一种集成贝叶斯决策的视频烟雾检测新方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (3): 173-176.

一种集成贝叶斯决策的视频烟雾检测新方法

谢振平1，王涛2，刘渊1

1.江南大学数字媒体学院，江苏无锡 214122
2.江南大学物联网工程学院，江苏无锡 214122

出版日期:2014-02-01 发布日期:2014-01-26

New video smoke detection method using Bayesian decision

XIE Zhenping1, WANG Tao2, LIU Yuan1

1.School of Digital Media, Jiangnan University, Wuxi, Jiangsu 214122, China
2.School of Internet of Things, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2014-02-01 Published:2014-01-26

摘要/Abstract

摘要： 研究将贝叶斯决策应用于自适应神经-模糊推理系统（ANFIS）的视频烟雾检测系统。提取视频烟雾特征，通过减法聚类和混合学习算法，确定并优化得到ANFIS实例，引入贝叶斯决策对ANFIS输出进行检测判别。仿真实验表明，ANFIS比其他烟雾检测算法具备更好的检测性能，而基于最小风险的贝叶斯决策可进一步提高检测率和降低虚警率，能更好地满足实际应用的需求。

关键词: 视频烟雾检测, 烟雾特征分析, 自适应神经模糊推理系统, 贝叶斯决策

Abstract: The Bayesian decision method is studied to further improve the performance of detecting video smoke using Adaptive Neuro-Fuzzy Inference System（ANFIS）. Smoke features are extracted from video sequences. The subtractive clustering and hybrid learning rules are used to train ANFIS. Detection outputs are determined by performing proposed Bayesian decision rules on the outputs of ANFIS. Experimental results show that the detection performance of ANFIS is better than that of other smoke detection algorithms, and the introduction of minimum risk-based Bayesian decision rules further increases the detection rate and decreases the false alarm rate, which is more valuable for practical applications.

Key words: video smoke detection, smoke feature analysis, adaptive neuro-fuzzy inference system, Bayesian decision

谢振平1，王涛2，刘渊1. 一种集成贝叶斯决策的视频烟雾检测新方法[J]. 计算机工程与应用, 2014, 50(3): 173-176.

XIE Zhenping1, WANG Tao2, LIU Yuan1. New video smoke detection method using Bayesian decision[J]. Computer Engineering and Applications, 2014, 50(3): 173-176.

[1]	尹婷1，马军2，覃锡忠1，贾振红1. 贝叶斯决策树在客户流失预测中的应用[J]. 计算机工程与应用, 2014, 50(7): 125-128.
[2]	史东辉. 改进的ANFIS在房产评估中的应用[J]. 计算机工程与应用, 2014, 50(12): 247-251.
[3]	张霆，张友鹏. 基于EMD小波包和ANFIS的滚动轴承故障诊断[J]. 计算机工程与应用, 2013, 49(21): 230-234.
[4]	张春燕，陈笋，张俊峰，李潭. 基于最小风险贝叶斯分类器的茶叶茶梗分类[J]. 计算机工程与应用, 2012, 48(28): 187-192.
[5]	王娟1，朱庆保1，2，崔靖1. 复杂环境下基于贝叶斯决策的机器人路径规划[J]. 计算机工程与应用, 2012, 48(2): 245-248.
[6]	王小鹏，金卫东，赵国辉，董利芳. 基于贝叶斯决策的运动目标检测方法[J]. 计算机工程与应用, 2011, 47(20): 197-200.
[7]	杨会云，张有会，霍利岭，赵金. Bayes理论和邻域平均法在图像去噪中的应用[J]. 计算机工程与应用, 2010, 46(9): 149-151.
[8]	李目^1,2,何怡刚²,周少武¹,谭文¹. 混沌时间序列的自适应变异差分进化ANFIS预测[J]. 计算机工程与应用, 2009, 45(12): 134-137.
[9]	朱燕飞,程良伦,曾莹,许亮. 纯碱碳化过程建模研究[J]. 计算机工程与应用, 2009, 45(1): 228-229.
[10]	王辉. 基于聚类与自适应神经模糊推理的车速预测[J]. 计算机工程与应用, 2008, 44(6): 240-242.