基于合成图像的Faster R-CNN森林火灾烟雾检测

张 倩 周平平 王公堂 李天平

( 1) 山东师范大学物理与电子科学学院，250358，济南； 2)盐城生物工程高等职业技术学校，224051，江苏盐城 )

1 引 言

森林火灾对自然环境和公共安全构成严重威胁.森林火灾的早期探测对于有效的扑救是非常重要的，因为森林火灾一旦达到一定的规模就可能难以控制.与卫星监测相比，建立在地面上的视频火灾探测系统可以更快地探测森林火灾.

根据探测对象的不同，基于视频的火灾探测方法可分为火焰探测和烟雾探测两大类.由于森林火灾产生的烟雾在火灾前是可见的，因此视频烟雾检测在森林防火工程中越来越受到重视.传统的视频烟雾检测方法主要是将静态特征和动态特征相结合进行烟雾识别.烟雾的典型特征包括颜色、纹理、运动方向等等.Genoves[1]等人研究了YUV空间中的烟雾颜色特性.Yuan[2]提出了一种利用LBP和LBPV方差提取烟雾纹理特征的方法.Toreyin[3]利用空间小波变换对烟雾的半透明进行了监测.Yu[4]利用光流计算来计算烟雾的运动特征.Jia[5]提出了一种基于显著性的视频序列烟雾检测方法.不同的方法可以在特定的图像数据集中获得良好的性能.然而，由于算法的鲁棒性较差，在不同的图像数据集中性能往往较差，这些方法很难消除实际工程应用中的复杂干扰.

近年来，人工智能技术和计算机视觉技术迅速发展.基于卷积神经网络(CNN)的深度学习在图像分类、目标检测、人脸识别、语义分割等计算机视觉领域取得……