主管：中华人民共和国应急管理部
主办：应急管理部天津消防研究所
ISSN 1009-0029  CN 12-1311/TU
消防科学与技术

消防科学与技术 ›› 2020, Vol. 39 ›› Issue (11): 1536-1541.

• • 上一篇    下一篇

融合显著性注意机制火灾探测与识别

张海军1,2，陈映辉1,3   

  1. 1. 广东省山区特色农业资源保护与精准利用重点实验室，广东梅州514015；2. 嘉应学院计算机学院，广东梅州514015；3. 嘉应学院数学学院，广东梅州514015
  • 出版日期:2020-11-15 发布日期:2020-11-15
  • 作者简介:张海军（1978-），男，江西赣州人，嘉应学院计算机学院助理教授，博士,主要从事智能计算和模式识别技术研究，广东省梅州市嘉应学院计算机学院，514015。
  • 基金资助:
    国家自然科学项目(61171141, 61573145)；广东省自然科学基金重点项目(2014B010104001, 2015A030308018)；广东省普通高等学校人文社会科学省市共建重点研究基地(18KYKT11)；广东省嘉应学院自然科学基金重点项目(2017KJZ02)；教育部产学合作协同育人项目(201802153047)；2019 年广东省教育厅高校特色创新项目(2019KTSCX169)

Fusing conspicuousness attention mechanism for fire detection and identification

ZHANG Hai-jun1,2，CHEN Ying-hui1,3   

  1. 1. Guangdong Provincial Key Laboratory of Conservation and Precision Utilization of Characteristic Agricultural Resources in Mountainous Areas, Guangdong Meizhou 514015, China;2. School of Computing, Jiaying University, Guangdong Meizhou 514015, China; 3. School of Mathematics, Jiaying University, Guangdong Meizhou 514015, China

  • Online:2020-11-15 Published:2020-11-15

摘要： 基于人眼视觉注意机理，提出了一种融合显著性注意机制的火灾探测与识别方法,即眼见为实。通过模拟人眼视觉，融合显著性注意机制提取图中重要信息，剔除冗余数据，确定疑似火灾区域，然后使用多类型SVM 训练和学习。实验表明，提出的融合显著性注意机制结合多函数核SVM 的探测方法具有准确度高、稳定性好、总体性能优良等优点。

关键词: 显著性注意机制, 疑似区域, 支持向量机, 视频图像, 火灾探测

Abstract:

Based on human visual attention mechanism, this paper puts forward a new method for fire detection and identification by fusing conspicuousness attention mechanism. Namely seeing is believing, through simulation of the human visual system,fusing significance attention mechanism to extract important information from the images, and to eliminate redundant data,identify the suspected fire area. Then to use multiple types Support Vector Machine for training and learning, the experimental results show that the proposed detection method of fusing conspicuousness attention mechanism combined with the SVMs of multiple function kernels has high accuracy, good stability and the excellent overall performance and so on characteristics.

Key words: conspicuousness attention mechanism, suspected region;support vector machine, video images, fire detection