连续图卷积视频烟雾检测模型

连续图卷积视频烟雾检测模型

论文摘要

目的视频烟雾检测在火灾预警中起到重要作用,目前基于视频的烟雾检测方法主要利用结构化模型提取烟雾区域的静态和动态特征,在时间和空间上对烟雾信息作同等或相似处理,忽略了视频数据在时间线上的连续性和特征的非结构化关系。图卷积网络(GCN)与神经常微分方程(ODE)在非欧氏结构与连续模型处理上具有突出优势,因此将二者结合提出了一种基于视频流和连续时间域的图烟雾检测模型。方法目前主流的视频烟雾检测模型仍以离散模型为基础,以规则形式提取数据特征,利用ODE网络构建连续时间模型,捕捉视频帧间的隐藏信息,将原本固定时间跨度的视频帧作为连续时间轴上的样本点,充分利用模型的预测功能,补充帧间丢失信息并对未来帧进行一定程度的模拟预测,生成视频帧的特征并交给图卷积网络对其重新建模,最后使用全监督和弱监督两种方法对特征进行分类。结果分别在2个视频和4个图像数据集上进行训练与测试,并与最新的主流深度方法进行了比较,在KMU(Korea Maritime University)视频数据集中,相比于性能第2的模型,平均正样本正确率(ATPR值)提高了0.6%;在2个图像数据集中,相比于性能第2的模型,正确率分别提高了0.21%和0.06%,检测率分别提升了0.54%和0.28%,在视频单帧图像集上正确率高于第2名0.88%。同时也在Bilkent数据集中进行了对比实验,以验证连续隐态模型在烟雾动态和起烟点预测上的有效性,对比实验结果表明所提连续模型能够有效预测烟雾动态并推测烟雾起烟点位置。结论提出的连续图卷积模型,综合了结构化与非结构化模型的优势,能够获得烟雾动态信息,有效推测烟雾起烟点位置,使烟雾检测结果更加准确。

论文目录

  • 0 引 言
  • 1 非结构化模型
  •   1.1 图卷积神经网络
  •   1.2 基于视频流的图模型
  •   1.3 基于图模型的弱监督算法
  • 2 连续隐态模型
  •   2.1 神经常微分方程网络
  •   2.2 连续隐态特征提取
  •   2.3 静态图像特征提取
  • 3 实验结果与分析
  •   3.1 实验数据
  •   3.2 模型训练
  •   3.3 评价指标
  •   3.4 视频烟雾检测结果
  •   3.5 图像烟雾检测结果
  • 4 结 论
  • 文章来源

    类型: 期刊论文

    作者: 杨龙箴,袁非牛,杨寿渊,雷帮军,张相芬

    关键词: 视频烟雾检测,烟雾识别,图卷积网络,神经常微分方程,度量学习,弱监督学习

    来源: 中国图象图形学报 2019年10期

    年度: 2019

    分类: 信息科技,工程科技Ⅰ辑,工程科技Ⅱ辑

    专业: 安全科学与灾害防治,建筑科学与工程,计算机软件及计算机应用

    单位: 江西财经大学信息管理学院,上海师范大学信息与机电工程学院,三峡大学水电工程智能视觉监测湖北省重点实验室

    基金: 国家自然科学基金项目(61862029),水电工程智能视觉监测湖北省重点实验室开放基金项目(2018SDSJ01),江西省教育厅科技项目(GJJ170317),江西财经大学学生科研课题(XSKT19001)~~

    分类号: TU892;TP391.41

    页码: 1658-1669

    总页数: 12

    文件大小: 4925K

    下载量: 262

    相关论文文献

    • [1].汽车烟雾测漏仪功能介绍[J]. 汽车维护与修理 2020(15)
    • [2].基于卷积神经网络的野外烟雾检测研究[J]. 软件导刊 2020(02)
    • [3].基于生成对抗网络和卷积神经网络的烟雾识别[J]. 现代计算机 2020(14)
    • [4].烟雾场景下的人员疏散仿真研究[J]. 中国安全科学学报 2020(04)
    • [5].腹腔镜手术烟雾预吸引过滤装置的设计[J]. 医疗装备 2020(15)
    • [6].微创手术过程中的手术烟雾仿真[J]. 太赫兹科学与电子信息学报 2020(05)
    • [7].19世纪英国人对烟雾的认知探究[J]. 商丘师范学院学报 2019(04)
    • [8].从传统到深度:视觉烟雾识别、检测与分割[J]. 中国图象图形学报 2019(10)
    • [9].走进富尼泰克烟雾器引发的主动干预安防时代[J]. 中国公共安全 2017(11)
    • [10].基于暗通道优先烟雾检测算法的研究[J]. 计算机应用与软件 2014(11)
    • [11].基于图像熵的火灾烟雾识别[J]. 江苏科技大学学报(自然科学版) 2015(01)
    • [12].利用多特征判别的烟雾检测方法研究[J]. 信号处理 2015(10)
    • [13].外科手术烟雾危害与防护最新研究进展[J]. 现代养生 2019(24)
    • [14].野火烟雾带来呼吸的痛[J]. 发明与创新(大科技) 2020(04)
    • [15].电子焊接烟雾吸滤处理装置[J]. 发明与创新(中学生) 2020(07)
    • [16].掌握小技巧,你也能拍出缥缈烟雾[J]. 恋爱婚姻家庭(月末) 2020(10)
    • [17].我遥望[J]. 诗潮 2019(08)
    • [18].多彩的烟雾[J]. 新教育 2018(24)
    • [19].烟雾的情绪[J]. 星星(上旬刊) 2015(06)
    • [20].2010年烟雾后的民工[J]. 太湖 2015(04)
    • [21].升不起来的烟雾[J]. 小学阅读指南(一二年级版) 2013(11)
    • [22].烟雾摄影升级版教程[J]. 摄影之友 2014(02)
    • [23].烟雾所致吸入性损伤的治疗进展[J]. 临床检验杂志(电子版) 2013(03)
    • [24].山之精神写不出[J]. 新作文.金牌读写(初中生适读) 2012(Z1)
    • [25].父亲的烟斗[J]. 西部 2013(07)
    • [26].让烟雾飞[J]. 影像视觉 2013(05)
    • [27].环保机器人[J]. 学苑创造B版 2009(Z2)
    • [28].艺术家用烟雾进行创作[J]. 科学大观园 2010(05)
    • [29].关于二手烟雾的10个事实[J]. 健康管理 2011(03)
    • [30].手术烟雾对大鼠生理功能损害的实验研究[J]. 西部医学 2019(12)

    标签:;  ;  ;  ;  ;  ;  

    连续图卷积视频烟雾检测模型
    下载Doc文档

    猜你喜欢