石 磊 张海刚 杨金锋

1(深圳职业技术学院粤港澳大湾区人工智能应用技术研究院 广东 深圳 518055)2(中国民航大学电子信息与自动化学院 天津 300000)

0 引 言

火灾是容易发生且具有严重破坏性的灾害，对人类的财产和生命安全都造成重大的威胁。突发性的火灾蔓延速度很快，及时、准确地发现起火点，对于火灾的预警和扑救具有非常重要的作用。因此，火灾的识别和检测一直是研究的热点问题。

早期的烟火检测大多是利用各类硬件设备，如烟雾传感器、温度感应器、光敏火焰探测器等[1]。但这些传感器需要预先安装，不仅耗费资源，而且容易受到外界环境的干扰，导致出现灵敏度降低、误报和漏报等情况。随着监控系统的普及和图像处理技术的发展，基于视频的烟火检测方法具有响应及时、适用范围广和智能化等优势，逐渐成为主流方法。此类方法主要是结合视频图像中烟雾和火焰的物理特征进行检测[2]，并取得了一定的检测效果，但同时存在特征提取复杂、抗干扰性差、误报率高和泛化性能弱等缺点。近年来，深度学习的方法被应用到视频烟火检测领域中，并使检测效果得到较大程度的提高。但是已有算法还不够完善，尤其是对视频中的小尺度烟火目标检测效果较差，这对于火灾的早期预警是不利的。

为了进一步提高视频烟火检测效果，本文提出一种基于改进型SSD[3]的视频烟火检测算法。该算法以DenseNet[4]网络结构作为算法的基础特征提取网络，该网络是一种稠密连接型网络，通过融合浅层特征与深层特征来实现网络的特征重用，极大地增强了网络的特征提取和表达能力。……