基于卷积神经网络的火灾视频图像检测

摘要：

随着计算机技术的发展,融合计算机视觉、机器学习、深度学习等技术的火灾图像处理技术得到了广泛的研究和应用.针对传统图像处理方法预处理过程复杂且误报率高等问题,提出一种基于深度卷积神经网络模型进行火灾检测的方法,其减少了复杂的预处理环节,将整个火灾识别过程整合成一个单深度神经网络,便于训练与优化.针对识别过程中类似火灾场景对火灾检测产生干扰的问题,利用火灾的运动特性,创新性地提出利用火灾视频前后帧火灾坐标位置变化来排除灯光等类似火灾场景对检测的干扰.对比了众多深度学习开源框架后,选择Caffe框架进行训练及测试,实验结果表明,该方法实现了对火灾图像的识别和定位,适应于不同的火灾场景,具有很好的泛化能力和抗干扰能力.

关键词：深度学习、火灾识别、Caffe框架、卷积神经网络、泛化能力

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：34-38,44