27、2010 - 2021年基于视觉图像的火灾检测研究：文献计量分析与可视化

2010 - 2021年基于视觉图像的火灾检测研究：文献计量分析与可视化

1. 引言

火灾的出现推动了人类文明的进步，但同时也带来了严重危害。火灾是指在时间或空间上失去控制的燃烧所造成的灾害，每年导致超过30万人死亡，是全球意外受伤的第四大原因。近年来，世界各地火灾频发，如美国加州大火、中国凉山火灾和澳大利亚野火等，这些火灾会造成大量温室气体排放，加剧全球变暖和空气污染，破坏植被覆盖和生态平衡。因此，及时、准确、有效的火灾检测是控制火灾蔓延和减少火灾危害的重要手段。

近几十年来，学者们一直致力于研究一种有效且稳定的火灾检测方法。最早的火灾检测方法基于传感器，通过感知火灾过程中光的强度、范围和温度变化来判断是否发生火灾。但这种方法检测时间长、范围小，无法在火灾早期发出警报，也不适用于森林等大型开放场景。后来，学者们提出利用卫星遥感技术监测火灾，该技术具有监测范围广、成本低、速度快和便于长期动态监测等优势。随着视频监控技术的广泛应用和深度学习技术的快速发展，基于计算机视觉的火灾检测技术应运而生。学者们通过分析火灾图像和视频，提出了基于形状、纹理和颜色等特征的火灾检测方法。随着基于特征提取的火灾检测方法日益成熟，卷积神经网络（CNN）在图像分类任务中也取得了巨大发展，并被应用于火灾检测算法的研究。

传统的综述文章主要分析和讨论算法、应用和实验效果，缺乏从宏观角度对整体进行分析和统计。而如今计算机技术的发展使文献计量研究进入了一个新阶段。文献计量分析可以从统计学的角度可视化知识状态、演变和新兴趋势，已应用于各个专业领域。本文将使用CiteSpace和VOSviewer生成的图谱对火灾检测研究进行分析。

2. 数据来源与处理

2.1 数据来源