基于稠密卷积神经网络的烟雾识别方法

程广涛，巩家昌，李 建

（1.国家消防工程技术研究中心研发部，天津300381； 2.中国刑事警察学院声像资料检测技术系，沈阳110854）（∗通信作者电子邮箱gt_cheng@163.com）

0 引言

烟雾检测已经成为早期火灾检测的重要技术。传统的烟雾检测设备中常见的是点型感烟探测器，它因为成本低和安装简便而被广泛应用。点型感烟探测器通过采样和分析火灾产生的烟雾颗粒浓度、气体温度和湿度等特征来触发报警，这样的工作原理使它应用在高大空间场所时很难发挥作用。近年来，随着城市内各种大型建筑的兴起，各种大型建筑和超大型建筑越来越多，急需一种新型的烟雾探测方法来弥补现有点型感烟探测器存在的不足。在安全城市、安全社区、智慧消防等全新理念的提出下，各种视频监控系统已经在国内的大中城市里得到了大规模的普及，促使基于视频图像分析技术的烟雾检测算法被广泛研究［1-2］。

现有的烟雾识别方法首先从烟雾图像中提取烟雾特征，然后将提取的特征经过支持向量机（Support Vector Machine，SVM）等模式识别分类器进行最终识别，其中特征提取是烟雾识别方法取得高准确率的关键所在。Ferrai等［3］利用小波变换构建一个隐马尔可夫树模型用于烟雾识别；Ye等［4］利用自适应背景减除法提取运动和颜色特征去检测图像序列中的烟雾和火焰；Yuan等［5］利用金字塔局部二值化模式（Local Bianry Pattern，LBP）特征和容积局部二值化模式（Volumn Local Bianry Pattern，VLBP）特征的直方图序列进行视频烟雾检测；Yuan等［6］利用高阶局部三元模式进行烟雾识别。……