| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内外视频火灾探测系统 | 第9-10页 |
| 1.2.2 国内外视频火灾探测算法 | 第10-12页 |
| 1.3 火焰识别技术的发展现状 | 第12-14页 |
| 1.4 本文主要内容和结构安排 | 第14-16页 |
| 2 支持向量机和 AdaBoost 相关理论 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 支持向量机理论 | 第16-20页 |
| 2.2.1 特征空间及映射 | 第16-17页 |
| 2.2.2 核函数 | 第17-18页 |
| 2.2.3 支持向量机原理及算法 | 第18-20页 |
| 2.3 AdaBoost 分类方法 | 第20-22页 |
| 2.3.1 AdaBoost算法的提出 | 第20页 |
| 2.3.2 AdaBoost算法的描述 | 第20-21页 |
| 2.3.3 AdaBoost算法理论分析 | 第21-22页 |
| 2.4 AdaBoost-SVM 建模过程 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 火焰疑似区域检测及特征提取 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 常见的运动区域检测方法 | 第24-27页 |
| 3.2.1 光流法 | 第24-25页 |
| 3.2.2 帧间差分法 | 第25页 |
| 3.2.3 背景差分法 | 第25-27页 |
| 3.3 火焰颜色模型 | 第27-30页 |
| 3.3.1 RGB颜色模型 | 第27-28页 |
| 3.3.2 YCrCb颜色模型 | 第28-30页 |
| 3.4 基于模糊积分的火焰运动区域检测 | 第30-32页 |
| 3.4.1 模糊测度 | 第30页 |
| 3.4.2 Choquet模糊积分 | 第30-31页 |
| 3.4.3 基于模糊积分和背景差分的运动区域检测 | 第31-32页 |
| 3.5 基于 RGB 颜色模型和运动区域结合的火焰分割 | 第32-34页 |
| 3.6 火焰疑似区域检测实验研究及分析 | 第34-35页 |
| 3.7 疑似火焰区域特征提取 | 第35-37页 |
| 3.7.1 面积变化率 | 第35-36页 |
| 3.7.2 相关系数 | 第36页 |
| 3.7.3 圆形度 | 第36-37页 |
| 3.7.4 红绿分量面积比 | 第37页 |
| 3.8 本章小结 | 第37-38页 |
| 4 基于 AdaBoost-SVM 的火灾识别算法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 AdaBoost-SVM 的加权方式 | 第38-40页 |
| 4.2.1 AdaBoost-SVM算法中分类器权重动态调整 | 第38-39页 |
| 4.2.2 基分类器权重动态调整的流程 | 第39-40页 |
| 4.3 基于 AdaBoost-SVM 的火焰识别算法描述 | 第40-41页 |
| 4.4 仿真实验与结果分析 | 第41-47页 |
| 4.4.1 实验数据获取 | 第41-43页 |
| 4.4.2 实验数据预处理 | 第43-44页 |
| 4.4.3 SVM参数的选取 | 第44-45页 |
| 4.4.4 AdaBoost-SVM分类器准确率的评估 | 第45-46页 |
| 4.4.5 AdaBoost-SVM的火焰分类实验分析 | 第46-47页 |
| 4.5 本章小结 | 第47-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在读期间发表的学术论文及取得的研究成果 | 第58页 |
