- 火灾检测
- 学术方法调研
- 本文的方案
-
- pytorch 模型搭建
- 数据预处理
- 训练部分代码
- 预测代码
- C++部署方案
- 参考文献
火灾是日常生活中主要灾害之一，严重威胁着人们的生命与财产安全，因此及时准确地发现火灾并预警具有十分重要的研究意义. 目前的火灾检测方法一般通过采用感烟、感温和感光探测器实现，但这种方法存在着探测距离有限、响应时间过长、精确度低的缺点. 近年来，随着视频监控技术和计算机视觉技术的不断发展，图像型火灾探测器也取得了巨大的进步. 与传统的基于传感器的火灾探测系统相比，图像型火灾检测算法具有响应速度快、覆盖范围广、可视化等优点.
学术方法调研基于视频图像检测火灾的研究已有数年，早期，研究者主要依据相应的场景手工提取火焰的静态、动态等特征来对火焰进行描述，或者结合机器学习的方法设计合适的分类器来作进一步的判别. 比如Seebamrungsat等[1]基于火焰的颜色特征分析，以HSV颜色模型和YCbCr颜色模型为基础，设计火的分类规则，这种方法明显优于在RGB颜色空间下的模型. Mahdi等[2]利用基于颜色信息的K聚类方法提取出了候选区域，结合火焰的运动信息和时
