多特征量对数回归的火焰快速识别算法

为了提高实时视频监控中火焰识别率和降低误识率,提出了一种基于多特征量对数回归模型的火焰快速识别算法。首先,根据火焰的色度特征进行图像分割,通过运动目标与参考图像差分运算获取火焰候选区域(CFR);然后提取候选区域的面积变化率、圆形度、尖角个数以及质心位移等特征量,建立火焰的对数回归快速识别模型;其次采用美国国家标准与技术研究院(NIST)、仁荷大学计算机视觉实验室(ICV)和基于计算机视觉的火灾探测(Visi Fire)实验库以及自制蜡烛、纸燃烧火焰中的火焰和非火焰图像中的300幅进行参数学习;最后选取实验数据库中8段视频共11 071幅图像进行识别算法检验。测试结果表明,所提算法的真正率(TPR)达到93%、真负率(TNR)达到98%,识别平均用时0.058 s/帧。所提算法识别速度快且识别率高,可以应用于嵌入式实时图像火焰识别。

多特征量数据融合嵌入式火灾早期预警系统

为了解决传统单一点式烟气传感器识别率低、误报率高、可靠性差等不足,提出了一种嵌入式低功耗的多特征火灾早期预警系统。利用相对湿度、CO浓度、CO_2浓度和O_2浓度等四种火灾早期特征量,研制了基于CortexM3内核的采集和处理系统。对榉木、棉、纸3种火灾试验材料进行了火灾早期阴燃实验,采集并分析了阴燃过程中的4个特征量,采用多特征量对数回归算法对不同温度和不同燃烧物的阴燃实验数据进行了有监督的学习。实验表明,该预警系统的识别率在90%以上,误报率在3%以下,提高了火灾早期预警的准确性和稳定性。

为什么不等式的性质比等式的性质多一条

又是一次铃响,又是一剪暮色,落日也不知在与谁博弈.黄昏下我走在放学路上,思绪却在今日的课堂上与不等式纠缠.今天数学课上,韩老师让我们计算多组算式的值,比较这些具体数值的大小,探究规律并归纳得出不等式的性质;最后,老师将不等式的性质与等式的性质进行比较,让我们加深对性质的理解.回到家后,我不禁反思,为什么不等式的性质比等式的性质多一条?于是,我进行了以下探究。