基于深度學習的視頻煙霧檢測方法研究.pdf

1、火災預警能夠及時快速地檢測到火災的發(fā)生，從而有效的降低在火災發(fā)生時給人民生命財產(chǎn)安全帶來的損失。相對于傳統(tǒng)的火災預警方法而言，基于視頻的火災檢測方法具有覆蓋范圍廣以及對于環(huán)境適應條件強的特點。而當前的一些視頻檢測方法，無論是利用煙霧的色彩、尺寸、紋理、飄動和頻率等單一特征，或者是利用多種特征進行綜合檢測的方法，例如支持向量機等方法，在火災預警方面依然很難達到快速、精確和適應性強的要求。本文中我們摒棄傳統(tǒng)的思想，將深度學習應用到我們要討論

2、的視頻煙霧檢測中。深度學習是一種新的基于多層神經(jīng)網(wǎng)絡的算法，它緩解了傳統(tǒng)的深層模型難以實現(xiàn)的困境，從而引起了機器學習界的高度關(guān)注。本文利用視頻煙霧檢測自身特點，結(jié)合卷積神經(jīng)網(wǎng)絡，通過大量的訓練實驗，構(gòu)建出符合要求的卷積神經(jīng)網(wǎng)絡模型，以達到對煙霧進行檢測的目的。
　　本文的主要研究工作包括：
　　(1)總結(jié)、歸納當今視頻煙霧檢測的方法，對當今的各類視頻煙霧檢測方法進行研究對比，認真分析這些視頻煙霧檢測方法的優(yōu)缺點以及存在的問題

3、。其中詳細介紹了具有代表性的一些煙霧檢測方法，包括利用單一煙霧特征進行檢測的基于運動累積量檢測算法，以及利用紋理和邊緣特征進行綜合檢測的算法。
　　(2)講述深度學習的由來以及發(fā)展的各個階段，詳細闡述深度學習到底是什么，它能夠應用到哪些領域，對比深度學習與淺層學習的優(yōu)缺點，總結(jié)深度學習常用的模型及方法，并詳細介紹棧式自編碼網(wǎng)絡的訓練過程。
　　(3)詳細介紹深度學習中能夠很好的應用于圖像識別領域的卷積神經(jīng)網(wǎng)絡，結(jié)合煙霧圖像自