算子,用LBP直方图向量代替原有的RGB向量,利用码本记录局部区域的纹理特性,提高算法对光照变化的适应能力。此外,为了提高运行速度,将建模对象由像素点转为图像块,并对码本模型算法中的码字位置进行调整,改进后的算法运行速度有了显著提高。其次,分析和提取了烟雾的多种特征。烟雾在扩散时并不是仅存在单一的特征而是多特征并存。通过多次实验比较分析,提取了烟雾的5种特征,包括颜色特征、背景模糊特征、运动方向特征、轮廓不规则特征及重心移动特征。将提取的共13个烟雾特征值构成特征向量组成分类器训练和识别的样本数据。再次,设计了基于随机森林算法的烟雾识别分类器,并分析了影响分类器分类性能的多个因素,包括决策树的数目、特征变量的数目、数据预处理方式、算法的投票机制,在实验的基础上对分类器进行了优化。结果表明优化后的随机森林分类器对烟雾具有更好的识别效果。最后,搭建了完整的森林火灾烟雾检测系统。该系统综合了图像预处理算法、运动目标检测算法、烟雾图像特征及优化的随机森林分类器。通过多个视频对烟雾检测系统进行性能测试,结果表明系统能快速、准确地识别出烟雾。

关键词：森林火灾烟雾运动目标检测烟雾特征提取随机森林算法烟雾检测系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频分析的森林火灾烟雾探测技术

基于视频分析的森林火灾烟雾探测技术

作者：翟济云南京航空航天大学

学位级别：硕士

森林火灾作为最严重的自然灾害之一,给人类带来了严重的经济损失。传统的基于传感器的森林火灾检测技术,检测效果不甚理想,存在大量的误检漏检现象。为此,相关研究人员开展了基于计算机视觉的森林火灾检测技术研究,其中利用森林火灾产... 详细信息

森林火灾作为最严重的自然灾害之一,给人类带来了严重的经济损失。传统的基于传感器的森林火灾检测技术,检测效果不甚理想,存在大量的误检漏检现象。为此,相关研究人员开展了基于计算机视觉的森林火灾检测技术研究,其中利用森林火灾产生的烟雾来进行火灾检测和报警成为了关注的热点。因此,本文针对基于视频分析的森林火灾烟雾探测技术展开深入研究,主要的研究工作如下:首先,研究改进了基于背景建模的运动目标检测方法。在传统的基于混合高斯背景模型的基础上,加入了基于LBP纹理的背景模型,利用D-S证据理论将基于混合高斯模型和基于LBP纹理模型的检测结果进行了融合,显著提高了运动目标检测的精度和鲁棒性。另外,为了提高运行速度,本文提出基于图像块进行背景建模的方法,相较于传统的基于图像像素的背景建模运行速度有了明显的改善。其次,分析和提取了烟雾在图像中的特征。分别考虑了烟雾的静态特征和动态特征,其中静态特征包括颜色特征、纹理特征和高频能量,动态特征包括面积变化、运动方向和运动累积量。对所设计的烟雾特征进行了实验分析,结果表明依靠单个特征很难实现烟雾与非烟雾的准确区分,而通过多个特征进行组合可以有效地描述烟雾。再次,设计了基于支持向量机的烟雾识别分类器,并对影响分类器识别精度的多个因素,包括特征值归一化的方式、不同的核函数、不同参数和不同的特征组合,进行了分析和比较。在实验结果的基础上对分类器进行了优化,获得了识别效果最优的烟雾分类器。最后,综合本文设计的运动目标检测算法、烟雾图像特征以及基于支持向量机的烟雾分类器,设计了一个完整的森林火灾烟雾检测系统,并对系统进行了性能测试,测试结果表明系统可以快速、准确地识别出烟雾。

关键词：森林火灾烟雾运动目标检测静态特征动态特征支持向量机

基于合成图像的Faster R-CNN森林火灾烟雾检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山东师范大学学报（自然科学版） 2019年第2期34卷 180-185页

作者：张倩周平平王公堂李天平山东师范大学物理与电子科学学院济南50358 盐城生物工程高等职业技术学校江苏盐城224051

本文采用合成图像的FasterR-CNN对森林火灾烟雾进行检测,避免了传统视频烟雾检测方法中复杂的人工特征提取过程.合成烟雾图像是将真实或模拟烟雾插入到森林背景中,解决了训练数据缺乏的问题.将真实合成烟雾和模拟合成烟雾分别训练后的... 详细信息

本文采用合成图像的FasterR-CNN对森林火灾烟雾进行检测,避免了传统视频烟雾检测方法中复杂的人工特征提取过程.合成烟雾图像是将真实或模拟烟雾插入到森林背景中,解决了训练数据缺乏的问题.将真实合成烟雾和模拟合成烟雾分别训练后的模型放在由真实火焰烟雾图像组成的数据集中测试,测试结果表明,模拟烟雾是更好的选择,模型对薄烟不敏感.通过改进森林火灾烟雾图像的合成过程或者将这个解决方案扩展到视频序列中,可以进一步提高它的性能.

