10.16526/j.cnki.11-4762/tp.2019.07.035
基于目标跟踪与深度学习的视频火焰识别方法
近年来火灾事故频发,对生态环境,社会经济都造成了严重影响,视频监控系统在火灾预防和环境监控中都有非常重要的作用;针对传统的视频火焰检测方法需要手工提取火焰特征且识别率低、误检率高的缺点,提出了一种基于特征检测,多目标跟踪和深度学习的火焰检测算法;通过高斯混合模型运动检测方法对视频中的动态目标进行提取,再经过HSI与RGB结合的颜色模型进行筛选,得到疑似火焰目标,对提取的目标进行多目标跟踪算法跟踪,最终对稳定存在的目标通过CaffeNet模型进行判别,得到火焰判别结果;实验证明,本算法实现了对视频火焰的准确检测,能对火焰进行有效识别,对火焰视频数据集上的平均识别精度达到98.79%,并能适应实时检测火灾的需求.
火焰检测、图像处理、卷积神经网络、多目标跟踪
27
TP391(计算技术、计算机技术)
湖北省自然科学基金2017CFB591
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
159-163