《表2 SVM实验参数设置》
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。
图表编号 | XD0054900100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.28 |
作者 | 袁梅、全太锋、黄洋 |
绘制单位 | 重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院、重庆邮电大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |