基于改进YOLOv3的火灾检测与识别

• 作者: 任嘉锋 吴之昊 姜明 熊卫华
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 机器视觉 YOLOv3 火灾检测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 171-176
• 页数: 6页
• 字数: 3175字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007184

摘要

现阶段火灾频发,需要自动进行火灾的检测与识别,虽然存在温度、烟雾传感器等火灾检测手段,但是检测实时性得不到保证.为了解决这一问题,提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库,对火焰和烟雾区域进行类别和位置的标注,并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力,将火灾检测与识别形式化为多分类识别和坐标回归问题,得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明,本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果,同时在检测速度上也满足了实时检测的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜明	杭州电子科技大学计算机学院	44	555	11.0	22.0
2	熊卫华	浙江理工大学机械与自动控制学院	17	18	2.0	3.0
3	任嘉锋	浙江理工大学机械与自动控制学院	3	0	0.0	0.0
4	吴之昊	浙江理工大学机械与自动控制学院	4	0	0.0	0.0