從傳統(tǒng)到深度:視覺煙霧識別、檢測與分割
關(guān)鍵詞：煙霧識別 煙霧檢測 煙霧分割 深度學習 綜述
摘要：在煙霧檢測系統(tǒng)中,采用機器學習的視覺技術(shù)暫未廣泛替代傳感器的主要原因在于其誤報與漏報較高。計算力度的提高、存儲設(shè)備的發(fā)展,使得傳統(tǒng)視覺技術(shù)中存在的問題逐漸得到改善或解決,但也迎來了新的挑戰(zhàn)。為反映用于森林火災(zāi)預(yù)警的煙霧識別、檢測等技術(shù)的最新研究進展,本文重點對2017—2019年國內(nèi)外公開發(fā)表的相關(guān)文獻進行梳理和分析。從監(jiān)控角度出發(fā),基于對此領(lǐng)域的長期研究與廣泛文獻調(diào)研,將利用煙霧的森林火災(zāi)預(yù)警任務(wù)分為煙霧識別、檢測、分割這3類不同的粒度,分別介紹實現(xiàn)這些任務(wù)的傳統(tǒng)方法及深度方法。依照當前研究熱度,主要關(guān)注視頻煙霧檢測與分割這兩個細粒度任務(wù)。其中煙霧區(qū)域的粗提取與二次提取方法是檢測與分割的關(guān)鍵,因此將探索這些方法如何提取、利用煙霧的動態(tài)與靜態(tài)特征。此外,由于深度學習框架主要實現(xiàn)端對端的任務(wù),無法分離出關(guān)鍵步驟,故對基于深度學習的煙霧監(jiān)控任務(wù)進行單獨梳理,不關(guān)注單步細節(jié),主要體現(xiàn)文獻思路。最后,對實現(xiàn)煙霧識別、檢測、分割任務(wù)具體方法中的優(yōu)缺點、煙霧監(jiān)控任務(wù)中常用的指標、研究常用的數(shù)據(jù)庫進行總結(jié),并對發(fā)展前景進行展望。為基于煙霧的森林火災(zāi)預(yù)警技術(shù)提供更多的發(fā)展方向。
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(lián)網(wǎng)資料，請注明作者姓名、文獻名、網(wǎng)址和時間。
{2}文章內(nèi)容要求選題新穎、觀點明確、論證嚴謹、數(shù)據(jù)真實、引用準確、文字精煉，有一定的學術(shù)性、思想性和創(chuàng)新性。
{3}文題應(yīng)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(nèi)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(guī)則》GB/T7714—2015執(zhí)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(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
