基于卷積神經網絡的煙火智能識別算法應用研究

劉紅燕 李 謹 唐 振 賴 哲

（珠海供電局，廣東 珠海 519000）

0 前言

在很長一段時間內，對煙火進行識別所采用設備均為傳感器，強調通過傳感器對火焰燃燒給溫度、顆粒物密度產生的影響進行檢測，根據參數變化情況得出最終結論。但傳統方法在成本、智能程度還有覆蓋面積等方面的表現均無法滿足當今社會要求，基于此，研究人員提出引入深度學習法，依托YOLOv3將目標檢測相關問題向回歸問題進行轉化，在改進損失函數、網絡結構的基礎上，對邊界框所具有可靠性進行預測的方式，使物體識別精度最大程度接近理想水平。研究成果可為研發巡檢機器人、全新安防設備等工作助力，隨著火情防控力度得到提高，搶險能力自然可得到保證。

1 研究背景

以往對圖像進行識別的算法，均要人工篩選并對特征進行提取，只有在確定圖像特征后，才能對其進行識別。常見提取識別方法包括以下幾種：其一，先通過區域分割的方式，提取各亮點區及疑似區域對應邊界鏈碼，再對各區域對應圓形度進行計算，借助BP神經網絡展開檢測并得出最終結論。其二，對火焰候選區域所表現出空間、時間特征進行提取，利用改進所得紋理描述法對地形特征進行統計，借助BP神經網絡完成識別工作。其三，由高斯分塊模型負責劃分動態區域，由統計顏色概率的模型負責對各區域所表現出顏色特征進行提取，同時對疑似區域進行分割，根據各區域圓形度對其內部是否有火焰、火災存在進行判斷。……