改进Yolo-v3的视频图像火焰实时检测算法
为解决现有视频图像火焰检测方法精度低、速度慢的问题,提出了改进Yolo-v3的视频火焰实时检测算法.首先,在特征提取阶段,通过进一步融合多尺度特征提高网络对图像浅层信息的学习能力,以实现小火焰区域的精准识别;其次,在目标检测阶段,利用改进的K-means聚类算法优化多尺度先验框以适应火焰不同尺寸;最后,在改进Yolo-v3的视频火焰检测之后,利用火焰特有的闪烁特征对检测结果中的误检帧进行排除,进一步提高检测精度.从精度和速度两个方面对视频火焰进行检测,并与近年来先进的火焰检测算法对比,结果表明,该方法准确率均值可达到98.5%,误检率低至2.3%,平均检测速率为52帧/s,在精度和速度方面皆有更好的表现.
火焰检测、视频图像、Yolo-v3、闪烁特征、多尺度检测
46
P237;TP391(摄影测量学与测绘遥感)
国家自然科学基金;四川省自然资源厅科研项目;四川省青年科技创新研究团队项目
2021-04-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
326-334