科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于烟雾具有形状不规则、扩散缓慢的特性，导致传统烟雾识别方法对烟雾检测存在一定的缺陷，如烟雾检测准确率低、烟雾警报响应时间长等问题。为了满足野外空旷场景下烟雾检测的准确性和实时性，提出了基于HSV(Hue, Saturation, Brightness,色调，饱和，明亮)颜色空间特征和卷积神经将网络相结合的视频烟雾检测的识别方法。通过将烟雾图像的RGB颜色空间特征映射到HSV颜色空间特征后提取烟雾候选区域，提取到的烟雾候选区域经过高斯混合模型进行运动判断，然后将符合运动特征的烟雾候选区域图像送入到训练好的卷积神经网络中进行烟雾识别。针对传统烟雾检测效率问题，设计了卷积神经网络conv-12用于烟雾识别。实验结果表明，基于HSV颜色空间特征和卷积神经网络conv-12相结合的视频烟雾识别方法对视频烟雾检测的准确率为96.45%,烟雾检测率为93.3%,烟雾报警平均响应时间为0.9 s。相较于其他方法，在烟雾检测准确率、烟雾检测率、烟雾警报响应时间都有一定的提升。
- 单位
