Resumen

Detectar incendios es de gran importancia para garantizar la seguridad de edificios y bosques. Sin embargo, es difícil detectar de manera rápida y precisa las etapas de un incendio en un entorno complejo debido a las grandes variaciones de las características del fuego en cuanto a color, textura y formas para imágenes de llama y humo. En este documento, se propone una red de creencias profundas (DBN) basada en características estadísticas de imágenes para la detección de incendios. En primer lugar, para cada imagen individual, se calculan todas las características estadísticas de la imagen extraídas de una imagen de llama y humo en el dominio del tiempo, dominio de la frecuencia y dominio tiempo-frecuencia para construir muestras de entrenamiento y prueba. Luego, las muestras construidas se introducen en la DBN para clasificar las múltiples etapas de un incendio en un entorno complejo. La DBN puede aprender automáticamente características de falla capa por capa utilizando máquinas de Boltzmann restringidas (RBM). Los experimentos utilizando los datos de referencia de tres grupos de

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Detección; Incendios; Significado; Seguridad; Edificios; Bosques
• Keywords:Detecting; Fires; Significance; Security; Buildings; Forests