论文摘要
现阶段火灾频发,需要自动进行火灾的检测与识别,虽然存在温度、烟雾传感器等火灾检测手段,但是检测实时性得不到保证.为了解决这一问题,提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库,对火焰和烟雾区域进行类别和位置的标注,并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力,将火灾检测与识别形式化为多分类识别和坐标回归问题,得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明,本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果,同时在检测速度上也满足了实时检测的需求.
论文目录
文章来源
类型: 期刊论文
作者: 任嘉锋,熊卫华,吴之昊,姜明
关键词: 深度学习,机器视觉,火灾检测
来源: 计算机系统应用 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑,工程科技Ⅱ辑
专业: 安全科学与灾害防治,建筑科学与工程,计算机软件及计算机应用
单位: 浙江理工大学机械与自动控制学院,杭州电子科技大学计算机学院
基金: 国家自然科学基金(61803339,61503341),浙江省自然科学基金(LQ18F030011),浙江省重点研发计划项目(2019C03096)~~
分类号: TU892;TP391.41
DOI: 10.15888/j.cnki.csa.007184
页码: 171-176
总页数: 6
文件大小: 1056K
下载量: 508