基于機(jī)器學(xué)習(xí)的火災(zāi)檢測(cè)方法研究.pdf

1、每年火災(zāi)都會(huì)造成嚴(yán)重的人員傷亡和財(cái)產(chǎn)損失，快速有效的火災(zāi)檢測(cè)對(duì)爭(zhēng)取火災(zāi)救援時(shí)間，減輕火災(zāi)損失具有重要意義?；馂?zāi)檢測(cè)技術(shù)發(fā)展至今，方法上主要有溫感探測(cè)、煙感探測(cè)和視覺(jué)探測(cè)三種，而視覺(jué)探測(cè)技術(shù)是基于計(jì)算機(jī)數(shù)字圖像處理和模式識(shí)別發(fā)展而來(lái)的一種新型火災(zāi)探測(cè)技術(shù)，可以實(shí)現(xiàn)非接觸式探測(cè)，具有高智能性，不易受到空間高度、有毒、易爆等外在工作環(huán)境條件的限制，因此具有廣闊的應(yīng)用前景。
　　樓宇等高大空間視界開(kāi)闊，可能的干擾較多，傳統(tǒng)溫感、煙感火災(zāi)探

2、測(cè)器難以有效覆蓋，人工提取特征的圖像型火災(zāi)檢測(cè)在多干擾的情況下準(zhǔn)確率有限。針對(duì)此問(wèn)題，本文首先提出基于Dense-SIFT字典學(xué)習(xí)的傳統(tǒng)完整火焰檢測(cè)算法，其后創(chuàng)新性地將深度學(xué)習(xí)的方法應(yīng)用到火災(zāi)火焰檢測(cè)，并在此基礎(chǔ)上對(duì)比了傳統(tǒng)方法和深度學(xué)習(xí)火災(zāi)火焰檢測(cè)效果。實(shí)驗(yàn)結(jié)果顯示，本文提出的基于Dense-SIFT字典學(xué)習(xí)的算法顯著提高了檢測(cè)準(zhǔn)確率，減少了冗余判決，檢測(cè)的實(shí)時(shí)性、有效性和穩(wěn)定性有較大提高，而所用深度學(xué)習(xí)算法在隱層并不多的情況下，也達(dá)

3、到甚至超過(guò)了傳統(tǒng)算法的效果。具體如下:
　　(1)基于Dense-SIFT字典學(xué)習(xí)法檢測(cè)火災(zāi)分為運(yùn)動(dòng)目標(biāo)提取、可能火焰目標(biāo)識(shí)別和火焰特征分析等三個(gè)部分。首先，結(jié)合像素的空間分布相關(guān)性和SILTP特征，利用改進(jìn)的背景減除法對(duì)視頻流進(jìn)行運(yùn)動(dòng)檢測(cè)，獲取運(yùn)動(dòng)像素。其次，對(duì)前面獲得的運(yùn)動(dòng)像素基于HSI顏色判別，獲得具有火焰特征顏色的二次目標(biāo)。最后，采用Dense-SIFT字典學(xué)習(xí)的方法，對(duì)二次目標(biāo)的梯度特征和閃爍特征等進(jìn)行最終的判決。

4、>　　(2)開(kāi)創(chuàng)性的將深度學(xué)習(xí)用于火災(zāi)檢測(cè)，采用適合圖像處理的卷積神經(jīng)網(wǎng)絡(luò)CNN檢測(cè)火焰。為做以對(duì)比，在CNN自動(dòng)提取特征的基礎(chǔ)上，分別采用邏輯回歸LR和SVM分類(lèi)器對(duì)圖像進(jìn)行分類(lèi)，從而實(shí)現(xiàn)對(duì)火焰的檢測(cè)。
　　(3)對(duì)傳統(tǒng)模式識(shí)別、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法進(jìn)行比較。對(duì)比Dense-SIFT字典學(xué)習(xí)和深度學(xué)習(xí)方法對(duì)樓宇等高大空間火災(zāi)火焰檢測(cè)效果，結(jié)果表明，深度學(xué)習(xí)算法在隱層并不多的情況下，檢測(cè)準(zhǔn)確率已能超過(guò)一般傳統(tǒng)算法;而若進(jìn)一步增