论文部分内容阅读
近年来,随着地球气候的变化导致森林火灾的频繁发生,不但给国家造成严重的经济损失,影响生态环境,而且对人类生命安全构成极大威胁。火灾控制,预防为先。如果可以在火灾早期预警,许多火灾可以在大规模灾难发生前扑灭。目前森林火灾的检测方法主要有以下几种:通过卫星生成遥感图像识别、通过瞭望塔人工值守、安排专人巡逻、通过飞机或无人机进行巡视,这些方法都或多或少的存在着不同的问题如卫星遥感监测的实时性和准确性不高,瞭望塔和飞机监测成本过高,地面巡逻工作量大且效率低,传感器容易被环境干扰,精度不高。火灾发生前会由于燃烧产生大量的烟雾,烟雾探测的精确探测可以有效地对火灾进行防范。随着计算机视觉技术的飞速发展,视频图像识别与检测技术已广泛应用于安全、医疗、智能农业、环保等方面。本文主要利用计算机视觉技术对森林火灾早期产生的烟雾进行检测。基于卷积神经网络,提出了两种烟雾检测算法,并融合检测算法设计了林火智能监测系统。最后总结了现有算法的优缺点,并提出了相应的解决方案和进一步的研究方向。本文的主要研究内容如下:1.目前针对森林火灾烟雾视频的研究还没有统一的数据集,通过前期准备阶段的收集和整理,得到21段用于检测算法效果的林火烟雾视频和四万多张用于训练和测试卷积神经网络的林火烟雾图片。并归一化大小和格式建立了一套烟雾数据集,视频集包含了多种野外森林环境下的干扰因素如天空飘动的白云,雾气,和烟雾颜色相近的湖面,以及摇动的树枝等,能够较好的验证系统的有效性,同时也为森林火灾烟雾检测领域的研究提供了可用资源。2.分析了烟雾的颜色特征和动态特征,提出了一种烟雾候选区+Faster RCNN的烟雾检测算法,通过使用运动特征检测,颜色特征检测提取出烟雾候选区然后结合卷积神经网络对烟雾图像进行识别,避免了单一的人工选择烟雾特征泛化性不强的问题,同时通过烟雾候选区的提取减少了神经网络运算量,使得算法在实时性和准确率方面更加平衡,经过试验证明,本算法比传统分类器有较高的准确率。3.提出了一种Faster RCNN+C3D的烟雾检测算法。使用Faster RCNN代替传统方法提取疑似烟雾区,通过Faster RCNN提取静态特征,Faster RCNN中的RPN区域推荐网络可以得到带评分的候选区域,将候选区域输入到三维卷积神经网络C3D中获取更多的动态特征进行分类。经过和2的算法的比较,最终通过FasterRCNN进行前景疑似烟雾部分提取,C3D进行特征提取分类能得到更好的效果。同时也比较了其他同类型算法,本算法具有检测较高的准确率,在误报率和漏检率方面也较低。4.基于Faster RCNN+C3D的烟雾检测算法,设计了一套森林火灾智能监测系统,该系统主要实现了视频实时浏览、林区环境检测、烟雾识别、火灾报警等功能。经过实验验证,监测系统能有效的完成林火烟雾监测的目标。