徐广飞,牛月冬

(唐山工业职业技术学院,河北 唐山 063299)

0 引言

面对广大师生的校园安全问题,安防监控系统的应用显得尤为重要,基于人工智能、视频分析技术,开发研究了在校园安防环境下的烟雾全自动检测、行人检测等关键技术,并设计实现了基于视频分析技术的校园安防系统。

1 一种新Yolov3 检测烟雾方法

每年发生的火灾不计其数,轻则受伤,重则丧生。对于高校而言,师生所出入的校园场景火灾预防再次成为关注的焦点[1]。 任何事物的形成都有一个过程,火灾也不例外,防火先防烟,动态烟雾的扑灭是防止火灾蔓延的关键,也是为消防人员第一时间赢取绿色通道提供便利。

火灾烟雾检测方法有哈尔特征法、传统Yolov3 烟雾检测方法和一种新Yolov3 烟雾检测方法[2-3]。 在校园选取4 个不同场景,足球场、实验室、宿舍和机房,分别在每个场景模拟制造火灾烟雾现场,用3 种特征提取方法进行烟雾检测对比,经对比发现,在不同的场景烟雾检测效果不同。 本文主要研究一种新Yolov3 烟雾检测方法在校园安防中的烟雾检测,具体流程:输入图像-光流算法识别轮廓-动态前景与静态背景-框定动态前景区域-图像分离提取动态运动-检测模型-模拟训练检测模型-Yolov3 网络筛选-检测烟雾范围-Yolov3 框定烟雾区域完成二次检测-结果输出。

3 种方法在不同场景中的查全率和误检率如表1所示。

表1 不同场景特征提取对比

通过校园内4 种不同场景的模拟火灾烟雾实验对比发现,哈尔特征和传统Yolov3 烟雾检测对足球场的烟雾检测框选出现偏差,主要原因是受外界日照、风速影响难以框定,而新Yolov3 算法通过图像的模拟训练增强了框选精准度。……