基于特征工程的S-FCN火灾图像检测方法

针对复杂背景下火灾图像检测深度学习算法存在的计算复杂度高、检测实时性差等问题,提出一种基于特征工程的单隐层全连接网络(S-FCN)火灾图像检测方法。首先,从图像中提取多色彩空间颜色特征,并使用互信息量进行多色彩空间颜色特征降维;其次,简化深度学习模型的网络结构,将单隐层全连接网络作为其主干网络,其中,多色彩空间下的颜色特征能够更好地表征火灾烟雾与火焰,多色彩空间颜色特征降维能够有效降低输入特征的冗余度,单隐层全连接网络能够有效减少模型在传递过程中的参数数量;最后,将该方法在真实的复杂背景火灾图像数据集上进行试验评估。结果表明:所提方法取得的检测精度为93.83%,取得的检测实时性帧率为10869帧/s,能够实现复杂场景下高精度、高速度的火灾图像检测。