声明
第 1章 绪论
1.1 论文研究的背景和意义
1.2图像型烟雾识别技术研究现状
1.2.1基于传统图像处理方法的图像型烟雾识别研究现状
1.2.2基于浅层机器学习方法的图像型烟雾识别研究现状
1.2.3基于深度学习方法的图像型烟雾识别研究现状
1.3论文主要工作和研究内容
1.4章节安排
第 2章 基于分块法和视频预处理的烟雾图片块递增判定算法
2.1 烟雾图像分块法
2.1.1 本文实验软硬件配置环境
2.1.2 烟雾图像分块法
2.2 烟雾图像运动检测
2.2.1 帧间差分法
2.2.2 背景减除法
2.2.3 基于混合高斯背景模型法
2.2.4 基于背景减除法的烟雾视频运动检测实验
2.3 烟雾图像颜色识别
2.3.1 RGB 颜色模型介绍
2.3.2 烟雾颜色判定规则
2.3.3 烟雾颜色识别实验
2.4烟雾图片块递增判定算法
2.5构建烟雾图片数据集
2.5.1数据集来源
2.5.2数据增强扩充数据集
2.6 本章小结
第 3章 基于深度卷积神经网络的烟雾识别
3.1 卷积神经网络组成部分
3.1.1 卷积层
3.1.2 池化层
3.1.3 激活函数
3.1.4 损失函数
3.2 基于4种卷积神经网络的烟雾图片识别
3.2.1 基于AlexNet网络的烟雾图片识别
3.2.2 基于VGGNet 网络的烟雾图片识别
3.2.3 基于GoogLeNet网络的烟雾图片识别
3.2.4 基于ResNet网络的烟雾图片识别
3.3 实验结果综合分析
3.4 本章小结
第 4章 基于轻量级网络的火灾烟雾图片识别
4.1 基于MobileNet网络的烟雾图片识别
4.1.1 MobileNet网络结构
4.1.2 基于MobileNet网络的烟雾识别图片结果与分析
4.2 焦点损失函数
4.3 迁移学习
4.4 基于改进的MobileNet网络的火灾烟雾图片识别
4.5 本章小结
第 5章 动态视频烟雾识别算法整体实现
5.1 烟雾识别算法整体结构
5.2 测试视频集
5.3 测试实验结果与分析
5.4 本章小结
第 6章 总结与展望
6.1总结
6.2展望
参考文献
发表论文和参加科研情况说明
致谢
天津大学;
