一种基于深度学习特征融合的视频火焰检测方法.pdf
是你****辉呀
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习特征融合的视频火焰检测方法.pdf
本发明公开了一种基于深度学习的特征融合视频火焰检测方法,包括如下步骤:构建并训练MobileNetV2分类模型;根据火焰像素颜色规律,筛选符合颜色规则的像素点,并生成掩膜矩阵;根据火焰形状特征,寻找符合火焰形状特征的轮廓;对符合条件的轮廓,获取其最小外接矩阵,裁剪得到相应图像块,使用MobileNetV2分类模型进行火灾识别。本发明的优点在于融合火焰颜色和形状特征,并使用轻量级深层卷积神经网络,能对视频流进行实时火焰检测。
基于多特征融合的视频火焰探测方法研究的综述报告.docx
基于多特征融合的视频火焰探测方法研究的综述报告近年来,视频火焰探测技术因其高效、准确和可靠而得到广泛应用。然而,由于火焰的复杂性和环境的多样性,传统的视频火焰探测方法往往存在着一些局限。为此,基于多特征融合的视频火焰探测方法正在逐渐兴起,其通过结合多种特征,提高了火焰检测的准确性和鲁棒性。本文旨在对基于多特征融合的视频火焰探测方法进行综述。(一)火焰特征提取在进行多特征融合之前,首先需要对火焰进行特征提取。目前,常用的特征包括颜色、纹理、形状、运动等方面。其中,颜色特征是最为常用的一种特征,其利用了火焰明
基于多特征融合的视频火焰探测方法研究的中期报告.docx
基于多特征融合的视频火焰探测方法研究的中期报告本文基于多特征融合的方法,探索了一种视频火焰探测方法,并进行了中期报告。具体内容如下:1.研究背景和意义火灾是一种常见的自然灾害,常常给人们的生命财产安全带来威胁。视频火焰探测技术可以通过检测图像中的火焰,及时发现并报警,以避免火灾事故的发生。因此,视频火焰探测技术的研究具有重要的现实意义。2.研究方法本文基于多特征融合的方法,将不同的特征进行融合,以提高火焰检测的性能。具体过程包括:(1)采集视频数据,并进行预处理,包括视频分割、颜色空间转换、噪声去除和图像
基于特征矢量运动杂乱度的视频火焰检测方法.pdf
本发明公开了一种基于特征矢量运动杂乱度的视频火焰检测方法。本发明首先读入相邻的2帧视频图像,计算相邻帧间运动特征矢量。其次,对当前帧图像进行分块并计算每块中特征矢量的长度,将满足条件的特征矢量标记并保留。再次,计算图像块中特征矢量方向的方差,若方差大于门限值则判定为疑似火焰块。将疑似火焰块中每一个特征点都进行扩展后累加在一幅空的灰度图像中,累积N帧后进行阈值二值化,若二值图像中白色部分构成连通区域且在整幅图像中所占比大于阈值,则判定为火焰区域并显示该区域轮廓线。本发明利用了火焰跳动具有杂乱性的物理特点,能
基于深度学习的双通道视频火焰探测方法的开题报告.docx
基于深度学习的双通道视频火焰探测方法的开题报告一、选题背景及意义在燃烧过程中,火焰是最明显的特征之一。火灾已经成为一个长期存在的社会问题,所以火灾的预防成为了研究的热点。如何及早发现火灾,对减少人员伤亡及财产损失非常重要。夜间或者低照度情况下,火灾的探测变得尤为困难。而视频监控系统相比传统的煤气、光谱、烟电离探测技术更为便捷和有效,但是由于图像的特殊性质,火焰的探测仍然存在着许多难点。双通道视频火焰探测技术就是为了解决这个问题而开发出来的。双通道视频火焰探测技术通过使用两个视频输入——可见光视频和红外视频