于视频图像的森林火灾烟雾识别方法
基于视频的早期森林火灾识别算法研究
森林火 灾发生时 ， 参 与 燃 烧 的 主 要 是 各 种 草 本 和 木 本植 物 。在 白天 正 常 自然 光 照 下 ， 林 火 火 焰 主 要 集 中在 黄 色 到 红 色 范 围 内 。火 焰 颜 色 还 与 温 度 有 关 ， 温 度 较 低
远距 离、 大 面积 特 性 的 现 实 ， 提 出一 种 基 于 林 火颜 色特 征 和 形 态特 征 的 早期 火 灾 识 别 算 法 。 颜 色特 征 采 用 基 于 Ｒ ＧＢ颜 色 空
ｓ （ 饱和度） ｄ０ ． １ 。 由于 燃 烧 产 生 的 粉 尘 夹 杂 在 烟 雾 中 ，
统 稳定 有 着 重 要 的 作 用 。 目前 ， 国 内 外 的 森 林 防 火 技 术 主要有地面巡护 、 晾望台监测 、 航 空巡 逻 、 红外遥感 、 卫 星 监 测 等 。前 两 种 方 法 效 率 低 ， 危 险性 高 ； 后 三 种 方 法 则 投 资成本高 ， 实 施 复 杂 。因 此 ， 建 立 一 个 预 警 效 果 好 且 成 本
火 焰 中心 有 时 呈 白色 ， 但 所 占面 积 较 小 。火 焰 像 素 颜 色
值 的 ＲＧＢ颜 色 空 间 和 ＨＳ Ｖ 颜 色 空 间 中均 有 分 布 规 律 。
文章编号 ： １ ０ ０ ９ —０ ０ ２ ９ （ ２ ０ １ ３ ） Ｏ ４ 一Ｏ ４ １ ８ 一Ｏ ４
烟雾 的颜 色 主要 分 布在 黑 白之 间 的 灰 度 空 间 内 。烟
和 动 态 特 征 的检 测 。笔 者 提 出建 立 基 于 Ｒ ＧＢ颜 色 空 间 和 ＨＳ Ｖ颜色空间的烟雾颜色模型和火焰颜色模型 ， 对 林 火的静态特征进行识别 ， 然 后从 视 频 中 提 取 出 运 动 目标 ， 判断其是否满足颜色模型 ， 如果满足 ， 则 对 该 区 域 进 行 动 态 特 征 识 别 。此 动 态 特 征 识 别 方 法 主 要 基 于 火 焰 和 烟 雾 的形 态 特 征 ， 包 括 其 不 规 则 性 和 生 长性 判 断 。 １ 林 火燃 烧 现 象颜 色模 型
基于视频的烟雾检测预警系统在森林防火系统中的应用
Ｓ Ｔ ＹＳ ＥＭ ｏ Ｔ ＦｏＲＥＳ Ｉ Ｅ ＲＥＶＥＮＴＩ Ｎ ＹＳ ＥＭ ＴＦＲ Ｐ ｏ ｎ ｕ
（ｎｔｕｅＱ Ｃ ｍ ｕｅ Ａｐｉ ｔ ｎＴｃｎｌ ｙ Ｃ ｌ ｏ ｐ ｔ ｃ ｎｅａ ｄＥ ｇｎｅｉ Ｉｓｔｔ 厂 ｏ ｐ ｔ ｐｌａｉ ｅｈｏｏ ，ｏｌ ｏ Ｃ ｍ ｕｅ Ｓｉ ｃ ｎ ｎ ｉｅｒ ｇ，Ｃ ｏｇｉｇ ｉ ｒ ｃ ｏ ｇ ｉｅｆ ｒ ｅ ｎ ｈｎ ｑ ｎ Ｕ ｉ ｒｔ ｅｈ ｏ ｇ ， ｈｎ ｑ ｇ４ ０ ５ ， ｈｎ ） ｎｖ ｓｙｏ Ｔｃｎｌ ｙ Ｃ ｏｇｉ ０ ０ ４ Ｃ ｉ ｅｉ ｆ ｏ ｎ ａ 。 Ｃ ｌｇ Ｃ ｍ ｕｅ ｃ ｎｅａｄＥ ｇｎｅｉ （ ｏｅｅ ｌ ｏ ｐ ｔ Ｓｉ ｃ ｎ ｎ ｉ ｒ ｇ，Ｃ ｏｇ ｉ ｎｖｒｔ ｅｈ ｏ ｇ ，Ｃ ｏｇ ｉ ００ ４，ｈｎ ） ｒ ｅ ｅ ｎ ｈ ｎｑｎ Ｕ ｉ ｓｙｏ Ｔｃｎｌ ｙ ｈ ｎｑｎ ４ ０５ Ｃ ｉａ ｇ ｅｉ Ｊ ｏ ｇ
