基于两级多传感器数据融合的汽车火灾探测方法及系统

    公开(公告)号:CN117275166A

    公开(公告)日:2023-12-22

    申请号:CN202311192789.0

    申请日:2023-09-14

    申请人: 淮阴工学院

    IPC分类号: G08B17/10 G08B21/18

    摘要: 本发明公开了一种基于两级多传感器数据融合的汽车火灾探测方法及系统。包括:监测场内、场外传感器的环境参数,基于“累积和”变化统计量的一级数据融合方法来处理场内传感器的检测数据,将其转化为当前火灾事件的发生概率,完成一级警报火灾判断决策;在对场内传感器检测数据进行一级数据融合过程中,对于每个场外的视觉传感器通过比对视觉传感器获得的视频图像的对比度或亮度的变化来判断是否出现火灾特征,将其转化为当前火灾事件的发生概率;利用第二级基于D‑S理论的信息融合方法对场内和场外传感器的概率进行组合,获得最终的火灾决策。与现有技术相比,本发明能获得有效的火灾探测结果,可以有效处理由异常值或故障传感器节点引起的冲突。

    一种基于联合特征及QLBC的火灾检测方法

    公开(公告)号:CN118196501A

    公开(公告)日:2024-06-14

    申请号:CN202410323967.7

    申请日:2024-03-20

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于联合特征及QLBC的火灾检测方法,包括:联合特征选择,联合特征集由变换特征和纹理特征组成,具体包括基于灰度共生矩阵的特征GLCM、基于离散小波变换的特征DWT和基于离散余弦变换的特征DCT,利用正向特征选择方法SFS来顺序选择特征向量;基于二次Logit‑Boost分类器QLBC的火灾图像分类,建立一组基于二次logit‑boost的子分类器,并计算提取特征和测试特征之间的似然函数,基于似然性结果,将所有子分类结果合并到一个分类器中,使用梯度下降函数计算logit损失,并根据损失函数调整权重。与现有技术相比,本发明可以提供更高精度的火灾分类结果,该分类方法具有较低的误差、较少的训练时间和较高的准确性,适合对早期火灾的检测。