关键词：森林火灾烟雾 FasterR-CNN 图像视频烟雾检测深度学习

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进GMM算法的林火烟雾识别研究

火灾科学 2019年第3期28卷 149-155页

作者：袁雯雯姜树海史晨辉南京林业大学机械电子工程学院南京210037 南京林业大学智能控制与机器人技术研究所南京210037

针对森林火灾烟雾场景光照突变时传统混合高斯模型(GMM)无法适应的问题,提出基于改进GMM的林火烟雾识别算法。通过六足机器人平台上的CCD摄像机读取当前帧图像,与混合高斯模型建立的前一个背景图像作差分得到变化区域,计算二值化后的变... 详细信息

针对森林火灾烟雾场景光照突变时传统混合高斯模型(GMM)无法适应的问题,提出基于改进GMM的林火烟雾识别算法。通过六足机器人平台上的CCD摄像机读取当前帧图像,与混合高斯模型建立的前一个背景图像作差分得到变化区域,计算二值化后的变化区域中像素值为1的像素点占总像素点的比例,与设定的阈值相比较从而判别森林火灾场景中的光照是否发生突变。若场景内光照发生突变,采用一个较大的更新速率α,保持模型的稳定性;若场景内光照未发生突变,根据不同的情况自适应调整更新速率α的值,保证模型快速收敛。实验表明,改进的GMM算法可检测到场景中相对完整的动态烟雾区域,满足林火烟雾的检测要求,以期为图像处理在森林火灾巡检机器人上的应用和进一步研究提供参考。

关键词：森林火灾烟雾混合高斯模型光照突变更新速率

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于视频分析的林火烟雾检测方法研究

基于视频分析的林火烟雾检测方法研究

作者：于家博哈尔滨理工大学

学位级别：硕士

森林对于生态系统的可持续发展起着关键作用,而森林火灾的发生严重威胁着生态系统发展。林火发生初期,由于树木的遮挡,火焰很难被发现,但烟雾却易被监控视频采集。相对传统的传感器技术,基于计算机视觉的森林火灾检测技术具有监控范围... 详细信息

森林对于生态系统的可持续发展起着关键作用,而森林火灾的发生严重威胁着生态系统发展。林火发生初期,由于树木的遮挡,火焰很难被发现,但烟雾却易被监控视频采集。相对传统的传感器技术,基于计算机视觉的森林火灾检测技术具有监控范围广、实时性强等优势,能够在森林火灾发生初期及时进行预警,极大地减小了火灾造成的危害。为此,本文针对基于视频分析的林火烟雾检测方法进行研究意义重大。根据森林火灾烟雾视频的特点,为了准确、快速地识别林火烟雾图像,本文对烟雾视频中运动目标检测、烟雾图像特征提取以及基于支持向量机分类器的设计等相关问题进行深入研究,提出基于视频分析的林火烟雾检测方法。烟雾视频的运动目标检测对林火烟雾的识别至关重要,它是后续对烟雾静态、动态特征提取以及烟雾位置标定的基础。在对运动目标检测的几种常用方法中,Vi Be算法具有占用内存少,计算复杂度低的特点,但其存在对光照变化适应性差和对噪声敏感的不足,本文利用SILTP算子的光照不变性,对Vi Be算法进行改进,实验结果表明改进算法对光照变化和噪声具有较强的鲁棒性。进而采用Freeman链码提取运动目标图像边缘,并通过外接矩形框获取运动目标图像。同时对烟雾的静态、动态特征进行研究。静态特征包括纹理特征、高频能量特征、边缘不规则特征;动态特征包括重心移动特征、运动方向特征。研究结果表明单一特征很难准确区分烟雾与非烟雾图像,需要多个特征组合才能有效区分。为此,本文设计了基于支持向量机的烟雾识别分类器,对影响分类器识别精度的因素,包括特征数据归一化、不同核函数、不同参数和不同特征组合进行分析与对比,根据对比结果对分类器进行优化,从而获得识别效果最优的烟雾分类器。将运动目标检测、烟雾图像特征提取和烟雾分类器进行组合,构成林火烟雾检测算法,对该算法进行性能测试,测试结果表明:本文提出的基于视频分析的烟雾视频图像检测算法对于烟雾视频图像的检测正确率达到93%以上,实现了对林火烟雾的准确检测。

关键词：森林火灾烟雾运动目标检测静态特征动态特征支持向量机