資源描述：
《基于圖像的火災(zāi)探測(cè)系統(tǒng)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、萬(wàn)方數(shù)據(jù)萬(wàn)方數(shù)據(jù)西安建筑科技大學(xué)碩士學(xué)位論文基于圖像的火災(zāi)探測(cè)系統(tǒng)專業(yè)：信號(hào)與信息處理碩士生：黨勃指導(dǎo)教師：王慧琴教授摘要火災(zāi)是危害很大的一種災(zāi)害，尤其在現(xiàn)在經(jīng)濟(jì)高速發(fā)展的年代，因?yàn)榛馂?zāi)而導(dǎo)致的生命財(cái)產(chǎn)損失越來(lái)越多。所以，如何預(yù)防和減少火災(zāi)發(fā)生是研究人員一直關(guān)心的問(wèn)題?；趫D像的火災(zāi)探測(cè)方法是近些年來(lái)出現(xiàn)的一種新型探測(cè)方法，本文重點(diǎn)研究了基于支持向量機(jī)的圖像型火災(zāi)火焰探測(cè)技術(shù)，并設(shè)計(jì)實(shí)現(xiàn)了火災(zāi)探測(cè)系統(tǒng)?；鹧嫣綔y(cè)算法首先對(duì)攝像頭獲取到的視頻進(jìn)行分幀處理，形成圖像序列，利用混合高斯模型對(duì)圖像中的移動(dòng)區(qū)域進(jìn)行分割，再利用火焰
2、內(nèi)焰顏色信息作為閾值，排除無(wú)效干擾，得到火焰可疑區(qū)域；然后，對(duì)火焰可疑區(qū)域內(nèi)的圓形度、尖角數(shù)目、紅綠分量面積比、面積變化率、相關(guān)系數(shù)以及閃爍頻率等火焰判據(jù)進(jìn)行了計(jì)算和分析；用改進(jìn)的人工魚群算法優(yōu)化支持向量機(jī)的模型參數(shù)，通過(guò)交叉驗(yàn)證選擇最優(yōu)參數(shù)，在此基礎(chǔ)上建立了支持向量機(jī)分類器；用已知類別的數(shù)據(jù)訓(xùn)練支持向量機(jī)，將所提取出的火焰判據(jù)組合形成特征向量，并將其作為輸入向量送入支持向量機(jī)分類器，利用支持向量機(jī)對(duì)特征數(shù)據(jù)進(jìn)行分類識(shí)別。最后，設(shè)計(jì)并完成了基于PC的火災(zāi)探測(cè)報(bào)警系統(tǒng)，算法實(shí)驗(yàn)結(jié)果表明，該算法的識(shí)別準(zhǔn)確率較高，通過(guò)訓(xùn)練支
3、持向量機(jī)并優(yōu)化參數(shù)，可自動(dòng)產(chǎn)生分類超平面，可以將各類樣本準(zhǔn)確分開(kāi)。系統(tǒng)經(jīng)過(guò)驗(yàn)證，能完成火災(zāi)報(bào)警功能。關(guān)鍵詞：視頻監(jiān)控；火災(zāi)探測(cè)；圖像分割；混合高斯模型；支持向量機(jī)萬(wàn)方數(shù)據(jù)西安建筑科技大學(xué)碩士學(xué)位論文萬(wàn)方數(shù)據(jù)西安建筑科技大學(xué)碩士學(xué)位論文FireDetectionSystemBasedonImageSpecialty:SignalandInformationProcessingName:DangBoInstructor:ProfessorWangHui-qinABSTRACTFireisveryharmfultohuman
4、being’slife,especiallyaccompaniedwiththehighdevelopingspeedofeconomy.Itisgettingmoreserious,sotheresearcherspaytheirattentionstohowtopreventandreducefires.Thefiredetectionbasedondigitalimageisanewmethodofdetectionduringtherecentlyyears.SupportVectorMachineisstud
5、iedandusedtocompletethedetectionsystem.Itissupposedthatthevideoframeobtainedbycamerawereseparatedandtoformimagessequencefirstly.Usinggaussianmixturemodelforimagesegmentationofthemovingarea,andusingtheflameinnerflamecolorinformationasathresholdvalue,eliminateinva
6、lidarea,gettheflamesuspiciousarea.Thenthecircularity,theamountofsharpangles,areaproportionofredandgreencomponents,areavariancerate,relatedcoefficientandflickerfrequencyinthesuspectedregionwerecalculatedandanalyzed.Atlast,themodelparametersofsupportvectormachinew
7、ereoptimizedbyimprovedartificialfish-swarmalgorithm，choosingtheoptimalparametersbycrossvalidation.Onthisfoundation,thesupportvectormachineclassifierwasbuilt，usinglabeleddatatrainingSupportVectorMachine.Theextractedflamefeatureswereassembledastheinputvectorsofthe
8、SVMclassifierandthefeaturedatacanbeclassifiedandrecognizedbySVM.Finally,designedandcompletedafiredetectionalarmsystembasedonPC.Theexperimentresultsshowthatthealgorith