到的 图像进 行处 理， 处理后再提取 可疑 区域并对可疑 区域火灾发生 时烟 雾的特征进行 识别 ， 主要 包括烟 雾的背景模糊度特征和扩 散 性特征 ， 对烟 雾的这些特征设计 了相 应的检测算法 ， 针 实现 对视 频中的烟 雾图像 的提取 、 检测并 自动报警。分析结果表明， 结 烟雾 特征设计的烟雾检测预警系统具有较好的识别效果， 在森林 防火预警 中有很强的实用性。 关键词
ｉ ｇ ｓ ｆ ｍ ｉｅ ｓ ｎ ｕｔ ｅ ，ｔ ｅ ａ ｔ ｍａｉ ｌ ｒ ｎ ，ａ ｅ ｒ ａ ｉ ｄ Ａ ａｙ ｉ ｒ ｓ ｌ ｓ ｏ ｓ ｔ ａ ｈ ｍｏ ｅ ｄ ｔ ｃｉｎ ａ ｄ ｅ ｒ ｒ ｉ ｇ ｍａ ｅ ｒ ｏ ｖｄ ｏ ，ａ ｄ ｆ ｒ ｒ ｈ ｕ ｏ ｔ ａａ ｍｉ ｇ ｒ ｅ ｌ ｅ ． ｎ ｌ ｓ ｅ ｕ ｔ ｈ ｗ ｈ ｔ ｔｅ ｓ ｋ ｅｅ ｔ ｎ ａ ｙ ｗａ ｎ ｈ ｃ ｚ ｓ ｏ ｌ ｎ
多类场景下无人机航拍视频烟雾检测算法
多类场景下无人机航拍视频烟雾检测算法近年来，无人机在各个领域的应用逐渐增多，其中之一就是烟雾检测。
烟雾是许多火灾发展的早期信号，能够提前发现火情，从而采取相应的救助和灭火措施，减少人员伤亡和财产损失。
然而，多类场景下的烟雾检测一直是一个具有挑战性的问题。
本文将介绍一种基于无人机航拍视频的烟雾检测算法，该算法可以在不同场景下准确地检测烟雾。
该算法的基本思想是利用无人机搭载的相机进行航拍视频，通过图像处理和机器学习算法实现对烟雾的检测。
具体来说，算法主要包括以下步骤：图像预处理、特征提取、分类和结果判定。
首先，对航拍视频的图像进行预处理，包括图像去噪、图像增强和图像分割。
由于无人机在航拍过程中可能会受到各种干扰，如风力、飞行速度等，因此图像中可能包含噪声。
去噪是为了减少这些噪声对后续处理的影响。
图像增强是为了使图像更加清晰，更容易检测到烟雾。
而图像分割是为了将图像中的烟雾与背景进行分离，提取烟雾特征。
然后，对预处理后的图像进行特征提取。
这里采用的是基于颜色、纹理和形状的特征提取方法。
颜色特征可以通过分析图像中烟雾的颜色分布来提取，烟雾通常呈现为灰色或白色；纹理特征可以通过计算图像的纹理特征来提取，烟雾的纹理通常比较模糊；形状特征可以通过计算烟雾的轮廓特征来提取，烟雾通常呈现为不规则的形状。
接下来，将提取的特征输入到分类器中进行分类。
这里采用的是支持向量机（SVM）分类器，通过训练一定数量的正负样本数据，使得分类器能够学习到烟雾的特征，并进行烟雾与非烟雾的判断。
同时，为了应对多类场景下的烟雾检测，可以采用多分类器组合的方法，将不同场景下的分类器进行组合，提高烟雾检测的准确率。
最后，根据分类器的输出结果判定烟雾是否存在。
如果分类器输出为烟雾，则认定检测到烟雾；反之，如果输出为非烟雾，则认定未检测到烟雾。
同时，还可以根据烟雾的特征提取结果进行烟雾的定位和面积估计，以便进一步判断火灾的大小和情况。
为了验证该算法的性能，我们收集了不同场景下的航拍视频，包括森林、城市和工厂等。
森林火灾智能识别的方法
森林火灾智能识别的方法一、图像识别技术图像识别技术是利用计算机对图像进行处理、分析和理解的过程。
