基于多特征融合的森林火灾火焰视频识别研究

《基于多特征融合的森林火灾火焰视频识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391学位代码308密级GK学校代码10298学号3120275岛京林止大学论文题目：基于多特征融合的森林火灾火焰视频识别研究作者：徐铭铭专业：农业机械化工程研究方向：农林信息化工程指导教师：周宏平教授赵亚琴副教授二〇一五年六月学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作所取得的成果。尽我所知，除文中已经特别注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本

2、人完全意识到本声明的法律结果由本人承担。学位论文作者（本人签名）：年6月q曰学位论文出版授权书本人及导师完全同意《中国博士学位论文全文数据库出版章程》、《中国优秀硕士学位论文全文数据库出版章程》（以下简称“章程”，见ww.cnki.net)，愿意将本人的学位论文提交“中国学术期刊（光盘版）电子杂志社”在《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》中全文发表和以电子、网络形式公开出版，并同意编入CNKI《中国知识资源总库》，在《中国博硕士学位论文评价数据库》中使用和在互联网上传播，同意按“章程”规定

3、享受相关权益。论文密级：'ef公开□保密（______年月至_______年____月）（保密的#依讼式在辦密后右遂守此你铽)作者签名：导师签名：(々条气年6月q日>〇tr年6>月?日致谢本文是在导师周宏平教授与赵亚琴副教授的悉心指导下完成的，衷心感谢两位导师三年来对我无微不至的关怀与细致耐心的指导。从论文的选题、研究方案的定制、论文的修改和定稿，无一不倾注着两位导师大量的心血。两位导师知识渊博、勇于创新、治学严谨、勤奋敬业、胸怀宽广、为人正直使我受益匪浅、终生难忘。我不仅学到了科学研究方法，还学到了为人处事之道。在此

4、，再次感谢两位导师的关心与培养。衷心感谢实验室郑加强教授、许林云教授、茹煜副教授、张慧春副教授、甘英俊副教授、蒋雪松副教授、周凤芳老师、贾志成老师、王金鹏老师、孙曼利老师、陈青老师给予课题研究工作提供的宝贵意见和建议。衷心感谢同学张昊天、张海锋、侯秀梅、樊凯华、钱啸冬、徐志、周忠，感谢实验室师弟师妹们对我的关心与支持。衷心感谢在百忙之中抽出宝贵时间评审本论文的专家们。本文得到国家自然科学基金“基于视觉感知机理的林火视频识别模型研究”项目（31200496）和“江苏省普通高校研究生科研创新计划”项目（CXLX13_515

5、）的资助。向所有关心、帮助、鼓励过我的老师、同学和朋友表示最真挚的感谢！最后，特别感谢我的父母和亲人在我二十几年学习生涯中给予我的支持与关爱！作者：徐铭铭二○一五年六月十日摘要森林火灾一旦发生，将很难扑救，不仅会造成经济损失惨重，而且会对生态平衡造成严重的破坏。利用视频图像对林区进行监测逐渐成为预防和监测森林火灾的重要手段。基于视频的森林火灾监测手段则可以很好的弥补传统林火监测手段的不足，视频监控不仅可以对整个林区进行24小时的监视，获得连续实时的资料，而且大大缩短了林火监测的时间，有效地提高了林火监测的精度。由于森林

6、火灾监控现场是野外广阔的林区，而且树叶的摇摆使得视频图像中的运动对象很多，强烈的阳光、秋季的枯叶和红枫会导致火灾识别的误报等，这些特点都使得现有室内、或静止场景的火灾视频监控的视频处理技术不再适用。森林火灾发生的一个重要表现就是火焰。本文在视频片段大粒度下，基于空间静态特征和时序动态特征提取森林火焰特征向量。并提出用于林火视频火焰识别的AdaBoost-BP模型。首先考虑到森林中背景物体大多是绿色的树木，而早期火焰的颜色基本上分布在红到黄的范围之间，所以利用火焰颜色特征来排除大量与火焰颜色不相似的视频。但是秋季的枯叶、

7、红枫及林区的灯光等类火焰颜色的物体仅依靠颜色特征无法排除，考虑到燃烧时火焰是不断运动变化的，所以结合运动特征进一步排除类火焰颜色相对静止的物体。其次考虑到火灾发生有一个蔓延的过程，是一个包含若干连续视频帧图像的视频片段，所以本文基于滑动时间窗将林火监控视频划分成时空视频块，在视频片段大粒度下分析森林火焰视频的静态、动态、时间、空间等特征，重点分析火焰的圆形度、纹理这两种空间静态特征，以及火焰面积变化、形状相似性、闪烁频率这三种时序动态特征，形成火焰特征向量。然后针对常用火焰分类识别算法的不足，提出一种基于AdaBoos

8、t的BP神经网络林火视频火焰识别方法，利用AdaBoost算法集成弱分类器——BP神经网络，重点研究了AdaBoost算法的迭代次数以及BP神经网络隐层节点数对分类器误差的影响，最终确定AdaBoost算法的迭代次数和隐层节点数的最佳参数，并与单独BP神经网络分类算法进行比较与分析。最后设计开发森林火灾火焰识别软件系统。利用Vis