高一锴，彭 力，徐龙壮

物联网技术应用教育部工程研究中心（江南大学物联网工程学院），江苏 无锡214122

如何更准确、更及时地探测火灾一直是人们研究的热门课题。由于环境的多样性、火灾发生的随机性和各种干扰，火灾的检测和预测通常是不容易的。近年来，随着计算机技术的快速发展，结合机器视觉和模式识别算法的图像火灾检测方法得到了广泛的研究，并成功应用到实践当中。

图像火灾探测的核心问题是从各类火焰干扰中对火焰进行分类和识别。近年来，出现了越来越多的火灾模式识别算法，其中常用的方法有支持向量机[1-3]、神经网络[4-6]、马尔可夫模型[7]等。基于统计学习理论和结构风险最小化的支持向量机（Support Vector Machine，SVM）是继人工神经网络对火焰识别之后出现的一个新的发展方向，SVM 能够很好地处理高维度以及局部极值等问题，而且具有直观的数学模型和简洁的数学理论，其得到的解为全局最优解，从而解决了人工神经网络容易陷入局部极小值等问题[8]。曹勇[9]分别用LVQ神经网络和BP 神经网络以及SVM 对火焰特征向量进行识别分析，实验结果表明SVM 的火焰识别准确率最高。杨娜娟等人[10]在每帧火焰图像中都用SVM 进行识别，识别效果优于BP 神经网络和RBF 神经网络，克服了神经网络容易过学习、容易陷入局部极小点等不足。张兴坤[11]同时将SVM和深度卷积神经网络（CNN）应用于火焰检测，实验结果表明SVM可以进行火焰的有效分类识别，效果良好，而CNN 模型对火焰干扰物体的分辨能力较弱，泛化能力较差。……