《表4 火焰视频测试结果:基于深度学习的视频火焰识别方法》
为进一步验证本文算法的先进性,将识别结果与文献[13]、文献[5]、文献[6]所述三种算法进行比较。其中,文献[13]利用自适应混合高斯建模法获得运动目标,并结合火焰颜色模型分离出火焰疑似区域,再人工提取疑似区域的特征,利用预训练的支持向量机完成火焰的识别[13]。文献[5]直接在原始图片上使用9层网络结构的卷积神经网络进行火灾的识别。文献[6]用Alex Net作为基础架构直接提取原始视频帧的特征,训练了火灾分类模型。比较结果如表4所示。
图表编号 | XD00197607900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 蔡春兵、吴翠平、徐鲲鹏 |
绘制单位 | 中国矿业大学(北京)化学与环境工程学院、中国矿业大学(北京)化学与环境工程学院、中国矿业大学(北京)化学与环境工程学院 |
更多格式 | 高清、无水印(增值服务) |