文献

J-GLOBAL ID：201702230626284414   整理番号：17A0168668

局所特徴フィルタリングに基づく高速火炎画像認識法【JST・京大機械翻訳】

Fast flame recognition approach based on local feature filtering

著者 (4件)： Mao Wentao (College of Computer and Information Engineering,Henan Normal University, Engineering Technology Research Center for Computing Intelligence and Data Mining of Henan Province) ,  Wang Wenpeng (College of Computer and Information Engineering,Henan Normal University) ,  Jiang Mengxue (College of Computer and Information Engineering,Henan Normal University) ,  Ouyang Jun (Shouan Industrial Firefighting Company Limited)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 36  号： 10  ページ： 2907-2911  発行年： 2016年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の物理的信号に基づく火炎認識法は外部環境によって容易に妨害され,火炎画像の特徴抽出法は火炎とシーンの領域における低い識別可能性を持ち,火炎の種類やシーンの変化によって認識精度を低下させる。この問題を解決するために,局所的特徴フィルタリングと限界学習機械に基づく高速火炎認識法を提案し,色空間情報をスケール不変特徴変換(SIFT)アルゴリズムに導入した。最初に,ビデオファイルをフレーム画像に変換して,すべての画像をSIFTアルゴリズムによって抽出した。第二に,色空間における火炎の情報特性によって,局所的ノイズの特徴点をさらにフィルタリングして,キーポイント(」)方式によって,特性記述子を対応する固有ベクトルに変換した。最終的に,限界学習機械によって訓練を行い,火炎認識モデルを迅速に得る。火炎公開データセットと実際の火災シーン画像に関する実験結果は以下のことを示した。提案した方法は異なるシーンと火炎タイプに対して高い認識率と速い検出速度を持ち、実験の識別精度は97%以上に達した。4の画像データを含むテストセットに対して,モデル認識時間は2.19秒であった。情報エントロピー,テクスチャ特徴,および火炎に基づくサポートベクトルマシンモデルと比較して,SIFTと火炎色空間特性に基づくサポートベクトルマシンモデルは,SIFTに基づく限界学習モデルの3つの方法と比較して,テストセットの精度とモデル構築時間において優位性を持っている。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 認知モデル ,  学習機械 ,  *画像 ,  学習モデル ,  色空間 ,  *高速度 ,  統制索引語 ,  特徴抽出 ,  モデリング ,  *画像認識 ,  固有ベクトル ,  *フィルタリング
準シソーラス用語： 認識率 ,  特徴点 ,  認識精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： flame recognition ,  feature extraction ,  Scale Invariant Feature Transform(SIFT) ,  Extreme Learning Machine(ELM) ,  Bag Of Keypoints(BOK)

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 局所特徴 ,  フィルタリング ,  火炎 ,  画像認識