《表2 SVM实验参数设置》

  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

《基于局部极值共生模式和能量分析的烟雾检测》

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

基于SVM分类的烟雾识别主要有视频特征矢量构建、核函数选择、核函数参数选取以及模型训练四部分。SVM分类方法是基于线性划分，由于烟雾和非烟雾的区分不是简单的线性关系，所以需要选择一个合适的核函数，将低维特征空间映射到高维空间，使得样本变得线性可分。在核函数的选择中，径向基函数（Radial Basis Function，RBF）通常具有优先权，因此，本文选择RBF作为核函数。在大量的实验中，采用交叉验证方法连续修改RBF核参数σ和惩罚因子C。实验结果得知当σ=0.67且C=100时，分类结果最优。并且本文的训练算法使用序列最小最优化算法（Sequential Minimal Optimization，SMO）进行训练。为了训练SVM，本文从18个视频当中选取1 000帧建立训练集，其中包括烟雾500帧，不含烟雾500帧。表2列出了SVM训练的实验参数设置。