基于支持向量机的火焰识别算法研究.pdfVIP

叶业控制计算机曳圆园圆5年第猿8卷第员期79

基于支持向量机的火焰识别算法研究

ResearchonFlameRecognitionAlgorithmBasedonSupportVectorMachine

袁2袁23东南大学自动化学院袁江苏南京20096曰

冯子昂邵家玉张宁

2复杂工程系统测量与控制教育部重点实验室袁江苏南京20096曰

3东南大学教育部ITS工程研究中心袁江苏南京2189冤

摘要院现如今袁机器学习技术在火焰识别领域有很好的应用前景遥采用传统的机器学习算法要要要支持向量机SVM冤算法进

行火焰图片的分类识别遥首先袁对图片数据进行了翻转尧灰度尧标准化和亮度增强等预处理曰然后袁对火焰的颜色特征和纹理特

征进行提取曰最后袁通过支持向量机算法对开源数据集进行训练识别和结果测试袁取得了准确率为95.93%的检测结果遥

关键词院机器学习曰支持向量机曰火焰识别

Abstract:Currently,machinelearningtechnologyhasapromisingapplicationprospectinthefieldofflamedetection.

Thispaperadoptsthetraditionalmachinelearningalgorithm-supportvectormachine(SVM)algorithmfortheclassification

andrecognitionofflameimages.Firstly,thepaperpreprocessestheimagedatathroughflipping,graying,normalization,and

brightnessenhancement.Then,itextractsthecolorandtexturefeaturesoftheflame.Finally,ittrainsandtestsonthe

open-sourcedatasetusingthesupportvectormachinealgorithm,achievingadetectionaccuracyof95.93%.

Keywords:machinelearning,supportvectormachine,flamerecognition

近年来袁随着城市化进程的加速和业化水平的不断提高袁

我国火灾发生的频率也在不断增加袁及时发现火灾并展开救援

至关重要遥随着机器学习技术的快速发展袁其在图像处理尧模式

识别等领域展现出强大的潜力和优势袁为及时发现火情提供了

新的解决路径遥

在火焰检测领域袁支持向量机算法一种相对传统的算法袁

咱暂

同时也具有自己的优势院泛化能力强袁在训练数据较少的情况

下仍然能够表现出良好的泛化能力曰计算效率较高袁训练时间通

常比深度学习模型要短曰模型复杂度低袁易于理解和实现遥

在国内外袁为提升传统机器学习方法在火焰识别中的应用袁

研究者们大多针对图像预处理尧特征提取和分类器设计这三个

核心步骤进行优化改进遥图基于支持向量机实现火焰识别算法的流程图

针对图像预处理袁文献咱2暂提出了一种对于彩色图像去噪的数据的预处理可分为基本的图像数据预处理和图像数据增

咱暂

多信道优化模式遥文献咱3暂为解决模糊的问题袁提出了一种基于强遥本文的数据预处理主要进行了图像旋转尧翻转尧灰度和标

图像局部滤波去噪增强算法的图像语义分割模型遥文献咱4暂