论文部分内容阅读
为了解决目前基于视频火焰和烟雾检测中无法平衡好在检测率较高的情况下,仍能保持较高检测速度以及对火灾发生初期小目标检测效果不好的问题,提出了一种基于深度学习的视频火焰烟雾识别方法。利用数据扩展的方法来解决数据较少的问题,通过用K-means算法重新分开计算火焰和烟雾的anchor值,以优化YOLOv4网络模型对火焰和烟雾的目标进行检测。通过实验与主流的目标检测方法进行对比分析,本方法能够有效平衡检测精度和检测速度,能够有效降低误检的情况。