采用机器学习的火焰前景提取算法
【作者】
王博
[1]
张为
[1]
刘艳艳
[2]
王鑫
[3]
【关键词】
火灾检测
前景提取
机器学习
聚类算法
【摘要】针对现有火焰前景提取算法提取前景不完整、轮廓失真严重、对复杂环境适应性差等问题,提出一种采用机器学习的火焰前景提取算法.该算法结合使用监督学习方法和无监督学习方法,训练了两级专用的分类器用于确定疑似目标区域;根据Real AdaBoost分类器的输出结果计算聚类算法的初始中心,并使用计算出的聚类中心对目标区域进行聚类分割,以得到最终的前景区域.实验结果表明:该算法对强光环境、夜间环境、静态或动态干扰环境等复杂场景均具有较好的适应性,得到的前景提取误差率在2%~28%之间,低于现有其他算法,且帧运算耗时小于50 ms,能够很好地完成多种场景下的火焰前景提取工作,为图像型火灾检测系统中后续的特征提取与识别奠定了基础.
上一篇: 采用多类代价指数损失函数的代价敏感AdaBoost算法
下一篇: 自适应多位编码量化的哈希图像检索方法