基于linux火焰识别算法,一种基于深度学习模型的火焰识别方法与流程

本发明属于通信领域，具体涉及一种基于深度学习模型的火焰识别方法。

背景技术：

随着我国工业化与城镇水平的不断提高，现代设施大型公共建筑朝着空间大、进深广功能复杂的多元化方向发展，这对于防烟火朝着空间大、进深广功能复杂的多元化方向发展，也对于防烟、防火以及消防安全系统的可靠、稳定、高精度设计与运行提出了更高的要求。

目前，通过信息领域的相关技术有效提升消防安全对于现场感知能力，有效提升消防安全对于火灾现场预警处置的快速性、准确性水平是安全工程领域的一项重要研究问题。

目前，陈文辉等设计了一款基于火灾烟雾图像模糊特性的地铁列车火灾探测报警系统,该方法采用图像空域微分法检测火灾的发生。李世玮等采用红外滤光片过滤后得到过滤图像实现火焰目标提取。王文豪等通过图像分割、图像增强、特征提取等步骤进行火焰识别。王祖龙等分析火焰的动态特征和静态特征包括边缘抖动、面积变化和形状、颜色、文理等。但是，上述火焰识别系统的设计系统存在以下一些共同的问题：

(1)传统的方法误检或漏检的概率比较高；

(2)考虑现场动态区域是否存在火焰特征，算法的复杂度高；

(3)检测的区域，可能不是火焰，或是与火焰的纹理特征比较相像，则很可能出现误检的情况；

(4)可观察的火灾范围视野小。

技术实现要素：

发明目的：本发明针对上述现有技术存在的问题做出改进，即本发明公开了一种基于深度