基于圖像處理和模式識(shí)別的火災(zāi)檢測(cè)方法

　　學(xué)期末一直忙考試，大作業(yè)，很久沒(méi)來(lái)耕耘了。。。

　　雖然考試都結(jié)束了，手頭還是累積了不少活兒要補(bǔ)，不多寫了，曬個(gè)小項(xiàng)目，之前一直做的，后來(lái)當(dāng)做模式識(shí)別課程的大作業(yè)交了。

　　大體框架如下：

　　還是之前的火災(zāi)檢測(cè)，但是在一些簡(jiǎn)單的顏色、運(yùn)動(dòng)檢測(cè)的基礎(chǔ)上增加了模式識(shí)別的方法。(其實(shí)并不需要這么多種方法，因?yàn)樽鳂I(yè)要求試驗(yàn)三種以上的方法)

　　因?yàn)樘卣鞅容^簡(jiǎn)單——SVM、非線性SVM、決策樹(shù)、隨機(jī)森林都是用的顏色直方圖來(lái)訓(xùn)練;Adaboost就是完全用的《Rapid》中的Haar特征——所以其實(shí)模式識(shí)別方法并沒(méi)有實(shí)質(zhì)性的提高檢測(cè)率，主要的檢測(cè)效果還是依據(jù)前期初期得到的。

　　以下是用QT實(shí)現(xiàn)的小Demo：

　　再曬個(gè)檢測(cè)效果圖：

　　都是比較簡(jiǎn)單的場(chǎng)景，所以看上去效果還行，嘿嘿~