基于箱线图与全卷积网络的动态场景烟雾检测

文档摘要：烟雾具有透光性强、纹理模糊等特征,且易与云、雾等目标混淆,导致基于视频的单阶段烟雾检测网络识别准确率低且受环境干扰明显,难以满足实际现场的使用需求.针对上述问题,提出一种基于箱线图背景建模(BoxPlotBackground,BPB)与全卷积分类网络(FullConvulsionDNCNN,FCDN)的二阶段烟雾检测算法:一阶段使用箱线图统计方法剔除背景队列中的移动干扰目标,利用背景队列中的最大值与最小值建立能适应动态场景的背景模型,以减少一阶段动态背景误报和背景模型被污染带来的烟雾区域遗漏;二阶段使用卷积层替换全连接层,解决输入图像尺寸和形状的限制问题,提升火灾初期细长形烟雾的检出效率.试验显示,该算法在动态场景下的漏检率与误检率均明显降低,并显著提升了烟雾检测速度.

Abstract：Smokehasstronglighttransmissionandblurrytexturecharacteristics,andcanbefalselydetectedascloudsandfog,leadingtolowrecognitionaccuracyandsubstantialenvironmentalinterferenceofvideo-basedsingle-stagesmokedetectionnetworks,posingchallengesforactualfielduse.Toaddresstheseissues,wedevelopatwo-stagesmokedetectionalgorithmbasedonBoxPlotBackground(BPB)andFullConvolutionDNCNN(FCDN).Inthefirststage,weadoptaboxplotstatisticalmethodtoremovemobileinterferingtargetsinthebackgroundqueueandusemaximumandminimumvaluesinthebackgroundqueuetoestablishabackgroundmodelthatiscapableofadaptingtodynamicscenes.Inthesecondstage,wereplacethefullyconnectedlayerwithaconvolutionallayertoovercomeinputimagesizeandshapelimitations.Theproposedtwo-stagesmokedetectionalgorithmistestedonpublicdatasetsandself-collecteddataanddemonstratedsubstantiallyreducedfalsedetectionrates.Usingpubliccameradata,thealgorithmachievesamisseddetectionrateof0.00317,whichisthelowestamongthethreemethodsintheexperiment.Thefalsedetectionrateachieves58andiscomparabletotheothertwomethods.Thealgorithm'sFramesPerSecond(FPS)outperformstheGaussianmixturemodelsandisslightlybetterthanmedianfiltering.Inpublicsmokedatasetsandself-collectedsmokedatasets,thealgorithmachievesthesamemisseddetectionrateastheothertwomethods,butsignificantlybetterfalsedetectionratesof0.00521and0.00114,respectively.Thealgorithm'sFPSremainsthesameasGaussianmixturemodels(58)andmedianfiltering(73).Together,theproposedtwo-stagesmokedetectionalgorithmeffectivelyminimizestheinfluenceofenvironmentalfactorsandsignificantlyimprovessmokedetectionaccuracy.Theexperimentalresultsdemonstratethatthealgorithmsignificantlyreducesmisseddetectionandfalsealarmrates.

作者：王文标  郝友维  时启衡Author：WANGWenbiao  HAOYouwei  SHIQiheng
作者单位：大连海事大学船舶电气工程学院,辽宁大连116026
刊名：安全与环境学报 ISTICPKU
Journal：JournalofSafetyandEnvironment
年，卷(期)：2024, 24(6)
分类号：X932
关键词：安全工程  烟雾检测  动态场景  箱线图  背景建模  全卷积网络  
Keywords：safetyengineering  smokedetection  dynamicscene  boxplot  backgroundmodeling  fullyconvolutionnetworks  
机标分类号：TP391.41TP183P237
在线出版日期：2024年7月4日
基金项目：国家自然科学基金基于箱线图与全卷积网络的动态场景烟雾检测[
期刊论文]  安全与环境学报--2024, 24(6)王文标  郝友维  时启衡烟雾具有透光性强、纹理模糊等特征,且易与云、雾等目标混淆,导致基于视频的单阶段烟雾检测网络识别准确率低且受环境干扰明显,难以满足实际现场的使用需求.针对上述问题,提出一种基于箱线图背景建模(BoxPlotBackground...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：安全工程,烟雾检测,动态场景,箱线图,背景建模,全卷积网络,

2024-10-4 00:52 上传 基于箱线图与全卷积网络的动态场景烟雾检测.pdf

文件大小:

9.18 MB

下载次数:

60

高速下载