基于动态纹理和卷积神经网络的视频烟雾探测方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 研究背景和意义 | 第13-21页 |
| 1.1.1 火灾的危害 | 第13-15页 |
| 1.1.2 传统火灾探测技术的发展现状 | 第15-18页 |
| 1.1.3 视频火灾探测技术的发展现状 | 第18-20页 |
| 1.1.4 深度学习的兴起 | 第20-21页 |
| 1.2 国内外研究现状 | 第21-26页 |
| 1.2.1 传统视频火灾探测技术 | 第21-23页 |
| 1.2.2 深度学习及在视频火灾探测中的应用 | 第23-25页 |
| 1.2.3 目前视频火灾探测技术存在的问题 | 第25-26页 |
| 1.3 研究目标、内容及技术路线 | 第26-27页 |
| 1.3.1 研究目标 | 第26页 |
| 1.3.2 研究内容 | 第26-27页 |
| 1.3.3 技术路线 | 第27页 |
| 1.4 本文结构安排 | 第27-29页 |
| 第2章 视频火灾探测相关技术 | 第29-41页 |
| 2.1 传统视频火灾探测技术 | 第29-33页 |
| 2.1.1 纹理特征 | 第29-30页 |
| 2.1.2 运动特征 | 第30-31页 |
| 2.1.3 支持向量机 | 第31-32页 |
| 2.1.4 评价标准 | 第32-33页 |
| 2.2 人工神经网络 | 第33-35页 |
| 2.3 卷积神经网络 | 第35-40页 |
| 2.3.1 卷积层 | 第36页 |
| 2.3.2 池化层 | 第36-37页 |
| 2.3.3 全连接层 | 第37页 |
| 2.3.4 激活函数 | 第37-39页 |
| 2.3.5 损失函数 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 基于动态纹理的视频烟雾探测方法 | 第41-57页 |
| 3.1 动态纹理特征 | 第41-42页 |
| 3.2 实验视频数据 | 第42-46页 |
| 3.2.1 烟雾视频 | 第42-44页 |
| 3.2.2 运动区域提取 | 第44-46页 |
| 3.3 基于滑动窗口的动态纹理烟雾识别方法 | 第46-50页 |
| 3.3.1 块的烟雾识别 | 第47-48页 |
| 3.3.2 帧的烟雾识别 | 第48-50页 |
| 3.4 基于不规则运动区域的动态纹理烟雾识别方法 | 第50-55页 |
| 3.4.1 不规则运动区域的动态纹理提取 | 第50-51页 |
| 3.4.2 多种动态纹理描述子性能分析 | 第51-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 基于二维卷积神经网络的烟雾探测方法 | 第57-75页 |
| 4.1 常用的火灾视频图像数据 | 第57-59页 |
| 4.2 Blender模拟烟雾 | 第59-61页 |
| 4.3 烟雾浓度测量 | 第61-65页 |
| 4.4 基于目标检测的烟雾探测方法 | 第65-69页 |
| 4.4.1 区域卷积神经网络 | 第65-67页 |
| 4.4.2 实验与结果分析 | 第67-69页 |
| 4.5 基于语义分割的烟雾探测方法 | 第69-74页 |
| 4.5.1 全卷积神经网络FCN | 第69-70页 |
| 4.5.2 实验与结果分析 | 第70-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第5章 基于三维卷积神经网络的烟雾探测方法 | 第75-101页 |
| 5.1 三维卷积网络 | 第75-77页 |
| 5.1.1 视频分析 | 第75-76页 |
| 5.1.2 三维卷积 | 第76-77页 |
| 5.2 非极大融合算法 | 第77-80页 |
| 5.2.1 疑似烟雾视频序列的生成 | 第77-78页 |
| 5.2.2 算法流程 | 第78-80页 |
| 5.3 实验视频数据 | 第80-85页 |
| 5.3.1 烟雾视频 | 第80-83页 |
| 5.3.2 数据增强 | 第83-84页 |
| 5.3.3 运动信息强化 | 第84-85页 |
| 5.4 三维卷积神经网络提取特征 | 第85-87页 |
| 5.4.1 探测框架整体流程 | 第85页 |
| 5.4.2 三维卷积神经网络结构 | 第85-87页 |
| 5.4.3 网络的训练 | 第87页 |
| 5.5 实验和结果分析 | 第87-96页 |
| 5.5.1 时间信息的影响 | 第87-89页 |
| 5.5.2 数据迁移的影响 | 第89-90页 |
| 5.5.3 网络的深度和宽度 | 第90-91页 |
| 5.5.4 数据处理的影响 | 第91-94页 |
| 5.5.5 SVM训练中间层特征 | 第94-96页 |
| 5.6 视频烟雾探测系统 | 第96-100页 |
| 5.6.1 系统设计与算法流程 | 第96-97页 |
| 5.6.2 系统搭建与测试 | 第97-100页 |
| 5.7 本章小结 | 第100-101页 |
| 第6章 总结与展望 | 第101-105页 |
| 6.1 研究工作总结 | 第101-102页 |
| 6.2 本文创新点 | 第102-103页 |
| 6.3 展望 | 第103-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-114页 |
| 在读期间发表的学术论文与取得的研究成果 | 第114-115页 |
