基于改进双流卷积网络的火灾图像特征提取方法
基于图像处理技术的火灾监测,是近年来火灾监控领域的重要分支.对于开阔场景的火灾监测,利用火灾发生时产生的烟雾和火焰的动、静特性,以双流(Two-Stream)卷积神经网络作为理论基础对火灾进行检测识别.双流卷积神经网络采用空间流与时序流分别提取视频中的空间信息与时序信息,然而火灾初期的信息较为微弱,特征不够明显.为进一步提高初期的识别率,提出一种空间增强网络作为双流卷积神经网络的空间流来提取并增强视频的空间信息.空间增强网络同时对当前帧图片V t和上一帧图片V t-1做卷积,用V t的卷积特征与V t-1的卷积特征做减法,保留卷积特征差异性,再将卷积特征差与当前帧V t的卷积特征相加,从而增强对V t的空间特征卷积;双流卷积网络的时间卷积流对当前帧的光流图片V t′进行时序特征卷积;最后将增强后的空间特征与时序特征融合进行分类.实验结果表明,改进后的双流卷积网络的识别率比原始的双流卷积网络提高了6.2%,且在公开数据集上的测试准确率达到了92.15%,从而证明了该方法的有效性和优越性.此外,与其他方法相比,该网络具有低深度、高识别率的特征,不仅能提高火灾和烟雾的识别率,而且实现了火灾的早期发现,缩短了检测时间.
开阔空间火灾监测、空间特征增强网络、双流卷积神经网络、时空特征融合、光流法
46
TP181(自动化基础理论)
国家自然科学基金项目61604040
2019-12-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
291-296