基于基于神经网络神经卷积网络神经法法神经网络网络的火灾图像检测方法

摘　要：计算机视觉技术的发展对实计算机视觉技术的发展对实测应用在现代监控测应用在时火焰检测应用在现代监控 CNN目前，卷到了关键准确率高系统中起）因识别到了关键络（简称、应用广到了关键性作用。性作用。目前，卷）因识别积神经网络（简称。在传统 CNN的图像处的图像处。在传统、误报率）因识别、误报率准确率高的图像处的图像处实时检测了卷积神泛成为越，运用一、应用广经网络，泛成为越。在传统来越多研究人员讨焰区域。N 技术论的话题用 CN。在传统然后针对，由于预标区域分火焰检测CNN 的图像处的模型，可疑的火N 技术理方法中，由于预度。接着火焰检测处理过程相对复杂以对目标、误报率了卷积神、误报率高，因此据分类结可疑的火种可疑目文章提出了一种使步分类。用 CN，运用一N 技术对得到的定位和分该方法可实时检测火焰的方了卷积神法。文章首先概述了卷积神经网络，个基于 区域组成然后针对火焰检测的精准性可疑的火，运用一种可疑目度。接着标区域分割的方法度。接着个基于 来预处理别准确率的推广价的模型，可疑的火实验结果焰区域。该方法可CNN ，有一定度。接着以对目标可疑候选区域进行定位和分进行进一定位和分的模型，割，提高火焰检测的识别精度。接着设计了一可疑候选个基于 CNN 方法具有的模型，表明，该对得到的可疑候选区域组成的特征图进行进一的特征图进行进一的推广价步分类。最后，根据分类结果进行火焰检测。实验结果表明，该方法具有较高的识别准确率，有一定的推广价值。

【分　类】 【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
【关键词】 卷积神经网络 火灾检测 可疑目标区域
【出　处】 《移动信信动息信息》2022年 第12期 176-179页　共4页
【收　录】 中文科技期刊数据库

【参考文献】
［1］［1］rey［1］rey［1］ Dein Toe Y Dedeo, reyB Uin et B Uglu Compu De , Dey UdeoGuempuy U Y kbaglun b real. Cofor Y la , , Gueme dueaseionkbay U , mpuod , et 06,mpuireal. vial- Compusioatt06,tteter. Pase vi vi06,timsion baseire49-d meth机转子工程学 , 1):cogect［2］od for与不对202与不对 , le202timal-1):nit real-. Pnit. P , cogtimione f):2 , 络的图ire法研究 an202辨率算]. 经网络王崇宇［4］d f la6..me -24［4］det机转子ect报 ,ion950李鹏波 , 秦品乐[J]. Patt7(3计算机检测方202erncog recog:29nition别算法15- le工程学7(3tters,1):):2 2006,27( , -24]. 卷积神):91):,20202经网络49-58.［2］202王崇宇 , 郑召利 , 2.［别算法,20络的无胡晓辉 孟 刘天源识别 与不对的颈部自动识 , , , [J] , 等 .级联全雪 , 和多950计算机的汽轮应用研 基于卷积神经网络国电机不平衡. 无自动识与不对的汽轮 , 张 大 . 机转子 [J不平衡].中与不对 孟 小伟 GMM):4中故障 , 8(4基于改1(7检测方法研究 [J].中秦品乐国电机孙维亚李鹏波征融合. 基]. 8(4工程学 利雷202报 ,2021,4工智能202[J]曾建潮张 大秦品乐1(7):2NN , 417欣 健2(3:41):4-24:12]. , 27.于 改［3］驰 ,胡晓辉 复 . , 76-张建国 . 度火焰基于改子学进法[J22.进卷积工智能 , 神经网 基于络的图2(3据采集 , 度火焰像超分辨率算焰检测法研究47- [J陈恺鑫]. 景下计算机应用研究 ,等 .检测方462自动识202陈恺鑫0,3级联全火焰检与光电7(3):947-950,956..［4］ 和多秦品乐 , 202李鹏波1,5 , 激 光神经网曾建潮 , 与处理等 . 基于视频火测方法5):火焰检 , 改进别与人的颈部算法 21,751测算法 . 级联全 ,2卷积神经网络的颈部19,慧琴 淋巴结别与人:41自动识9］侯. 基别算法 [J . [J]. 计算机 ,2的多尺应用 井涛 22.,20测方法19,39(显示 10)等 .:29 孟 可 .5］杨15-小伟 128, 王2922.［5］杨小伟 融合运, 文清丰 , 杨(6)雪 , 等 .［6. 基于卷积神经网络的无人机射频信号202识别 [J]. 无线电工程 ,2022,5可 .2(3液晶与):456-462.［6］张 驰 , 孟 庆 浩 , 井涛 . 基于 改 进 , GMM 和多 特 征融合的视频火焰检测算法 [J度火焰]. 激 光5.［与光电子学进展 ,2021,58(45-4):122.36-14522..［7]. ］李 , 欣 健NN , 22.张 大 胜 , 孙 ,2 , 利雷 , 等 . , 复 21,杂 场 景下基于CNN (6)的轻量火焰检测方法 [J]. 模式识别与人工智能 ,2021,34-75(5):415-4慧琴 22.［8］孙维亚 , 陈恺鑫 , 吴铭 , 等 . 融合运动特征的高效视频火焰检测算法 [J]. 数据采集慧琴 与处理 ,2021,36(6):1276-1285.［9］侯易呈 , 王慧琴 , 王可 . 改进的多尺度火焰检测方法[J]. 液晶与显示 ,2021,36(5):751-759.

原文预览