采用机器学习的火焰前景提取算法

• 作者: 刘艳艳 张为 王博 王鑫
• 来源期刊: 西安交通大学学报
• 关键词: 火灾检测 前景提取 机器学习 聚类算法
• 年，卷（期）: 2017,（8）
• 页码范围: 26-32,101
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.7652/xjtuxb201708005

摘要

针对现有火焰前景提取算法提取前景不完整、轮廓失真严重、对复杂环境适应性差等问题,提出一种采用机器学习的火焰前景提取算法.该算法结合使用监督学习方法和无监督学习方法,训练了两级专用的分类器用于确定疑似目标区域;根据Real AdaBoost分类器的输出结果计算聚类算法的初始中心,并使用计算出的聚类中心对目标区域进行聚类分割,以得到最终的前景区域.实验结果表明:该算法对强光环境、夜间环境、静态或动态干扰环境等复杂场景均具有较好的适应性,得到的前景提取误差率在2％～28％之间,低于现有其他算法,且帧运算耗时小于50 ms,能够很好地完成多种场景下的火焰前景提取工作,为图像型火灾检测系统中后续的特征提取与识别奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为	天津大学电子信息工程学院	71	358	10.0	15.0
2	王博	天津大学电子信息工程学院	37	236	10.0	13.0
3	王鑫	公安部天津消防研究所火灾物证鉴定中心	19	84	6.0	8.0
4	刘艳艳	南开大学电子信息与光学工程学院	25	52	4.0	6.0