基于深度学习的视频火灾识别方法研究

摘要：

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.

关键词：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

所属期刊栏目：45

分类号：TN911.23-34;TP274.4

资助基金：国家自然科学基金;西安科技大学优秀青年科技基金项目

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：84-88