基于 Q-粗糙集的视频火灾威胁检测
计算机视觉与模式识别
2021-01-22 v1
摘要
本文定义了从视频流中进行无监督火灾区域分割与火灾威胁检测的新方法。火的控制对人类文明有多种用途，但一旦蔓延失控，也可能同时成为威胁。已有许多关于火灾区域分割与火灾/非火灾分类的方法。但确定火灾相关威胁的方法相对匮乏，且尚无此类无监督方法被提出。此处我们专注于开发一种无监督方法，借此可量化火灾威胁，并在室内与室外自动监控系统中相应产生警报。在无任何人工干预/标注数据集的情况下进行火灾区域分割是构建此类方法的主要挑战。此处我们使用粗糙近似来逼近火灾区域，并因缺乏任何先验信息而用以处理知识库的不完备性。利用 Q-learning 的效用最大化来减小粗糙近似中的歧义。由此开发的新集合近似方法被命名为 Q-粗糙集。其用于从视频帧中进行火灾区域分割。火灾火焰在输入视频流上的威胁指数依据近期帧中火灾分段的相对增长来定义。此处定义的所有理论与指数均通过演示与对比在不同类型火灾视频上经实验验证，优于现有最优方法。
引用
@article{arxiv.2101.08459,
title = {Fire Threat Detection From Videos with Q-Rough Sets},
author = {Debarati B. Chakrabortya and Vinay Detania and Shah Parshv Jigneshkumar},
journal= {arXiv preprint arXiv:2101.08459},
year = {2021}
}