基于高斯混合模型和卷积神经网络的视频烟雾检测
为满足复杂场景下视频烟雾检测的实时性、准确率等需求,提出了一种将高斯混合模型与卷积神经网络相结合的视频烟雾检测方法。基于高斯混合模型的背景减除法和形态学方法实现对视频图像的运动目标提取;针对烟雾检测效率和网络过拟合等问题,设计用于视频烟雾检测的卷积神经网络模型;通过烟雾正负样本图像对卷积神经网络进行训练和测试。在此基础上,合理地设定运动目标网络模型的输出概率的阈值,有效去除训练样本中没有涵盖的非烟雾干扰项,降低误报率。实验结果表明,该方法是可行且有效的,其视频烟雾检测准确率达到97.5%,平均烟雾报警响应时间为4.58 s,可满足复杂场景下烟雾的实时检测要求。
文件下载
评论信息
其他资源
- GPS计算任意时刻卫星坐标（C++/MFC）、精密星历内插并比较误差
- 英汉-汉英词典词库包
- Qt5读取串口数据
- 灰度图像的二维Otsu自动阈值分割法
- c++实现的mips汇编器
- PMSM_EKF.slx
- Altium Designer 10实战100例（彩色版）-宋新
- 单相H桥电流滞环控制闭环仿真
- PHP新闻管理系统
- C++ 跨平台 异步消息队列
- 基于Delphi的企业管理系统(ERP)数据库
- jsp/java商城系统
- 工资管理系统 C# （参考）
- 二级联动、三级联动
- MATLAB教学视频：详解快速傅里叶变换FFT在MATLAB中的实现 课件
- K60库函数介绍
- 人工智能学习思维导图
- 基于RTMP协议的Flash流媒体网页播放器
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明