基于视频图像的森林烟火检测方法研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:mxf542268673
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
森林防火是保障生命财产安全的重要课题,而烟火产生的早期阶段是火灾预警的重要阶段,对烟的检测能更早的发现火灾警情并进行预防,因此,本课题重点研究白天可见光环境下森林火灾发生初期的森林烟火检测。近年来,基于视频图像森林烟火检测的研究受到越来越多专家学者的关注。与室内烟火检测不同,森林具有距离远,光照条件多变,受天气干扰大等复杂场景因素,在实际检测中需要克服这些复杂环境。本文围绕基于视频图像的森林烟火检测中所涉及的关键问题展开研究。目前,林火检测系统可采用前端识别方式或后端(中心)识别方式。前端识别方式识别模块置于前端,其优势是可保证视频质量,不受网络带宽影响,但前端设备模块不具备高性能运行条件,因此,难以运行深度学习算法;后端识别方式分析识别模块在中心视频分析服务器,可利用中心服务器处理能力强的优势,进行高性能视频分析识别。因此,针对目前前端与后端运行条件,本文分别从传统方法和深度学习方法两个方面进行算法设计与实现。论文主要研究内容如下:(1)提出了基于运动与亮度显著性的运动区域提取方法。烟火运动会产生发散,造成不连续的区域,且由于背景、折射等因素,局部区域之间显著性存在差异,因此,需要针对各连续运动区域分别进行局部显著性特征值的计算。其次,针对各连续运动区域中的动态与静态显著性特征提取,一方面,由于烟火通常运动缓慢,连续区域中近邻的像素点在连续帧中运动显著性相对较弱,称为弱动态显著性区域,另一方面,其亮度特征较颜色、纹理、轮廓等更具有显著性。为此,本文针对森林烟火检测任务中的显著性区域提取,提出了基于运动与亮度显著性的运动区域提取方法。首先提出了基于全局运动显著性的连续运动区域提取,然后在各连续运动区域中,结合空间信息并利用高斯模型,保留弱动态显著性区域特征,另一方面,在Lab颜色空间中构建亮度显著性特征计算模型,最后将运动与亮度特征相结合,计算组稀疏参数,并基于组稀疏ROSL算法得到显著性区域。实验表明,该方法减少了森林环境中非显著性运动区域的干扰,对显著性区域的提取更加精确,从而降低了后续对烟火识别的误报率,提高了烟火检测的效率。(2)提出了基于全卷积神经网络的显著性运动区域提取方法。针对基于深度学习的视频图像显著性运动区域提取,目前主要采用两种策略,一种是采用卷积神经网络并结合多种上下文的深度学习框架学习深度特征,这种方法过分提取图像超像素深层特征信息,忽略了块内的一部分语义信息,导致提取不出足够的像素位置信息;另一种策略是在多帧密集光流上进行模型训练,这种方法计算成本高,无法满足运动区域提取的实时性要求,而且经过调整的模型只针对特定的对象类。考虑全卷积神经网络能够直接生成图像像素级映射,其广泛用于图像分割,本文将全卷积神经网络语义分割的功能与显著性区域提取目标相结合。首先提出了基于全卷积神经网络的显著性区域提取模型,构建网络训练目标损失函数,直接得到静态图像像素级显著性映射,另一方面,结合动静态显著性检测方法,将端到端静态显著性映射延伸到对动态显著性的预测,提出了基于全卷积神经网络连续帧的动态显著性模型,同时将静态显著性图谱作为输入,可以快速准确地修正视频动态显著性区域。最终实验表明,针对森林烟火检测复杂环境,本文方法能够快速有效地得到显著性运动区域。(3)提出了基于稀疏特征提取的森林烟火识别方法。传统目标识别算法直接对目标区域进行特征提取,忽略了烟火半透明、多变的厚度和发散等特性,烟火成分常与背景信息融合形成干扰信息,因此,本文首先构建了基于弹性网络(elastic-net)与辨别性约束条件的烟火区域分离模型,将局部区域的成分看成背景与前景的线性组合进行分离,并将稀疏系数向量作为烟火和非烟特征进行分类与识别,提高了烟火和非烟系数特征的辨别力;针对分类器设计,考虑Ada Boost能够通过提升级联弱分类器分类性能从而达到增强分类器的效果,然而传统Ada Boost对基分类器的提升性能不够鲁棒,且无法增强性能“较强”的基分类器。为了解决Ada Boost自适应参数选择和权重更新的问题,本文提出了一种鲁棒Ada Boost(RAB)方法,将径向基函数支持向量机(RBFSVM)作为基分类器并加以改进。实验表明,将烟火与背景等其他成分分离,同时提取稀疏特征,能够为后续烟火特征提取与识别提供针纯净烟火的可靠信息,采用改进的RAB-RBFSVM提高了分类器的鲁棒性与识别的准确率。(4)提出了基于P3D-DenseNet的森林烟火识别方法。针对基于深度学习的森林烟火识别,早期提出的三维卷积神经网络(C3D)可以同时从时间维度和空间维度上捕捉运动行为和静态形态特征,然而C3D网络存在计算复杂,占用内存大等问题,本文参考伪3D网络(Pseudo-3D,P3D),将学习图像三维信息的卷积操作改用二维空间卷积和一维时间卷积来模拟3D卷积,既能够很好地用于视频特征表达,又大大减少了计算量。然而P3D网络是将这种设计整合到一个深度残差学习框架中,而这种模块级联随着网络的深入,存在模型退化与梯度消失的问题,另一方面,P3D网络连接采用残差网络(Res Net)结构,无法充分利用各层网络特征,因此,为了优化P3D网络,本文引入DenseNet重构P3D模块,实现了各层网络的特征复用,并将不同P3D模块融合形成P3D-Dense Block,保持结构块的多样性,在解决计算复杂度问题的同时,缓解网络训练的梯度消失和模型退化等问题,提高了基于连续帧视频图像的森林烟火识别的效率与准确率。
