陆雅诺，陈炳才,2

(1.新疆师范大学计算机科学技术学院,新疆 乌鲁木齐 830054；2.大连理工大学计算机科学与技术学院,辽宁 大连 116024)

0 引 言

2021年4月8日17时43分，四川省甘孜洲、三岩龙乡和柏林村的九龙县发生森林火灾，火灾海拔3300 m。每年森林火灾都会给人类和社会造成巨大的危害。同时森林火灾也危及许多消防队员的生命，对当地环境和生态造成了严重影响。随着计算机视觉技术的发展，基于计算机视觉的火焰检测技术得到了广泛的研究。视觉传感器比传统的固定式烟雾传感器能更快地检测到火焰，并能在早期检测到火焰，为灭火提供了宝贵的时间。

目前，基于计算机视觉的火焰检测方法主要是卷积神经网络(CNN)特征提取。在CNN中，通常考虑用二值分类器来区分输入图像中是否有火焰，但这种方法不能提供火焰的位置，只能用于火灾报警[1]。近年来，火焰检测中普遍采用多类目标检测方法[2-3]。基于深度学习的卷积神经网络算法对图像特征表现出很强的表示能力，在图像分割[4-6]、行为检测[7]、人体姿态估计[8-9]等方面取得了很大的成绩，同样在目标检测领域也表现出了优异的性能。火焰检测是一个特殊的单类目标检测问题，这些方法在火焰检测方面还有改进的空间，所以有必要对常规的目标检测方法进行改进，使其更适合于火焰检测，从而获得更好的性能。

本文提出一种基于无锚点森林火灾检测方法。将该算法应用于基于无人机的森林火灾探测平台,无人机采集的图像被送回地面站，由地面站配备的高性能计算机对图像进行高精度实时处理，从而提高探测精度和效率。……