關鍵詞：視頻煙霧檢測 煙霧識別 圖卷積網絡 神經常微分方程 度量學習 

摘要：目的視頻煙霧檢測在火災預警中起到重要作用,目前基于視頻的煙霧檢測方法主要利用結構化模型提取煙霧區域的靜態和動態特征,在時間和空間上對煙霧信息作同等或相似處理,忽略了視頻數據在時間線上的連續性和特征的非結構化關系。圖卷積網絡(GCN)與神經常微分方程(ODE)在非歐氏結構與連續模型處理上具有突出優勢,因此將二者結合提出了一種基于視頻流和連續時間域的圖煙霧檢測模型。方法目前主流的視頻煙霧檢測模型仍以離散模型為基礎,以規則形式提取數據特征,利用ODE網絡構建連續時間模型,捕捉視頻幀間的隱藏信息,將原本固定時間跨度的視頻幀作為連續時間軸上的樣本點,充分利用模型的預測功能,補充幀間丟失信息并對未來幀進行一定程度的模擬預測,生成視頻幀的特征并交給圖卷積網絡對其重新建模,最后使用全監督和弱監督兩種方法對特征進行分類。結果分別在2個視頻和4個圖像數據集上進行訓練與測試,并與最新的主流深度方法進行了比較,在KMU(Korea Maritime University)視頻數據集中,相比于性能第2的模型,平均正樣本正確率(ATPR值)提高了0.6%;在2個圖像數據集中,相比于性能第2的模型,正確率分別提高了0.21%和0.06%,檢測率分別提升了0.54%和0.28%,在視頻單幀圖像集上正確率高于第2名0.88%。同時也在Bilkent數據集中進行了對比實驗,以驗證連續隱態模型在煙霧動態和起煙點預測上的有效性,對比實驗結果表明所提連續模型能夠有效預測煙霧動態并推測煙霧起煙點位置。結論提出的連續圖卷積模型,綜合了結構化與非結構化模型的優勢,能夠獲得煙霧動態信息,有效推測煙霧起煙點位置,使煙霧檢測結果更加準確。

中國圖象圖形學報雜志要求:

{1}引用報刊資料，請注明作者姓名、文章標題、刊名、刊期 ；引用書籍資料，請注明作者姓名、書名、出版社、出版時間和頁碼 ；引用互聯網資料，請注明作者姓名、文獻名、網址和時間。

{2}文章內容要求選題新穎、觀點明確、論證嚴謹、數據真實、引用準確、文字精煉，有一定的學術性、思想性和創新性。

{3}文題應用最少的文字表達最多的、有價值的信息，盡可能省去“……的研究”，“……的觀察”等無特定意義的詞。

{4}來稿需準確標注參考文獻。本刊采用文末注（對稿件中特定內容的解釋說明可采用頁下注），順序編號。著錄格式依照《信息與文獻參考文獻著錄規則》GB/T7714—2015執行。

{5}來稿請詳細注明作者單位、地址、科室、郵編、辦公電話、手機號碼及E-mail。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社