在森林火灾智能识别中，通过图像识别技术可以快速准确地检测到火灾发生的区域，并获取火势蔓延的情况。
常用的图像识别算法包括基于阈值的分割算法、边缘检测算法、形态学处理算法等。
二、红外热成像技术红外热成像技术是利用红外探测器接收物体发出的红外辐射，将之转换成电信号后再转换成图像的技术。
在森林火灾智能识别中，红外热成像技术可以快速准确地检测到火灾的热源，并确定火灾的位置和大小。
由于红外热成像技术不受可见光影响，因此在夜间和烟雾条件下也能有效地进行火灾检测。
三、多光谱遥感技术多光谱遥感技术是利用不同光谱段的传感器对地球表面进行观测和监测的技术。
在森林火灾智能识别中，多光谱遥感技术可以通过对不同光谱段的图像进行比较和分析，发现异常的温度和光谱特征，从而快速准确地检测到火灾的发生。
多光谱遥感技术还可以提供火灾的蔓延趋势和火线长度等信息。
四、机器学习技术机器学习技术是人工智能领域中的一个重要分支，它通过让计算机从数据中学习规律和模式，从而进行分类、预测和决策等任务。
在森林火灾智能识别中，机器学习技术可以通过对历史火灾数据的学习和分析，构建预测模型，实现对未来火灾的预警和监测。
常用的机器学习算法包括支持向量机、随机森林、神经网络等。
五、无人机技术无人机技术是利用无人机进行航拍和监测的技术。
在森林火灾智能识别中，无人机技术可以快速获取火场的高清图像和视频，并通过搭载的红外传感器和多光谱相机等设备，实现火场温度和烟雾浓度的监测。
无人机技术还可以通过搭载的通信设备，实现火场实时图像的传输和远程控制。
六、智能传感器技术智能传感器技术是利用传感器进行信号采集和处理的技术。
在森林火灾智能识别中，智能传感器技术可以通过部署在林区的温度、烟雾等传感器，实现对火源的快速定位和火势的实时监测。
智能传感器技术还可以通过无线通信技术实现数据的传输和处理，为火灾预警和扑救提供及时准确的信息支持。
基于视频的烟焰检测方法研究
二 、基 于 图 像 的检 测
目前 视 频 设 备 所 采 集 到 的序 列 图像 都 是 彩 色 图像 ，彩 色 图像 的色 彩 信 息 非 常 丰 富 ，可 以为 图像 处 理 提 供 更 多 的依 据 和 条 件 。烟 焰 的 识 别方 法 多 是 在 灰 度 化 的 基础 上 进 行 的 ，往 往 会 忽 略 了 图 像 的色 彩 信 息 ，使 得 后 期 的 处理 更 加 复 杂 。在 此 ， 首 先尝 试 一 种 基 于 单 帧 图像 的烟 焰 检 测 方 法 ，可 以在 不 丢 弃色 彩 信 息 的情 况 下 对 图像 进 行 处 理 。
Ｒｅ ｅ ｒｈ ＆ 酶 Ｄ ｛ ｊ ｓ ａｃ ） 静０ 辩 ｅ
与 开 发
注：山西省自然基金项目资助 （ 编号 ：２ ０ ＠２０ ３ ０ ７ ００ ）
摘要
烟焰作为火灾最为明显的标志 ， 对于其进行 实时检测 ， 在火灾监控方 面有着重要的意义 。 传统的离
子式 、光电式、吸烟式等烟 雾探测器受到空间和时间的限制 ，不能进行实日 全面的探测… 寸 。本文提出了一 种基于视频的烟焰检测算法 ， 采用帧差法提取出差值 图像 ， 经过图像处理 ， 获得了理想的烟焰轮廓 ， 根据
