严 忱,严云洋,2,高尚兵,朱全银

(1.淮阴工学院计算机与软件工程学院,江苏 淮安 223003) (2.江苏海洋大学计算机工程学院,江苏 连云港 225005)

在社会生产生活中,火灾一直是威胁公共安全,危害人们生命财产的灾害之一,它给人类社会带来了重大的生命危险和财产损失. 伴随着日益加快的社会生产力发展,日益增长的社会财富,城市的发展趋于现代化,主要的特点有:生产集中、人口集中、建筑集中和财富集中等. 同时出现的危险现象有易燃易爆物品增多,火源、危险源增多等现象. 这就导致城市火灾损失呈上升趋势[1]. 因此,火灾检测成为了必不可少的防灾措施. 伴随着深度学习、目标检测[2]技术的发展和数字监控摄像的普及,可以在多种场合进行实时监控,于是视频火焰检测技术也成为火灾防控的一种重要手段.

Sharma等[3]利用改进的Resnet50和VGG16网络进行火焰检测,想法是把全连接层用作特征提取层. 该算法虽然与单一的神经卷积网络相比准确率提高了,但是速度却比之前降低了. Lee等[4]改进了GoogleNet,并融合了VGG13网络对火焰进行检测,进行改进后,网络模型中的卷积层和全连接层的宽度只有之前的一半,该方法的模型训练时间相较于经典的卷积神经网络也大大减少,但是该模型的准确率略有下滑. Zhang等[5]提出一种实时火焰检测算法,使用 HSV 颜色模型对于动态的火焰区域分割,然后提取均方差、面积、边界和圆形度等5个特征作为输入变量输入到BP神经网络中,进行火焰……