徐宏宇，续 婷

(沈阳航空航天大学 电子信息工程学院，沈阳 110136)

火灾是一种突发性强，威胁人们生命财产安全和社会发展的灾害，后果往往非常严重，因此准确识别火灾和及时扑救就显得非常重要。火灾图像的识别算法研究一直是图像识别研究领域的重要组成部分，遗传算法[1]、灰度共生矩阵算法[2]、小波算法、局部二值LBP[3]、KNN算法和蚁群算法等都是研究中的热点，较常用的识别分类器有向量机SVM、神经网络、随机森林等。Zhou[4]提出了一种端到端的双流神经网络火灾检测模型，具有很好的实用性和通用性；冯丽琦等[5]利用火焰RGB颜色特征提取疑似火焰区域，滤波后提取纹理特征用SVM进行识别，有很好的分类效果；Li[6]提出了一种新的基于FAST-RCNN、R-FCN、SSD和YOLOv3等先进目标检测CNN模型的图像火灾检测算法，提高了精度和鲁棒性；史海山[7]根据红外图像的火灾信息完成了对火灾信号的特征提取，设计了基于遗传算法的人工神经网络识别算法方案，效果良好；Chen[8]利用SIFT算法提取火灾特征描述子，通过火灾颜色空间对局部噪声特征点进行滤波，再将特征描述子转化为特征向量，利用IV-SVM分类器建立火灾快速识别模型。

根据以上分析，提出一种基于火焰颜色和纹理的优化SVM火焰识别方法。算法首先根据火焰像素特有的亮度、色度等特征，分别在RGB颜色空间和YCbCr颜色空间[9]得到火灾疑似区域，求取并集后得到最终的疑似区域；其次根据Uniform LBP提取火焰局部纹理特征；再把经核主成分分析算法(KPCA)[10-11]降维后的特征向量输入到量子遗传算法优化参数后的SVM中进行火焰识别。……