小 。 算 量 【
其 中 ，Ｃ为 Ｒ、Ｇ、Ｂ 和 Ｈ、Ｓ 值 所 构 成 的 空 间 。 、Ｉ 分 割 结 果如 图 ３ 、４所 示 。 可 见 Ｒ Ｂ模 型模 糊 了 火焰 的 Ｇ 尖 角特 征 ，只 是 提 炼 出 了火 焰 的主 体 轮 廓 ，反观 Ｈ Ｓ模 型 的 Ｉ
分 割 ， 更 多 的 保 留 了 火焰 的细 节 特 征 ， 为后 期 的进 一步 处 理 奠 定 了基 础 。
处 理 与 分析 中， 常常 需要 把 Ｒ ＧＢ空 间 转 换 为 ＨＳ 空 间 ＿，如 图 ２ Ｉ ４ ］ 。
视频图像火灾烟雾识别仿真研究
｛ Ｎ ｏ ｎ ｅ － ｓ ｍｏ ｋ ｅ ｐ ｉ ｘ ｅ ｌ ｝
本 文中 ， ｒ 的值 设 为 １ ０—１ ５之 问 ， ｄ 。 、 ｄ ： 、 ｌ 。 和 ｌ 的值 分 别为 ７ ０、 １ ５ ０ 、 １ ５ ０和 ２ ０ ０ … 。满 足 以上条件 的像 素值 统一 标
记为 １ ， 否则标记为 ０ 。
新， 获取 当 前 帧 的 背 景 模 型 之 后 ， 即 可 提 取 出 当 前 帧 的 运 动
量包 含了方向 ０和速度 ， 按下式计算
一 ｎ ） （ １ ）
区域 。为 了进一 步 排除 噪声 ， 使用 Ｏ ｓ ｔ ｕ算 法对 运 动 区域进 行二值化操作 。 在烟雾燃烧过 程 中 ， 其 一般 呈现 出浅 灰色 或深 灰 色 ， 这 表明烟雾像素 的 Ｒ、 Ｇ和 Ｂ三个值 近似相 等 。在 Ｈ Ｉ Ｓ颜色 空 间 中， Ｉ 对应成像亮度 和图 像灰 度 ， 是 颜 色 的明亮 程度 ， 由于 烟雾 的灰色 烟雾 的亮 度值 较 小 ， 因此 当烟雾 颜 色呈 浅 灰 色 时， Ｉ 值分布在灰度值 ｌ 和 ｌ ：之 间， 当呈深 灰色 时 ， Ｉ 值分 布 在灰度值 ｄ ． 和ｄ 之间 。具体判别规 则如下
为反映烟雾不规则运动 的特 征 ， 与此 同时 ， 光 流 速 度 的 平 均
在受 风速 影响较小 的情况下 ， 烟雾在 热流作用 下呈 向上
飘 动 的趋 势 ， 具有方 向和运动速度 ， 使 用 Ｈｏ ｒ ｎ— Ｓ ｃ ｈ ｕ ｎ ｃ ｋ （ Ｈ Ｓ ）
光流算法提取光 流特征 ， 为 了降低光 流计 算 的复杂 性 ， 只计 算相邻两 帧中疑似 烟雾 区域 的矩形框 中 的光 流 ， 并 统计 由二 值化处理后得 到的非零像素处 的光 流信息 ， 这样 大大减少 了 运算时 间 ， 提高 了处理效率 。假定 Ｐ （ ｉ ｊ ）和 Ｐ （ ｉ ， ）分别 表
基于视频图像的森林火灾识别算法研究
【 关键 词 】森 林 火 灾 图像 ； 焰 识别 ； 态特 性 ； 火 动 区域 增长 法 ； 隶属 度 函数
【 中图分类号】Ｔ ９ １ ４ Ｎ １． ７
文 章 编 号 ：ｏ ２ ８ ９ （ Ｏ ０）９ ０１ ６ ０ １０ — ６ ２ ２ １ Ｏ — — ３ １
基于视频图像的森林火灾识别算法研究 冰・ 技・ 实 术 用
齐怀琴 ， 徐 刚， 王 娜
（ 齐哈 尔 大 学 通 信 与 电子 工程 学 院 ， 齐 黑龙 江 齐 齐哈 尔 １ １ ４ ） ６ ０ １
１ 引言
