基于深度学习的视频火灾识别方法研究

作者：王伟峰; 张宝宝^*; 王志强; 任浩

来源：现代电子技术, 2022, 45(14): 84-88.

DOI：10.16652/j.issn.1004-373x.2022.14.016

• 视频火灾识别
• 数据集构建
• 算法训练
• 滤波处理
• 特征信息提取
• 仿真验证

为了解决传统的火灾识别方法检测精度低、响应速度慢等问题，文中提出一种优化YOLOv4算法结构的视频火灾识别方法。首先，对火灾图片进行滤波处理，增强图像的信噪比，构建新的火灾数据集用于算法的训练及测试；然后，采用随机池化方法对算法的空间金字塔池化结构进行改进，减小特征计算过程中的误差，提取更加丰富的图像特征信息；再通过可分离卷积神经网络对算法的CSP结构进行改进，减小模型的参数复杂度，提高算法模型的响应速度；最后，设计仿真实验对改进后的算法性能进行验证。实验结果表明，所提出的改进方法对算法的识别精度以及检测速度均有较大提升，火灾识别精度达到96.4%，检测速度提升2.3倍，对建筑火灾识别具有重要的应用价值。

• 单位
  西安科技大学