何世钊，杨宣访，陈晓娟

(海军工程大学电气与信息工程学院，湖北武汉 430033)

支持向量机与BP网络在火灾图像探测上的比较

何世钊，杨宣访，陈晓娟

(海军工程大学电气与信息工程学院，湖北武汉 430033)

针对BP神经网络和支持向量机在火灾探测上存在的理论差别，分别构建了基于此2种方法的火灾图像探测方法.2种方法均依据火焰颜色分布规律实现了目标区域的分离，并将目标区域的形状特征及变化值作为判据.通过对火灾实验样本的训练及识别，2种方法的探测表现得到了比较与分析.实验结果表明基于支持向量机的火灾探测方法具有快速收敛特性及所需较少训练样本的优点.同时，BP神经网络对测试集较少的错判反映出其良好的非线性映射能力，适合求解内部机制复杂的问题.

火灾探测;形状特征;支持向量机;BP神经网络

图像型火灾探测是一种通过分析火灾视频图像，依据图像所含纹理特征、颜色特征、火焰形状等信息给出判断结果的火灾探测方法.该方法因视频设备不易受探测空间的气流、温度、水滴、灰尘、静电以及其他干扰因素影响，可以有效实现复杂环境下的火灾探测［1］.BP神经网络是一种将误差逆向传播训练的多层前馈网络，由于不同层次的神经元依权值相互联通，使得这种网络具有很强的非线性映射能力.基于BP神经网络的火灾图像探测方法克服了传统火灾探测方法判据单一、智能化程度低的缺点，实现了较……