基 于视 频 的 火 灾 检 测 方 法 是 当 前 火 灾 检 测 领 域 的
２ 火 灾 识 别 算 法
笔者 提 出 的火 灾 识 别 算 法 分 两个 步 骤 ： ）先 对 现场 １ 图像 进 行 预 处 理 ， 用火 焰 的静 态 和 动 态 特 性 ． 过 阈值 利 通 对 现 场 图像 进 行 分 割 ， 而 提 取 主 要 检 测 目标 ； ） 通 进 ２ 过 设 定 模 糊 判 定 法 则 以 及 隶 属 度 函数 来 判 断 目标 是 否
ｒ ｇｏ － ｒｗｉ ｇ ｅ ｉ ｎ ｇ ｏ ｎ ｍｅ ｈ ｄ ｒ ａ ｏ ｔｄ ｏ ｘｒ ｃ ｔｅ ａ ｇ ｔ ｒ ａ Ｔ ｅ ，ａ ｃ ｒ ｉｇ ｏ ｔ ｅ ｅ ｔｒ ｆ ｔ ｅ ｆ ｍｅ ｅ ｉｎ ｎ ｔ ｅ ｒ ａ ｔ ｏ ａ ｅ ｄ ｐｅ ｔ ｅ ｔ ｔ ｈ ｔｒ ｅ ａｅ ． ｈ ｎ ｃ ｏ ｄ ｎ ｔ ｈ ｃ ｎｅ ｏ ｈ ａ ｒ ｇｏ ａ ｄ ｈ ａ ｅ ａ ｌ
【 ｂｔａｔ ｎ ｔｉ ｐ ｐｒ ｅ ｏ ｓ ｆｅ ｅ ｃｉ ｅｈｄ ｂ ｓｄ ｏ ｉｅ ｉａｅ ｉ ｒｐｓｄ ｈ ｍ ｔｏ ｓｓ ｙａ ｉ Ａ ｓ ｃ】Ｉ ｈｓ ａｅ，ａ ｎｗ ｆｒ ｔｉ ｄｔ ｔ ｎ ｍ ｔｏ ａｅ ｎ ｖ ｏ ｍ ｇ ｓ ｏｏｅ ．Ｔ ｉ ｅ ｄ ｕｅ ｄｎｍ ｃ ｒ ｅ ｒ ｅ ｏ ｄ ｐ ｓ ｈ
基于视频图像的烟雾检测方法探析
似 的 视 频 运 动 ．用 以科 学地 判 断和 检 测 火 灾 ．并 采 取 有 效 的 扑 结 合 图像 序 列 中连 续 的 两 帧 、多帧 等 图像 加 以差 分 ，用 以 对 运
灭 行 动 。
动 目标 进 行 提 取 和 检 测 ．其 不 仅 对 于光 照 变化 适 应 性 强 ．而 且
２０１６年 ２ 月 上
基 于视 频 图像 的烟 雾检 测方法探 析
杨学富 （公安海警学院，浙江 宁波 ３ １５０００）
【摘 要 】近些年来 ，由于传统火灾探测技术的缺乏 ，不少研究学者开 始寻求现代化 火灾检 测方法。本文以视频 图像为基础 ，提出了一种在火灾
初期借助干视频及数字化图像对烟雾进行检测的方法 ，以科 学地确定着 火点，便于尽 快发现火灾 ，并采取有力 的措施予以扑灭。
２ 基于视频图像 的烟 雾检测 方法分析
以视 频 图像 为 基 础 的 烟 雾检 测 方 法 ．主 要 是 以监 控 视 频 中 火 灾烟 雾 的特 征 ．用 来 实现 早 期 火 灾检 测 。火 灾烟 雾 包括 静 态 、动 态 两 大特 征 。其 算 法 如 下 ：火 灾视 频 的 采 集 、图像 的 预 处 理 、烟 雾 运 动 特 征 的 分 析 、颜 色特 征 的检 测 、运 动 特 征 的检 测 、 火 情评 估 与 报 警
２．５ 运动特 征 的检测
１ 烟雾检测 技术概述
