基于深度学习的两级室内火灾检测研究

作者：王晨旸

来源：宿州学院学报, 2023, 38(03): 20-23.

• 机器学习
• GAN
• CNN
• SVM
• 火灾识别

防止室内环境中火灾的发生与蔓延，降低火灾给人们生命财产安全带来的损失，对室内进行火焰检测是十分必要的。鉴于传统火灾识别过程中需要人工提取特征，且检测过程易受环境干扰，因而提出一种基于深度学习的火灾识别算法。首先将深度学习与计算机视觉相结合，提出一种基于两级分类器的火灾图像判断检测方法。为提高模型训练的泛化能力，在已有数据集的基础上使用GAN生成了大量数据，利用HOG+Adaboost分类器具备高召回率的特性对可能存在的火灾情况进行初判，利用CNN+SVM高精确度分类器对火灾区域进一步次级识别提高识别精度。实验结果表明，火灾图像识别方法较其他算法而言能够以较少的样本，经训练后获得较高的识别准确率，同时该方法对样本训练及检测所需硬件环境要求不高，训练环境也有明显优势。该方法对火灾图像的识别率可达92%以上，识别样本图片平均时间仅需0.87 s,具有较高的有效性及鲁棒性。

• 单位
  安徽大学江淮学院; 安徽农业大学经济技术学院