發(fā)布時間：2024-07-06 11:13

　　不時發(fā)生的火災給社會帶來嚴重的損失,對火災的預防、監(jiān)控和災害發(fā)生時對人群疏散的研究已經(jīng)成為熱點。由于空間和視角的限制,比較大規(guī)�；馂陌l(fā)生時,處于現(xiàn)場的救援人員往往無法準確得知周邊情況。為了更好輔助救援人員搶險救災和人群疏散工作,本文提出一種基于航拍圖像的大范圍路網(wǎng)提取算法以及火災發(fā)生時疏散路網(wǎng)更新生成方法,利用深度學習網(wǎng)絡(luò)模型和圖像處理技術(shù)將航拍圖像中的道路、火情信息生成可以理解的語義信息,從高空視角給出宏觀總體態(tài)勢信息,輔助應急管理、人群疏散等決策工作。本文主要研究內(nèi)容如下:1)綜述了災害周邊環(huán)境感知所用到的道路識別算法和火焰識別算法研究現(xiàn)狀,并對現(xiàn)有的深度學習神經(jīng)網(wǎng)絡(luò)模型和算法進行了分析。2)提出一種道路識別網(wǎng)絡(luò)模型D-Cross Link Net,設(shè)計了跨分辨率交叉連接、雙空洞卷積模塊,實現(xiàn)從航拍圖中抽取城市道路網(wǎng)絡(luò)任務,通過實驗證明了結(jié)果的有效性和優(yōu)越性。3)實現(xiàn)了綜合RGB、YCb Cr、HSI三種顏色空間規(guī)則的火焰識別算法,識別并定位圖像中火災點,生成標記效果圖,適用于多種格式和不同分辨率的圖像。將道路識別結(jié)果和火焰識別結(jié)果融合,將道路上的火災點標記為障礙點,生成具有火情標...

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

圖1.1整體研究框架

第一章緒論5耦合致災機理與規(guī)律”（2016YFC0800100），和國家自然科學基金項目“多約束Power圖快速計算算法研究”(61972128)。1.4研究內(nèi)容災害發(fā)生的時候利用現(xiàn)有技術(shù)和手段讓救援人員明晰災害現(xiàn)場的真實情況是搶險救災正確指揮的重要保障，因此研究火災下的疏散路網(wǎng)....

圖2.1CNN與FCN的工作原理

第二章相關(guān)工作介紹7第二章相關(guān)工作介紹本章介紹支撐災害環(huán)境感知方法中使用的算法和相關(guān)理論，首先是基于深度學習方法的道路識別相關(guān)理論，其次是基于顏色空間規(guī)則的火焰識別相關(guān)理論。2.1道路抽取方法相關(guān)工作在分析了國內(nèi)外對航拍圖像的道路網(wǎng)絡(luò)抽取方法后，經(jīng)過比較本文選擇使用深度學習方法做....

圖2.2不同空洞率的空洞卷積（a）空洞率為1，（b）空洞率為2，（c）空洞率為4

ield）。在道路抽取任務中，由于道路像素的個數(shù)在數(shù)據(jù)集的圖像中相對于非道路來說占整個圖像的像素點個數(shù)的比例較小，且道路有曲折復雜、縱橫交錯的特點而導致精確的道路抽取工作十分困難。為了應對這些難點獲得更高的識別精度，應該盡可能的保證特征信息的全局性，而特征圖感受野的適當增大可以使....

圖3.1D-CrossLinkNet模型結(jié)構(gòu)圖，其中①為編碼器②為中間部分③為解碼器Fig3.1D-CrossLinkNetmodelstructurediagram,Part1istheencoder,Part2istheCenterpart,Part3isthedecoder.本文提出的D-CrossLinkNet可以分為三個部分，分別為編碼器、中間部分、

合肥工業(yè)大學專業(yè)碩士研究生學位論文12像素點的丟失從而引起了圖像細節(jié)信息的丟失。其次D-LinkNet值在網(wǎng)絡(luò)模型的最后一層使用了空洞卷積層，沒有很好的利用多層次的特征信息，在現(xiàn)代的語義分割任務的實踐中，利用多尺度數(shù)據(jù)是主流思想。由此，本文提出了雙空洞卷積模塊，在多次空洞卷積操作....

本文編號：4002470