《表2 Bilkent数据集检测结果对比》
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。
图表编号 | XD00157091600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 杜立召、徐岩、张为 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学微电子学院 |
更多格式 | 高清、无水印(增值服务) |