深度学习的MPCANet火灾图像识别模型设计.pdfVIP

第 47 卷 第 2 期 红 外 与激 光 工程 2018 年 2 月 Vol.47 No.2 Infrared and Laser Engineering Feb. 2018 笠特 约 专栏 笠 深度 学 习的 MPCANet 火灾 图像识别模 型设计 张秀玲 1,2 ，侯代标 1 ，张逞逞 1 ，周 凯旋 1 ，魏其珺 1 ( 1. 燕 山大学 河北省 工业计算机控制 工程 重点 实验 室 ， 河北 秦 皇 岛 066004 ； 2 . 燕 山大学 国家冷轧板 带装备及 工艺工程技 术研 究 中心 ， 河北 秦 皇 岛 066004) 摘 要 ： 针 对 火 灾发 生 时 ，火 灾图像 背景 复杂 、人 工特征提 取过程繁 琐 、对 火 灾 图像 的识 别泛化 能力 不 强 、 容 易 出现 精 度 不 高、 误 报 和 漏报 等 问题 ， 提 出 了张量 对 象特 征 提 取 的 多线性 主 成 分 分析 (Multilinear Principal Component Analysis, MPCA) 深 度 学 习 算 法 的 火 灾 图像 识 别 新 方 法 。 利 用 MPCANet 建 立 火 灾 图像 识 别模 型 ， 通过 MPCA 算 法 学 习滤波 器作 为深度 学 习网络卷积层 卷 积核 ， 对 张量对 象的 高维 图像进行特征提 取 ，并把蜡 烛 图像 和烟花 图像 作 为干扰 。 通过仿 真 实验 并与其他 火 灾 图像 识 别 方 法对 比得 到提 出的 图像 识 别 方 法识 别精 度 达 到 了 97 .5 % 、 误 报 率 1.5 % 、 漏报 率 1% 。 实验表 明 ：该 方 法可 以有效解 决火 灾图像 识 别存在 的 问题 。 关 键 词 ： 深度 学 习； MPCANet ； 张量对 象分析 ； 火 灾图像 识 别 中 图分 类 号 ： TP183 文 献 标 志码 ： A DOI ： 10 .3788/IRLA201847.0203006 Design of MPCANet fire image recognition model for deep learning 1,2 1 1 1 1 Zhang Xiuling , Hou Daibiao , Zhang Chengcheng , Zhou Kaixuan , Wei Qijun ( 1. Key Laboratory of Industrial Computer Control Engineering of Hebei Province , Yanshan University , Qinhuangdao 066004 , China ; 2 . National Engineering Research Center for Equipment and Technology of Cold Strip Rolling , Yanshan University , Qinh