基于隨機森林算法的煙霧檢測算法研究.pdf

1、傳統(tǒng)的傳感器煙霧探測系統(tǒng)監(jiān)測范圍小，且傳感器極易老化中毒導致靈敏度降低，視頻煙霧探測技術(shù)由于其自身的響應(yīng)時間短、靈敏度高、覆蓋面積大等優(yōu)點，受到越來越多的親睞。然而現(xiàn)有的一些視頻煙霧探測技術(shù)誤報率還比較高，本文梳理了現(xiàn)有的一些煙霧探測算法，研究了一個基于隨機森林算法視頻煙霧探測系統(tǒng)。
　　堅實的理論推導以及大量應(yīng)用在模式識別的經(jīng)驗表明隨機森林有著高準確率、方便快捷、分析數(shù)據(jù)重要性等眾多優(yōu)點。將隨機森林應(yīng)用到視頻煙霧探測領(lǐng)域，為后者

2、帶來了新的挑戰(zhàn)和動力。本文首先分析了隨機森林及其相關(guān)算法，總結(jié)出一種基于隨機森林的特征選擇算法。通過實驗將隨機森林和其他分類器做了較全面的性能比較。
　　為加快檢測速度，本文將視頻幀分成大小相等不重疊的塊，通過運動分析定位每個運動塊，引用Chen等人提出的煙霧顏色分析算法，得出疑似煙霧運動塊，之后引用袁非牛等人提出的主運動方向分析算法，排除非上升運動干擾物。介紹了HEP紋理框架中的九種描述子，使用了一種四分類解決二分類的方法，并使

3、用這種方法驗證了紋理特征在煙霧探測中的性能。
　　為了進一步分析煙霧視頻的動態(tài)特性，本文引入了基于塊的幀間差分析，通過實驗驗證了顏色矩可以更好的表征BIFD特征;對動態(tài)紋理特征分析引入了目前公認的性能較好的LBP-TOP以及EOH-TOP特征，并提出一種改進的BGC3-TOP特征，經(jīng)過實驗對比識別率、特征提取時間以及特征維數(shù)，最終選擇EOH-TOP描述煙霧的動態(tài)紋理特征。
　　最后本文實現(xiàn)了煙霧視頻探測演示系統(tǒng)，在一些公共視