公路与水路运输论文_基于视频图像的公路隧道火 - 运动精品杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

公路与水路运输论文_基于视频图像的公路隧道火

作者:

关键词:

摘要：

文章摘要:为了有效的检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先通过改进后的Vibe算法模型提取图像运动区域，然后在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域，最后用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）和灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林三种机器学习分类器烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某真实公路隧道火灾视频对分类器进行实验测试。结果表明：基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。对我国隧道运营安全管理以及应急处置技术能力的提升具有重要意义和工程应用价值。

文章关键词:

论文分类号:U458.1;TP391.41

文章来源：《运动精品》网址: http://www.ydjpzz.cn/qikandaodu/2021/1021/2276.html