王一旭，肖小玲，王鹏飞，向家富

长江大学 计算机科学学院，湖北 荆州 434023

在日常生活中，火灾会对人类带来巨大的伤害，危害人类的身体健康，同时会影响社会健康发展和人民财产安全。而火灾在发生初期是很容易被扑灭的，因此，通过对火灾发生初期的烟雾与火焰进行迅速准确的检测是非常有必要的，可以很大程度上减少火灾带来的危害与损失[1]。

早期的火灾识别是通过传感器实现的，基于温度，烟雾颗粒等物理数据采样来进行识别[2]。这种方法在特定环境中有着不错的表现，但在室外和复杂环境中会受到大量干扰，导致检测精度会大幅下降，同时这种方法也无法获取现场实时图像。随着计算机视觉技术的发展与进步，Toereyin等人[3]通过小波变换来检测火焰闪烁周期与火灾的颜色变换，结合时间与颜色的变化信息来减少对颜色相似的物体出现误检的情况。王文豪等人[4]通过采用二维最大熵自动阈值法对火灾图像进行分割处理，分割后再提取可疑区域；对可疑区域的火焰进行识别。Tian等人[5]通过像素间的相关性、主成分分析初步识别出图像中的烟雾，并通过纯烟雾图片中获得的模型，对疑似区域进一步进行分离，来提取出图片中的烟雾图像。

近年来，深度学习已在许多领域超过传统的人工方法[6]，相对于传统的计算机视觉检测中的人工提取特征，深度学习方法能提取出更抽象、更深层次的特征，可以使模型泛化性更好，并且在火焰检测中也取得了不错的成绩[7]。……