声明
摘要
图目录
表目录
1绪论
1．1选题背景与研究意义
1．2国内外研究现状
1．2．1传统火灾检测技术
1．2．2基于机器学习火灾检测技术
1．2．3基于深度学习火灾检测技术
1．3当前研究中存在的难点
1．4论文的结构安排
2相关理论概述与数据集构建
2．1卷积神经网络与深度学习框架
2．1．1卷积神经网络
2．1．2深度学习框架
2．2目标检测
2．2．1传统目标检测
2．2．2基于深度学习的目标检测
2．3火灾数据集构建
2．3．1数据集组成
2．3．2数据增强与数据集划分
2．3．3数据集标注方案设计
2．4网络评价指标
2．4．1数据集标注方案设计
2．4．2mAP和FPS
2．5本章小结
3改进YOLOv4的火焰检测算法研究
3．1YOLO系列的火焰检测算法分析
3．1．1 YOLO系列算法
3．1．2实验结果及分析
3．2目标建议框聚类方案设计
3．3基于YOLOv4的优化设计
3．3．1卷积层优化设计
3．3．2边界框回归损失函数选取
3．3．3注意力机制选取
3．3．4网络结构改进设计
3．3．5多尺度训练策略
3．4实验结果及结果分析
3．4．1实验平台及实验过程
3．4．2卷积层优化实验
3．4．3边界框回归损失函数实验
3．4．4注意力机制选择对比实验
3．4．5网络结构改进对比实验
3．4．6不同分辨率图像的性能对比实验
3．5本章小结
4视频火灾监控系统软件设计
4．1需求分析
4．2视频火灾监控系统框架
4．3系统开发环境
4．3．1开发工具介绍
4．3．2数据存储服务器介绍
4．4数据库设计
4．5系统功能开发与设计
4．5．1系统界面功能框架
4．5．2登录界面设计
4．5．3火焰检测界面设计
4．5．4值班人员界面设计
4．5．5报警信息界面设计
4．5．6维修工单界面设计
4．5．7状态监控界面设计
4．6本章小结
5 检测对比实验与系统展示
5．1引言
5．2改进火焰检测算法实验对比
5．2．1改进方法结果汇总
5．2．2不同算法对比实验
5．3视频火灾监控系统实验
5．3．1火灾检测距离对比实验
5．3．2火灾检测环境对比实验
5．3．3其他环境因素测试实验
5．4视频火灾监控系统功能展示
5．4．1登录界面展示
5．4．2火焰检测界面展示
5．4．3值班人员界面展示
5．4．4报警信息界面展示
5．4．5维修工单界面展示
5．4．6状态监控界面展示
5．5本章小结
6总结与展望
6．1全文工作内容总结
6．2工作展望
参考文献
致谢
个人简历、在学期间发表的学术论文与参与项目
郑州大学;