其他文献
本文针对波形钢腹板组合曲线箱梁桥的力学性能,主要研究两大内容:一是波形钢腹板组合曲线箱梁的弯曲、扭转和畸变性能;二是曲线箱梁中波形钢腹板的剪切屈曲和抗剪强度。本文采用理论分析、有限元数值计算和模型试验的方法,考虑波形钢腹板的结构特点,对上述内容进行研究。主要的研究工作和成果如下:(1)根据曲线箱梁的平衡方程、内力与位移之间的关系,并考虑波形钢腹板的结构特点和剪切变形,推导了波形钢腹板组合曲线箱梁的
随着对地观测技术不断进步和发展,电离层探测从地基单站小范围探测转变成地基空基相结合覆盖全球范围长时间连续性观测。不断涌现的新探测手段,推动了电离层相关科学理论的研究和发展,揭示了各种电离层现象形成的物理机制,加深了对地球空间的环境认识。电离层的研究成果不仅能提高我国北斗卫星导航系统的导航定位精度,还能为交通运输提供高质量导航定位服务。因此对电离层的研究具备重要的经济价值、实用价值和科学研究意义。电
第一章慢性胰腺炎后新发糖尿病的荟萃分析目的:3c型糖尿病(T3cDM)是一种与胰腺外分泌疾病相关的其他特殊类型糖尿病,慢性胰腺炎(CP)是其最常见的病因。本研究进行系统的文献综述,以评价CP相关糖尿病的流行程度、时间进程及分析相关协变量,为临床预防CP患者继发糖尿病提供依据。方法:通过系统地检索Pubmed、Embase及Cochrane三大数据库,以CP后发生新诊断糖尿病或接受胰岛素治疗的糖尿病
过渡金属化合物中的自旋、电荷、轨道以及晶格等自由度之间相互耦合,产生了丰富的物理性质,从而引起了研究者的兴趣。自从在铁磷族化合物中发现了超导电性以后,铁基材料迅速地发展成为凝聚态物理领域最热门的话题之一。最近,实验上发现一类新的准一维铁梯子结构BaFe2X3(X=S/Se)在高压下具有超导电性,为高温铁基超导体的研究开辟了一个新的分支。通常,在低维系统中,过渡金属离子之间相互作用会大大的增强电子-
作为电子系统中重要的接口模块,模数转换器(Analog-to-Digital Converter,ADC)被应用于各类电子设备之中。随着半导体制造工艺和集成电路设计技术的不断进步,针对数字集成电路的协同设计需求和生物医疗、音频电子设备以及能量采集系统等应用场景,低电压低功耗ADC逐渐成为学术界和工业界的研究热点之一。因此,对低电压低功耗ADC主要类型之一的Σ-Δ调制器进行研究,具有十分重要且深远的
标记端多义性是当今机器学习的热点问题。多标记学习中,每个样本都被赋予一组标记子集来表示其多种语义信息。然而,标记强度差异现象在多义性机器学习任务中广泛存在,而既有多标记学习研究中普遍采用的相关/无关两个子集的逻辑划分法几乎完全忽视了这种现象,造成学习过程中不可避免的信息损失。针对这一突出问题,有必要用一种称为标记分布的标注结构来代替逻辑标记对示例的类别信息进行描述。标记分布通过连续的描述度来显式表
近年来,随着控制理论、网络通信以及计算机技术不断的相互融合,网络化控制系统的研究得到了极大发展,并广泛的应用于交通控制、航空航天及智慧城市等领域。对一个实际的网络化控制系统而言,由于节点规模庞大,网络中器件(包括传感器、控制器及执行器等)需要通过无线网络进行信息传输与共享,才能执行所设定的控制协议,完成相应的协同控制任务。在这个过程中,保证节点间良好的信息交互是实现控制目标的前提条件。在多数情况下
第一部分外周血ACE水平、活性及I/D基因多态性与2型糖尿病轻度认知功能障碍的相关性研究背景:血管紧张素转换酶(angiotensin converting enzyme,ACE)是肾素-血管紧张素系统(reninangiotensin system,RAS)的关键酶,与2型糖尿病(Type 2 Diabetes Mellitus,T2DM)及阿尔茨海默病(Alzheimer’s disease,
局域表面等离激元共振(LSPR)利用等离激元纳米结构将远场光的能量压缩到亚波长范围的空间,纳米结构附近的电磁场得到极大的增强,尤其是当两个金属纳米颗粒靠的很近时,由于等离激元耦合效应,纳米间隙处的电磁场得到数百倍增强,即所谓的“热点”(“hot spots”)效应。由于LSPR的电磁场增强效应,等离激元纳米结构附近的分子的拉曼散射信号强度会被极大地提高,即表面增强拉曼散射(SERS)。SERS光谱
研究背景轻度认知损害(mild cognitive impairment,MCI)是痴呆的高危人群,尤其遗忘型轻度认知损害(amnestic mild cognitive impairment,aMCI)主要进展为阿尔茨海默病(Alzheimer’s disease,AD),因此aMCI阶段被认为是AD前期的重要阶段,对该阶段患者认知功能损害机制的研究有助于AD早期诊治。情节记忆损害是aMCI的核