摘要

建筑火灾预测方法存在早期火灾信号识别精度不足、响应速度慢、复杂场景下烟雾检测能力有限等问题。为此，引入烟感图像处理技术，通过提取烟雾的颜色特征、纹理特征和运动特征，结合深度学习技术实现烟雾精准识别，进而提升火灾预测的准确性与时效性。采用RGB颜色空间分析，结合低饱和度和高亮度区域的特征，设定阈值以检测烟雾区域，并进一步通过HSV色彩空间优化检测效果。纹理特征方面，利用局部二值模式（LBP）对图像进行纹理分析，提取烟雾的低对比度和模糊边界特征，从而有效区分烟雾与背景。还优化了深度学习模型，采用轻量化卷积神经网络（CNN）结构，减少计算量并提高处理速度。应用YOLO目标检测算法，实现烟雾检测和快速响应。

关键词