火灾是一种极其危险的突发性事件,具有很大的破坏性,如果对火灾不加以控制,将会导致巨大的灾难,给人类、经济和生态造成不可估量的损失。大空间建筑灾难救援在城市安全管理中的作用越来越受到人们的重视,作为其核心组成部分之一,大空间建筑火灾探测的重要性也不言而喻。面向大空间建筑的火灾,本文开展了基于视频关键帧提取的火灾探测方法研究。本文介绍了SuperPoint方法以及使用弹性变换改进SuperPoint方法来提取视频关键帧;说明了基于关键帧与超像素的火灾识别与检测方法的卷积神经网络架构和主要步骤;最后面向大空间建筑的工程需求,设计并实现了一套面向大空间建筑的火灾探测系统。本文开展的主要研究工作如下:首先,为了提升火灾探测速度,本文设计了一种基于改进SuperPoint的关键帧提取方法。本文给出的关键帧提取策略避免了探测监控视频的每一帧,并且只对提取出来的视频关键帧进行火灾识别与检测,从而很大程度上提升了探测速度。详细介绍了SuperPoint方法的训练过程,并且说明了使用弹性变换改进SuperPoint方法的原理,并且阐述了使用改进的SuperPoint方法提取关键帧的主要步骤。实验结果表明,该方法在特征点提取、描述子计算和特征点检测与匹配方面均表现出良好的性能,并且实现了良好的视频关键帧提取结果,可以提取更加符合事实的视频关键帧。其次,针对火灾智能监控系统探测速度较慢、识别准确度较低和检测精度较低的问题,本文设计了一种基于关键帧与超像素的火灾识别与检测方法,充分发挥了深度学习方法的特点及优势。详细介绍了基于卷积神经网络的火灾识别的网络架构以及主要步骤和基于超像素与卷积神经网络的火灾检测的网络架构以及主要步骤。实验结果表明,该方法在不同视频关键帧的火灾识别与检测和大空间建筑的火灾识别与检测方面均表现出良好的性能,并且实现了良好的火灾识别和火灾检测结果,能够准确识别出是否发生火灾并精确检测出火灾的位置。最后,面向大空间建筑的工程需求,结合本文设计的关键帧提取方法和火灾识别与检测方法,本文设计并实现了面向大空间建筑的火灾探测系统。该系统主要包含了基于改进SuperPoint的关键帧提取、基于卷积神经网络的火灾识别和基于超像素与卷积神经网络的火灾检测等方法,实现了视频显示、视频开始结束和视频复位三个主要功能。实验表明,该系统可以快速准确识别出监控视频中是否发生火灾并精确检测出火灾的位置,实现了良好的大空间建筑火灾探测结果,满足大空间建筑火灾的探测需求。图[41]表[8]参[56]