图像型火灾探测的支持向量机方法研究

• 作者: 何世钊 杨宣访 陈晓娟
• 来源期刊: 科技与创新
• 关键词: 火灾探测 支持向量机 图像二值化 模式识别
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 软件时空
• 页码范围: 247-249
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2011.01.098

摘要

针对神经网络算法在火灾探测中容易陷入局部最优的缺点,提出一种利用支持向量机分析二值化图像光亮区域的形状特征进行火灾探测的方法.该方法依据火焰的RGB颜色分布特点对原始图像进行二值化,并将目标区域主要形状特征及其变化值作为火灾判据输入至支持向量机算法实现火灾识别.通过不同环境的火灾实验,采集得到火灾图像和干扰图像1036幅,从中选取150幅图像作为支持向量机的训练集进行学习.实验结果表明,在少数图像训练的情况下,选用高斯径向核函数和序列最小化优化算法的支持向量机算法可以有效地对图像进行模式识别,判断准确率达95.08%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宣访	海军工程大学电气与信息工程学院	59	543	12.0	21.0
2	何世钊	海军工程大学电气与信息工程学院	2	6	1.0	2.0
3	陈晓娟	海军工程大学电气与信息工程学院	6	49	3.0	6.0