段锁林,任珏朋,毛　丹,杨　可

(常州大学 机器人研究所，江苏 常州　213164)



基于改进的PSO优化SVM火灾火焰识别算法研究

段锁林,任珏朋,毛丹,杨可

(常州大学 机器人研究所，江苏 常州213164)

针对室内复杂环境下火灾识别准确率会降低的问题,提出了一种改进的粒子群算法优化支持向量机参数进行火灾火焰识别的方法;首先在YCrCb颜色空间进行火焰图像分割，对获得的火焰图像进行预处理并提取相关特征量；其次采用PSO算法搜索SVM的最优核参数和惩罚因子，并在PSO算法中加入变异操作和非线性动态调整惯性权值的方法，加快了搜索SVM最优参数的精度和速度；然后将提取的火焰各个特征量作为训练样本输入SVM模型进行训练，并建立参数优化后的SVM分类器模型；最后将待测试样本输入SVM模型进行分类识别;算法的火灾识别准确率达到94.09%，分类效果明显优于其他分类算法;仿真结果表明，改进的PSO优化SVM算法提高了火焰识别的准确率和实时性，算法的自适应性更强，误判率更低。

火焰检测；支持向量机；粒子群算法；参数优化

0　引言

火灾是一种常见多发，并能造成重大人员和财产损失的灾害，传统火灾检测方法大多基于感温、感烟等传感器[1-2]，容易受到外界复杂环境干扰，误报率较高。因此，国内外学者开始涉足图像型火灾探测领域。图像型火灾探测的关键问题是将火灾火焰从有干扰物的环境中分类出来。常见的分类识别方法主要有：贝叶斯分类器[3]、神经网络[4-5]、支持向量机[6-9]等。……