基于AdaBoost-SVM的圖像型火焰識別.pdf

1、基于視頻圖像的火災探測具有反應速度快、探測范圍廣等優(yōu)點,可以有效的解決傳統(tǒng)火災探測在大空間建筑環(huán)境中預警失效的問題,具有廣闊的應用前景。
　　圖像型火焰識別技術(shù)主要包括圖像分割、特征提取和識別三個環(huán)節(jié)。本文概述了視頻火焰探測的原理和特點,提出了基于AdaBoost和支持向量機(Support Vector Machine,SVM)相結(jié)合的圖像型火焰識別算法,稱之為AdaBoost-SVM。首先對攝取的火災視頻分幀處理;然后利用背景

2、差分和模糊積分相結(jié)合的方法提取視頻序列中的運動目標,再使用火焰顏色判據(jù)提取疑似火焰區(qū)域;分析并計算疑似火焰區(qū)域的面積變化率、圓形度、相關(guān)系數(shù)、紅綠分量面積比4個特征值作為SVM的輸入?yún)?shù),利用AdaBoost算法重點標記SVM中被錯分的樣本,加大被錯分樣本的權(quán)重,使錯分樣本再次入選分類器的概率增大,不斷迭代訓練集中“最富信息樣本點”,并針對傳統(tǒng)AdaBoost算法中只考慮訓練集對基分類器權(quán)重的影響,沒有考慮待測樣本對權(quán)重影響的問題,計算