传 统 火 灾烟 雾 检 测 技 术 虽 然应 用 已趋 于成 熟 ．但 仍存 在 不 少弊 端 ，主 要 体 现 在 如 下 方 面 ： 就 接 触 式 火 灾检 测 器 而 言 ，由 于 空 间 大 、高度 高 ，早 期 火 灾 由 于 浓 度 小 ，达 不到 探 测 器 的报 警阀值 ，因而难 以及时被接收。② 对 于薄顶建 筑而言，一 经 阳光 照射 ．室 内顶 部 空 间将 迅 速 形 成 逆 温 层 ．火 灾所 产 生 的 烟 雾滞 留在 逆 温 层 之 下 ．难 以 成功 接 触 到 烟 雾探 测 器 。（ 对 于 非 接 触 式感 光 探 测 技 术 而 言 ．极 易 受 到 照 明 、电 焊 孤 等 多种 因 素 的 干扰 而形 成 误 报 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
辩３２卷仪％仪表学撤
的过程。
它包括变化最检测和自适应阈值分割．罐终得到序列羽像中运动存在与否的个运动模板。
Ｒ前常用的运动同标检测方法主要有１种背景减除法、光流法段帧差法ｐ１。
在背景减除法中，先对背景图像进行建模，然后利用当自Ｈ帧罔像与背景周像相减来确定运动区域。
随着时问的变化，光照条件通常会发生缓慢的改变，需要及时更新背景图像。
对于森林火灾监控现场，光照条件复杂，背景更新的速度往往跟不上环境的改变，从而容易造成严重的错分。
光流法，采用运动Ｒ标随时间变化的光流场特征性来提取和跟踪运动目标。
光流法虽然能直接用于摄像机运动Ｆ的日标检测．但计算复杂不适于实时处理，所以选两种方法都不适台坩来进行森林火，火熘雾识别。
帧差法，利用连续的图像序列中两个或三个相邻帧图像之间进行著分米提取出图像中的运动区域。
鉴于帧差法对于动态环境具有较强的自适应性，且计算简单，所以采用此方法来实现对火灾烟雾运动的捕获，如图３。
运动区域的准确提取，对烟雾识别算法的识别率有着重要的影响．噤声的干扰根容易产生较丈的误差。
为了减少噪声的干扰，除了在每一帧中进行常规的滤渡处理以外，还需利片ｊ连续运动图像在对问上的相关性信息米消除噪声。
传统的帧问差算法只对单幅差分图像进行二值化，根据最大类问方差闽值，得运动二值化图像。
由于冒像信噪比低，差分图像序列中混有大量的白
囤３运动检测：抽）森林火灾视频戤囤（ｂ）单帧差分圈ｋ）单帻差分＝值他掘（ｄ）累积差分二值化由
埘于火灾烟棼Ｈ标，其存卅现、膨胀、消散过程中运动幅度小大．存传统单帧差分二值化罔像序列中值基本为ｌ，这样柱烟雾ｄ标附近区域像素值往往偏高，如罔３（ｃ）所示。
现取输入图像序列共取８帧，进行两两帧问差分并对差分图像累加，其崇
加２８执（８＋（８一１）佗），所以累加图像像素值在［ｑ２８】之问。
鳋实验测试验证，取阐值矗＝１０效果较好姐果像素值大于‘ｔ则该点像素值置为２５５，否则
像素值取Ｏ。
相对于传统的单帧帧差运动检测．如图３（０ｔ累积帧差法检测效果史好，如图３（ｄｋｍ川＝Ｒ嬲竭∽
３林火烟雾图像Ｍ距离识别
火灾烟雾图像在视觉特征上相对于娄烟运动目标提取中的主要干扰物（如晃动的树枝、飞乌、行驶的车辆等）还是有明显区别的，可以用颜色和纹理特性进行表征。
来自同一类别的特征值具有相
燃一圜麟．、＿一。
景嚣。
、●＿■雾．、一■
Ｉ＿］徽
基于视频图像的森林火灾烟雾识别方法
作者：郭炜强， 燕飞， 黄儒乐， 韩宁
作者单位：郭炜强,燕飞,韩宁(北京林业人学工学院 北京 100083)， 黄儒乐(北京林业人学信息学院北京 100083)
本文链接：/Conference_7528899.aspx。