基于 Keras 的烟火检测 , 松鼠乐园

基于 Keras 的烟火检测

我们常见的在大厦内部安装的烟雾传感器，靠检测物质燃烧后空气中浓度升高的二氧化锡等来报警。视频监控中基于视觉的烟火检测可以覆盖较为广阔的区域，而且适合室外的环境，比如无人机森林防火巡查。

昨天 PyImageSearch 网站博主 Adrian Rosebrock 发布了一篇基于Keras的烟火检测博文，将数据和代码公布了，其使用的数据量有限，从效果看并不是可实际部署的烟火检测程序，但对于了解该领域还是很有帮助的。

整体思路

作者将烟火检测看作为图像分类问题，即图像中含有烟火和不含烟火。直接使用CNN网络 SoftMax分类。

数据集

作者使用了两个数据集，含有烟火数据集来自Google搜索“fire”“smoke”返回的图片，并经过手动挑选，共有1315幅图像。

不含烟火的数据集来自8-scenes数据集，其类目包括

可见主要是室外开放场景，总计2688幅图像。

网络结构

作者使用了4个卷积层、2个全连接层 SoftMax分类。

由于烟火检测经常部署于物联网终端等边缘设备，故作者选择使用深度可分离卷积，因为其计算和存储开销小，而且相比标准卷积效果也往往更好一些。

作者的程序和数据组织目录如下：

在训练时，为找到更好的初始学习率，使用 Learning Rate Finder 方法，

实验结果

经训练的烟火检测网络FireDetectionNet在该数据集上可以达到92%的分类精度：

下图为一些正确预测的结果展示：

虽然精度看起来挺高了，不过还是有一些明显的错误：

作者指出想要取得更好的效果，收集更大和更适合应用场景的数据集是关键。

另外，使用视频进行烟火检测应该可以提高检测的精度，因为燃烧过程明显动态发展的。