基于卷积神经网络的火灾图像检测方法

计算机视觉技术的发展对实时火焰检测应用在现代监控系统中起到了关键性作用。目前,卷积神经网络(简称 CNN)因识别准确率高、应用广泛成为越来越多研究人员讨论的话题。在传统的图像处理方法中,由于预处理过程相对复杂、误报率高,因此文章提出了一种使用 CNN 技术实时检测火焰的方法。文章首先概述了卷积神经网络,然后针对火焰检测的精准性,运用一种可疑目标区域分割的方法来预处理可疑的火焰区域。该方法可以对目标区域进行定位和分割,提高火焰检测的识别精度。接着设计了一个基于 CNN 的模型,对得到的可疑候选区域组成的特征图进行进一步分类。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。