从传统到深度:视觉烟雾识别、检测与分割

关键词：烟雾识别 烟雾检测 烟雾分割 深度学习 综述 

摘要：在烟雾检测系统中,采用机器学习的视觉技术暂未广泛替代传感器的主要原因在于其误报与漏报较高。计算力度的提高、存储设备的发展,使得传统视觉技术中存在的问题逐渐得到改善或解决,但也迎来了新的挑战。为反映用于森林火灾预警的烟雾识别、检测等技术的最新研究进展,本文重点对2017—2019年国内外公开发表的相关文献进行梳理和分析。从监控角度出发,基于对此领域的长期研究与广泛文献调研,将利用烟雾的森林火灾预警任务分为烟雾识别、检测、分割这3类不同的粒度,分别介绍实现这些任务的传统方法及深度方法。依照当前研究热度,主要关注视频烟雾检测与分割这两个细粒度任务。其中烟雾区域的粗提取与二次提取方法是检测与分割的关键,因此将探索这些方法如何提取、利用烟雾的动态与静态特征。此外,由于深度学习框架主要实现端对端的任务,无法分离出关键步骤,故对基于深度学习的烟雾监控任务进行单独梳理,不关注单步细节,主要体现文献思路。最后,对实现烟雾识别、检测、分割任务具体方法中的优缺点、烟雾监控任务中常用的指标、研究常用的数据库进行总结,并对发展前景进行展望。为基于烟雾的森林火灾预警技术提供更多的发展方向。

中国图象图形学报杂志要求:

{1}引用报刊资料，请注明作者姓名、文章标题、刊名、刊期 ；引用书籍资料，请注明作者姓名、书名、出版社、出版时间和页码 ；引用互联网资料，请注明作者姓名、文献名、网址和时间。

{2}文章内容要求选题新颖、观点明确、论证严谨、数据真实、引用准确、文字精炼，有一定的学术性、思想性和创新性。

{3}文题应用最少的文字表达最多的、有价值的信息，尽可能省去“……的研究”，“……的观察”等无特定意义的词。

{4}来稿需准确标注参考文献。本刊采用文末注（对稿件中特定内容的解释说明可采用页下注），顺序编号。著录格式依照《信息与文献参考文献著录规则》GB/T7714—2015执行。

{5}来稿请详细注明作者单位、地址、科室、邮编、办公电话、手机号码及E-mail。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社