利用深度学习进行火灾图像识别的实验探讨

曲妍姝　崔永毅　孙国庆　李龙山

一、引言

目前，图像型火灾检测方法主要有两大类：基于传统图像处理的火灾检测和基于深度学习的火灾检测。前者特征处理一般都需要人工干预完成，利用人类的经验来选取好的特征，由于受特征选取是否合理的影响，会使得其识别准确率有所限制。而后者则是预先设计一个网络模型，然后直接将原始图像数据送至网络模型进行训练，利用训练好的模型来对待测图像进行识别工作。将深度学习技术应用于图像识别领域，可在很大程度上避免特征提取过程中的盲目性，且在理论上可提取到更多更深层次的特征，如此极大地提高了火灾图像识别的准确率。

二、图像预处理

火灾发生的环境较为复杂，采集到的图像会受到各种各样的噪声污染和某种程度的损坏，因此需要对图像预处理以降低图像所受到的影响。本文采用图像增强方式进行预处理。火灾图像增强的目的是为了突出图像中火焰区域特征，去除或削弱背景中可能对火焰形成干扰的区域信息，使其更适合后续的识别。在火灾图像中，火焰区域周围经常会出现零星的火星，这会给后续火灾识别带来困难。通过实验，中值滤波可以较为有效的去除这部分噪声干扰。经过平滑滤波后会造成图像的轮廓不明显、边界模糊。为了增强图像的边缘，使图像边缘变得清晰，我们采用图像锐化技术来加强火灾图像的细节描述。利用图像的频率特性，使用高通滤波方法滤除低频分量，实现对火灾图像的锐化。……