基于深度圖像的火焰探測和人形識別研究.pdf

1、本文基于深度圖像技術(shù)，以飛行時間(time of flight，TOF)深度相機(jī)為主要設(shè)備，開展了深度圖像技術(shù)在火焰探測和人形識別中的應(yīng)用。開發(fā)了用于火焰探測和人形識別的算法，實現(xiàn)了較高精度的火焰探測和人形識別。通過將算法與設(shè)備整合，建立了基于深度圖像的火災(zāi)監(jiān)控系統(tǒng)，實現(xiàn)了研究成果的應(yīng)用。主要研究內(nèi)容如下:
　　為開發(fā)飛行時間深度圖像技術(shù)在火災(zāi)探測中的應(yīng)用、簡化探測算法、提高檢測速率和準(zhǔn)確性，結(jié)合火焰的深度圖像特征，設(shè)計了基于深度

2、圖像變化率的火焰識別算法。以三維深度相機(jī)為主要圖像捕獲設(shè)備，進(jìn)行了多組火焰探測實驗，包括正庚烷火焰、乙醇火焰、紙張火焰、燈光干擾、行人干擾實驗，對捕獲的圖像進(jìn)行了處理與計算，設(shè)計了識別火焰的簡化算法和火焰像素估計模型。采用該方法分析了火焰深度圖特征，火焰識別結(jié)果圖像的頻譜圖特征、集中度特征以及面積變化特征。研究結(jié)果表明，采用文中提出的算法的實驗識準(zhǔn)率大于91.5％，誤識率小于3.8％，能有效識別火焰。
　　結(jié)合Adaboost算法

3、和決策樹模型在人形分類上的優(yōu)勢，設(shè)計了基于深度圖像和統(tǒng)計學(xué)習(xí)方法的人形識別算法。通過建立自制人形樣本庫，根據(jù)人員疏散的具體應(yīng)用場景，進(jìn)行了正負(fù)樣本圖像的采集與預(yù)處理。使用Adaboost和CART決策樹對正負(fù)樣本圖像進(jìn)行訓(xùn)練和檢測。比較了三種Adaboost分類器的識別效果，發(fā)現(xiàn)Gentle Adaboost算法的分類效果優(yōu)于其他兩種算法。分析了HOG-depth特征的參數(shù)對結(jié)果的影響，發(fā)現(xiàn)考慮方向的正負(fù)性后能夠減小分類錯誤率，并且增加