基于循环神经网络的森林火灾识别研究

编号 zgly0001716093

文献类型 期刊论文

文献题名 基于循环神经网络的森林火灾识别研究

作者 曹毅超  吴泽鹏  周宇飞  魏书精  封晓强 

作者单位 南京恩博科技有限公司  广东省森林培育与保护利用重点实验室/广东省林业科学研究院 

母体文献 林业与环境科学 

年卷期 2020年05期

年份 2020 

分类号 S762.2 

关键词 森林火灾  烟雾检测  深度学习  循环神经网络  时序特征 

文摘内容 森林火灾初期的烟雾检测对于预防森林火灾有着重要意义。由于长距离视频监控中通常烟雾运动速度慢、特征不明显,可靠的烟雾检测仍然是一项十分具有挑战性的任务。以林火视频监控场景为研究对象,提出了一种基于循环神经网络的森林火灾识别算法。该算法由空间特征提取网络和时序神经网络组成。空间特征提取网络通过深度学习来高效提取烟和火的静态特征。循环神经网络通过中间隐藏层的记忆内容来对空间特征进一步融合,进而挖掘烟火动态特征。该方法不仅可以从图像局部区域中提取具有区分性的空间特征,还可以通过循环神经网络来提取时序特征。实验表明,基于循环神经网络的森林火灾识别算法能够在多种多样的场景下实现96.3%的准确率和4.5%的误报。