1 燕山大学 河北省工业计算机控制工程重点实验室, 河北 秦皇岛 066004
2 燕山大学 国家冷轧板带装备及工艺工程技术研究中心, 河北 秦皇岛 066004
针对火灾发生时, 火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题, 提出了张量对象特征提取的多线性主成分分析(Multilinear Principal Component Analysis, MPCA)深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型, 通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核, 对张量对象的高维图像进行特征提取, 并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明: 该方法可以有效解决火灾图像识别存在的问题。
深度学习 张量对象分析 火灾图像识别 deep learning MPCANet MPCANet tensor object analysis fire image recognition 红外与激光工程
2018, 47(2): 0203006
