第6卷第4期 智能系统学报 Vol.6 No.4 2011年8月 CAAI Transactions on Intelligent Systems Ag2011 doi:10.3969/i.i8sn.16734785.2011.04.010 支持向量机与BP网络在火灾图像探测上的比较 何世钊，杨宣访，陈晓娟 (海军工程大学电气与信息工程学院，湖北武汉430033) 摘要：针对B即神经网络和支持向量机在火灾探测上存在的理论差别，分别构建了基于此2种方法的火灾图像探 测方法.2种方法均依据火焰颜色分布规律实现了目标区域的分离，并将目标区域的形状特征及变化值作为判据.通 过对火灾实验样本的训练及识别，2种方法的探测表现得到了比较与分析.实验结果表明基于支持向量机的火灾探 测方法具有快速收敛特性及所需较少训练样本的优点.同时，BP神经网络对测试集较少的错判反映出其良好的非线 性映射能力，适合求解内部机制复杂的问题. 关键词：火灾探测；形状特征；支持向量机；BP神经网络 中图分类号：TP18文献标识码：A文章编号：16734785(2011)04033905 Comparisons between a support vector machine and BP neural network for video image fire detection HE Shizhao,YANG Xuanfang,CHEN Xiaojuan College of Electrical and Information Engineering,Naval University of Engineering,Wuhan 430033,China) Abstract:According to the theoretical differences between a back propagation (BP)network and support vector machine (SVM)in relation to fire detection,two kinds of video image fire detection methods based on a BP net- work and SVM,respectively,were constructed.Judging from color distribution of the flames,the objective regions were separated in both methods,and their shape features along with the changes in shape features were extracted as criteria.The performance of each method was compared and analyzed after conducting many experiments.The ex- perimental results show that the SVM had a high convergence rate and needed fewer training samples.At the same time,fewer misjudgments of testing samples confirmed that the BP network was more suitable for solving complex internal mechanism problems due to its good mapping capability. Keywords:fire detection;shape features;SVM;BP neural network 图像型火灾探测是一种通过分析火灾视频图 学习速度慢及可能因陷入局部极值导致训练失败等 像，依据图像所含纹理特征、颜色特征、火焰形状等 不足，支持向量机收敛速度快且基于结构风险最小 信息给出判断结果的火灾探测方法.该方法因视频 化原则，然而算法的边缘惩罚参数C、非敏感参数ε 设备不易受探测空间的气流、温度、水滴、灰尘、静电 以及核参数互相耦合影响，难以确定3].针对这些 以及其他干扰因素影响，可以有效实现复杂环境下 特点，构造了2种不同的火灾图像探测方法，经火灾 的火灾探测.BP神经网络是一种将误差逆向传播 实验比较了它们的火灾探测性能. 训练的多层前馈网络，由于不同层次的神经元依权 值相互联通，使得这种网络具有很强的非线性映射 1火灾视频图像处理 能力.基于BP神经网络的火灾图像探测方法克服 火灾图像探测首先需要对摄取的火灾图像进行 了传统火灾探测方法判据单一、智能化程度低的缺 数字处理，这包括图像的目标区域分离以及火灾特 点，实现了较高的判断准确率2.但是算法也存在 征信息的提取.火灾是一种失去人为控制的燃烧过 程，也是动态发展的过程.不同帧的火灾图像所蕴涵 收稿日期：2010-06-19， 基金项目：国家自然科学基金资助项目(50721063) 的特征信息也会不同，其中火焰形状最能反映这些 通信作者：何世钊.E-mail:heshizhao_chn@126.com. 变化.根据这一特性，采用了火焰形状特征及形状的