本项目是以现有视频图像捕捉和输入设备为设计基础，结合人工智能算法、智能控制、计算机视觉等前沿技术，将深度学习算法嵌入监控摄像头中，开发一种智能高效的分布式智能视频图像火灾预警系统。在当前新的形式下，火灾的防范的重点更多在于火灾发生前期的预警而不是灾情爆发的救援和后续安置。但目前被广泛运用的火灾探测报警产品多是基于传感器原理技术。在这些技术方法中是把火灾发生过程中的某个特征物理量作为监测对象,在一些特殊场合已不能发出有效的火警信号甚至在面对大型空旷场域时失灵，且在实时性方面也存在一定的缺陷。而现有的基于图像识别技术的火灾探测也存在小目标分析不足，精度不够准确，图片分析速度有待提高等问题。综上，我们设计研发了基于深度学习YOLO目标检测算法的实时火灾检测预警系统。该系统以摄像头为载体，搭载视频图像火灾检测软件、配有视频编码设备、网络交换设备等并且以传统烟雾传感器为辅助。通过深度学习算法，利用卷积神经网络对数字图像进行特征提取，然后使用分类器进行烟雾和火焰的识别。这一基于目标检测技术的火灾检测系统不仅在目标识别的精度上提高，而且响应速度更快，能够以每秒60FPS的速度检测到火焰和烟雾，20ms以内就能够响应发出警报声。所适用的场域也更加多元，能够有效适应复杂场景、大型空旷场地。该项目结合当下热点“智慧消防”，还能实时的将视频画面传输到总控室，也能通过WiFi或者5G模块将数据上传至云端，可通过相关APP和微信小程序进行实时查看。 总的来说本项目—基于目标检测算法的分布式智能视频图像火灾预警系统在算法、功能等多方面都优先于当前的火灾探测报警系统。在对灾情的准确性和实时性上的把握大大提高，同时本项目还兼具信息数据统计功能，可对火灾发生信息累计记录，实现数据可追溯。