《表2 Bilkent数据集检测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种双网融合的分阶段烟雾检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

综合判别实验为将ViBe算法和改进YOLO v3做融合测试。如图6所示，在某些监控场景下改进后的YOLO v3有时会对部分静止物误检。当场景中光线发生变化时，图像中部分区域呈类烟性引起误检；而融合ViBe后可显著抑制此类情景引起的误检。为了进一步验证提出的烟雾检测算法的有效性，笔者将文中算法与文献[13-15]三种现有的烟雾检测算法进行对比实验，采用真正类率TPR(True Positive Rate）和真负类率TNR(True Negative Rate）作为评价指标。烟雾视频来自土耳其Bilkent大学创建的烟雾视频数据集（http：//signal.ee.bilkent.edu.tr//VisiFire/Demo/SampleClips.html），某一烟雾视频随机三帧检测结果如图7所示。第一列为含烟雾的视频帧；第二列为改进ViBe算法提取到的运动目标；第三列为改进YOLO v3检测结果，通过综合判别三帧皆判定为含有烟雾的帧。各烟雾视频检测结果对比如表2所示。