摘 要：
近年来，社会公共安全受到了巨大的威胁，其中火灾成为了最普遍的灾害之一，每年的火灾都给人类及生态系统带来了严重的损失，火灾的防控已经发展成为了当今社会的热点话题之一，各国都非常重视火灾的防控。传统的火焰检测算法过分依赖于人工特征工程，具有主观性和盲目性，还存在识别能力弱，泛化能力差，检测精度不高等缺陷。随着互联网技术的发展与普及，智能检测、智能监控技术在火灾的防控中得到了广泛的应用。本文首先介绍了传统的火灾的监测方法，包括地面巡护、近地面监测、航空巡护和卫星监测；其次分析了基于数字图像处理的监测方法，即通过监测火焰的像素静态光谱特性，并引以火焰运动特性可达到火焰火灾的区域检测；然后介绍了基于深度学习的图像识别检测的识别方法，相对于传统的手工特征提取方法，深度学习火焰检测模型能够提高火焰区域检测的精度；最后分析了目前技术的所面临的难题，这些难题为火灾的提取技术提供了方向。
关键词：火灾检测系统；图像处理；图像分割；深度学习；卷积神经网络；
引言
随着社会工业化的快速发展, 对自然环境的破坏却在不断的加深, 生态环境面临着巨大的威胁，近年来森林火灾以及城市火灾的频频发生，平均每年达到几十万次，造成几百万公顷的森林损失，在90年代后气候变暖情况加剧，导致火灾的高频发生[1]。例如1987年发生在大兴安岭的火灾；1997-1998年，印尼经历长期干旱后，火灾引起的森林损失超过300万公顷；1999-2000年，美国西部由于火灾的发生导致200万公顷的森林消失殆尽；2001年澳大利亚的大火烧毁了70万公顷的火灾；2017年10月和12月发生在美国加利福尼亚州的两次特大火灾更是损失惨重；2019年7月到12月澳大利亚东部丛林大火肆虐，导致至少30人受伤，30亿动物死亡，近600万公顷的森林烧毁。在我国境内，仅2015年就有2936起森林灾害，其中6起为重大火灾，导致39.5亿元的国民经济损失[2]。火灾的发生造成了巨大的损失，人类面临巨大的风险与挑战，动物的生存环境也不断遭到破坏，火灾已经成为当今世界发展的最大威胁。因此，当今世界各国都非常重视火灾的检测与防控。
传统的森林火灾检测方法使用机械和人工监测周围环境，但这些方法在所需人力资源方面既危险又昂贵[3]。因此基于视频图像的火灾火焰监测技术成为了林火监测的重要手段，近年来得到广泛应用，火焰是火灾的主要视觉特征，因此本文所研究的是包含枯草、红花、光照等复杂环境下火灾视频图片的具体火焰区域提取检测的新方法。
2 研究现状
仅靠观察员们和飞机定时定点的巡航处理信息的能力是有限的，很难获得较全面、准确的数据集来评估火灾发生的具体地点，并且手工分析是一个耗时、劳动密集且容易出错的过程，使得火灾的检测具有了精度低成本高的缺点。因此，随着计算机视觉和图像识别技术的发展，人们试图通过计算机来减少人类的劳动和经济成本。
火灾火焰区域识别方法
2.1.1 火灾监测的常用方法
在过去的几十年里，国内外的研究学者提出了很多种火灾监测的方法，当前火灾监测最常用的办法是根据所处空间高度的不同，火灾监测被换分为四个层次[5]，从低到高分别为地面巡护、近地面监测（包括瞭望台观测和视频监测）、航空巡护和卫星监测，具体监测流程如下图1-1所示。
近地面监测
瞭望台观测
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
