基于视频图像的火灾探测方法研究
传统的火灾检测手段存在传播速度慢、信息量损失、稳定性较差和实时信息无法存储等缺陷。而基于图像处理技术的火灾探测技术可以有效克服上述弊端,具有更广阔的应用前景。本文将粗糙集与支持向量机模型相结合,提取原始帧图像的7种特征变量,利用不同的属性约简算法对其进行属性降维,利用上述两种约简结果作为支持向量机的输入向量,对支持向量机训练后测试该分类模型的识别效率。实验结果表明:不同属性约简算法对分类器识别率的影响不同,基于属性重要性的属性约简算法更适合该实验环境下的火焰识别。
火灾检测、粗糙集、支持向量机
TP18(自动化基础理论)
2015-08-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
166-168