[发明专利]一种基于鲁棒多视角的森林烟火实时监测系统和方法

说明书

本发明公开了一种基于鲁棒多视角的森林烟火实时监测方法，属于森林烟火安全监测技术领域，该方法包括以下步骤：首先在森林中均匀布置森林烟火数据采集模块，森林烟火数据采集模块包括森林烟火图像数据采集器；接着在后台服务器上设置鲁棒多视角检测模块；然后由森林烟火图像数据采集器通过数据传输模块向后台服务器输入森林烟火图像数据；最后由位于后台服务器上的鲁棒多视角检测模块对输入的森林烟火图像数据进行处理检测，从而判断森林中是否存在烟火事故；本专利方法中的鲁棒多视角检测模块鲁棒性高，本专利方法可以实现实时监测森林烟火事故，且监测精度高，具有较高的可扩展性。

技术领域

本发明属于森林烟火监测技术领域，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。

背景技术

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，Support VectorMachine)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(GEPSVM)都主要用于解决二进制分类的问题，目前有将广义特征值近邻支持向量机(GEPSVM)在二元分类中的应用扩展到多分类器，并提出了孪生支持向量机(TWSVM)。此外，还有很多有关GEPSVM的改进算法，例如通过研究GEPSVM中噪声数据的处理以及对训练时间的改进，提出了改进的近端支持向量机(IDGEPSVM)，此外为了解决广义特征值分解中的奇异性问题，提出了使用差分行驶代替比例形式来表示样本点和超平面距离之间的关系，从而产生了GEPSVM的改进版本IGEPSVM的算法。

多视图学习可以通过对同一对象不同视角的学习来提高数据预测的准确性，在现实世界与计算机语言中，同一对象可以由多种视角进行描述，多视图学习作为一种学习机制，不同的视图不仅可以来自多个来源或特征子集，还可以手动生成，因此具有良好的应用前景，越来越多的人将多视图学习与分类器相结合，使其应用到分类算法中。多视图学习与传统的单视图学习算法相比，其可以利用相同类之间的一致性和互补性来提高分类器的性能。

后来有人提出了一种改进的非平行超平面分类器，称为双svms(TSVMs)，其目的是生成两个非平行超平面，使其中一个超平面更接近一个类，并且与另一个类有一定的距离。由于TSVMS具有较高的分类精度和较低的计算复杂度，已成为机器学习中的一种流行方法。MvTSVMs算法是在此基础上进行改进，结合多视角学习，将TSVMs算法拓展到两个视角，其中一个目标函数为

s.t.|A₁v₁-A₂v₂|≤η.

-B₁v₁+q₁≥e₂,

-B₂v₂+q₂≥e₂,