بهبود دقت و سرعت تشخیص دود مبتنی بر تصاویر ویدئویی با استفاده از مدل ترکیب گوسی و مشخصه های دود

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 529

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF03_0778

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

در این مطالعه، یک روش جدید برای تشخیص دود مبتنی بر تصاویر ویدئویی پیشنهاد شده است. روش های پیشین در زمینه تشخیص دود، در یافتن نواحی متحرک و همچنین تمایز قائل شدن بین دود و سایر نواحی متحرک ضعف دارند. در این مطالعه سعی شده است علاوه بر افزایش دقت تشخیص دود و سرعت اجرا، بتواند در تشخیص نواحی دود از سایر نواحی متحرک بهتر از کارهای پیشین عمل نماید. روش پیشنهادی از از چهار مرحله اساسی پیش پردازش، تشخیص نواحی متحرک، پس پردازش و تشخیص نواحی دود تشکیل شده است. برای بهبود یافتن نواحی متحرک، مدل ترکیب گوسی و برای بهبود تشخیص دود از سایر نواحی متحرک ماشین بردار پشتیبان پیشنهاد شده است. روش پیشنهادی در این مطالعه به دقت تشخیص دود حدود 95% رسیده است و همچنین تشخیص دود 20.23 میلی ثانیه برای هر فریم بدست آمده است.

کلیدواژه ها:

نویسندگان

مهسا هدایتی

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تبریز، ایران

احمد حبیبی زاد نوین

گروه مهندسی کامپیوتر، استادیار دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تبریز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • آشکارسازی دود در تصاویر ویدیویی در محیط باز [مقاله کنفرانسی]
  • محمود فتحی، حسن شکوری، تشخیص تغییرات صحنه به روش زمینه‌گیری ...
  • Ma, Li, Kaihua Wu, and L. Zhu. "Fire smoke detection ...
  • Intelligence (AICI), 2010 International Conference on. Vol. 1. IEEE, 2010. ...
  • Bogush, Rihard. "Smoke detection in video based On motion and ...
  • Gubbi, Jayavardhana, Slaven Marusic, and Marimuthu Palaniswam. "Smoke detection in ...
  • Celik, Turgay, Hiseyin Ozkaramanli, and Hasan Demirel. "Fire and smoke ...
  • Lu, Song, et al. "The research of real-time forest fire ...
  • Stauffer, Chris, and W. Eric L Grimson. "Adaptive background mixture ...
  • Haralick, R.M., K. Shanmugan, and I. Dinstein, "Textural Features for ...
  • Mahesh Pal, 0Multiclass Approaches for Support Vector Machine Based Land ...
  • Color Momet Analysis _ Filter ...
  • Motion Image History " foregound ...
  • نمایش کامل مراجع