【技术实现步骤摘要】
一种基于鲁棒多视角的森林烟火实时监测系统和方法
本专利技术属于森林烟火监测
,具体是涉及一种基于鲁棒多视角的森林烟火实时监测系统和方法。
技术介绍
森林是重要的自然资源,与人类的关系极为密切,它对人类的贡献是多种多样的,不仅提供各种木材和经济植物,同时也是许多食物的来源,但是,近年来我国的森林资源不断减少,由此造成严重的后果。在人脸识别、文本分类和模式识别等领域中,支持向量机(SVM,SupportVectorMachine)作为一种监督学习分类器,通过最大化不同超平面之间的距离构造最佳超平面来进行分类。在有效的处理线性不可分问题的同时,利用正则化项将经验风险和结构风险降到最低,从而使得分类模型更加健壮。此外,可以将模型优化表示为凸优化问题,于是可以利用已知的有效算法得到目标函数的全局最小值,于此同时,还具有优秀的范化能力与鲁棒性等优点。虽然SVM应用广泛,但是在处理XOR问题和二次规划问题上有限制缺陷。所以,提出了广义特征值近邻支持向量机(GEPSVM),与原始的支持向量机(SVM)不同,GEPSVM将原始问题转化为通过求解广义特征值问题,并以此最终获得两个非平行超平面。目前,基于广义特征值近邻支持向量机(GEPSVM)的模型在处理异或(XOR)问题上具有明显优势,不仅如此,其在分类应用中还可以通过求解特征值的方法来获得最佳参数,实现辅助分类,与其他分类算法相比,GEPSVM具有计算成本低的优点,因此,GEPSVM已成为良好的低层分类器。上述支持向量机(SVM)和广义特征值近邻支持向量机(GE ...
【技术保护点】
1.一种基于鲁棒多视角的森林烟火实时监测系统,其特征在于,/n该系统包括:/n森林烟火数据采集模块,用于实时采集森林烟火数据;/n数据传输模块,用于将实时采集到的森林烟火数据传输至后台服务器;/n鲁棒多视角检测模块,位于后台服务器,用于检测森林烟火数据,从而判断森林中是否存在烟火事故;/n该系统的工作原理:首先由森林烟火数据采集模块实时采集森林烟火数据,接着由数据传输模块将实时采集的森林烟火数据传输至后台服务器,最后由鲁棒多视角检测模块检测森林烟火数据,从而判断森林中是否存在烟火事故。/n
【技术特征摘要】
1.一种基于鲁棒多视角的森林烟火实时监测系统,其特征在于,
该系统包括:
森林烟火数据采集模块,用于实时采集森林烟火数据;
数据传输模块,用于将实时采集到的森林烟火数据传输至后台服务器;
鲁棒多视角检测模块,位于后台服务器,用于检测森林烟火数据,从而判断森林中是否存在烟火事故;
该系统的工作原理:首先由森林烟火数据采集模块实时采集森林烟火数据,接着由数据传输模块将实时采集的森林烟火数据传输至后台服务器,最后由鲁棒多视角检测模块检测森林烟火数据,从而判断森林中是否存在烟火事故。
2.根据权利要求1所述的基于鲁棒多视角的森林烟火实时监测系统,其特征在于,所述森林烟火数据采集模块包括均匀布置在森林中的若干个森林烟火图像数据采集器。
3.根据权利要求1或2所述的基于鲁棒多视角的森林烟火实时监测系统,其特征在于,所述森林烟火数据采集模块包括均匀布置在森林中的若干个温度传感器或/和若干个湿度传感器或/和若干个烟雾报警器或/和若干个压力传感器。
4.根据权利要求2所述的基于鲁棒多视角的森林烟火实时监测系统,其特征在于,均匀布置在森林中的若干个森林烟火图像数据采集器均包括监控摄像头。
5.根据权利要求1、2或4所述的基于鲁棒多视角的森林烟火实时监测系统,其特征在于,建立所述鲁棒多视角检测模块包括以下步骤:
S1,首先建立初始鲁棒多视角检测模型;
S2,然后求解鲁棒多视角检测模型的参数,即求解最终的分类平面;
S3,最后对鲁棒多视角检测模型进行实验验证。
6.根据权利要求5所述的基于鲁棒多视角的森林烟火实时监测系统,其特征在于,所述S1包括以下步骤:
S11,首先获取样本数据集,该样本数据集包括训练集和测试集,该样本数据集中训练集输入至鲁棒多视角检测模型以后,均被处理为多视角数据集,该多视角数据集采用多视角正则化项关系矩阵Q,关系矩阵Q如下所示:
其中,qm,d表示同一对象的第d个视图在tm时刻的数据点,m=[1,2,3,...,r],d=[1,2,3,...,p],其中r和p均为正整数;
S12,通过L2,1范数约束进行同一对象的特征选择,最后选择最具相关性的特征,设样本x∈Rm,m=[1,2,3,...,r],设关系矩阵Q∈Rm×d,m=[1,2,3,...,r],d=[1,2,3,...,p],其中r和p均为正整数,最后获得列向量y∈Rd,d=[1,2,3,...,p],列向量y如下所示:
通过L2,1范数约束公式如下所示:
S13,进行目标函数的建立,根据S12选择同一对象的最具相关性的特征,通过最具相关性的特征对应的视角,获得第一个目标函数,该第一个目标函数表示为:
则另一个目标函数表示为:
其中,原始数据矩阵A1,A2,B1,B2,其中分别表示正类第一个视角和第二个视角的数据集,分别表示负类第一个视角和第二个视角的数据集,参数ε∈{2i|i=-10,-9,...,9,10},δ∈{0.25,0.5,0.75...
【专利技术属性】
技术研发人员:业巧林,程雅雯,康显赟,
申请(专利权)人:南京林业大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。