基于深度学习的溺水预警分析监测管理系统研究

为帮助救生员快速判断水库中是否有人溺水,本文提出了一种通过水下视频序列进行高效行为识别的方法。首先,分析游泳者正常游泳时泳池的空间分布,确定数据标注和游泳者检测方法。其次,本文提出基于YOLOv4算法(BR-YOLOv4)的游泳者行为识别监测管理系统。通过分析目标位置信息与水库游泳/溺水区域之间的空间关系,进一步确定游泳者的溺水或游泳行为。测试结果表明,本文提出的YOLOv4算法的溺水预警分析监测管理系统精度与召回率分别为91.33%和92.88%。本文提出的方法符合实时检测要求,在游泳者行为识别方面表现良好,为减少水库溺水事故提供了技术支持。

基于加权融合算法的森林火灾识别系统

为进一步提高森林火灾识别系统的识别效率,该文研究了加权融合算法和纹理特征的图像识别和分类方法。首先,通过融合RGB-YCbCr色彩空间对疑似森林火灾区域进行分割。其次,利用局部二值模型(LBP)算法提取10种纹理特征,并利用灰度共现矩阵(GLCM)模型提取了疑似火灾区域的4种纹理特征。结果表明,基于加权融合算法的森林火灾识别系统对森林火灾的识别率达到93.15%,并且在区分类火灾干扰方面具有很强的鲁棒性,且加权融合算法的延迟率为7.54帧/秒,其处理速度可以满足实时使用和准确率的要求。研究结果可为森林火灾识别提供一种更有效的方案。