基于人工智能的视频火灾探测：技术、标准与应用 | YEF2021技术论坛

中国科学技术大学火灾科学国家重点实验室，副教授。2011年博士毕业于中国科学技术大学，2011年至2015年任职于中国电子科技集团公司第三十八研究所，2015年开始任职于中国科学技术大学火灾科学国家重点实验室，研究方向为火灾探测与信号处理，计算机视觉与人工智能应用。拥有在工业界和学术界开展研究的复合经历，获得安徽省教学成果一等奖，张宗值青年教师奖等奖项，担任全国森林草原防火专业委员会团体标准技术委员会首届委员，全国消防标准化技术委员会火灾探测与报警分技术委员会通讯委员。曾承担国家自然科学基金等多项国家及省部级科研项目以及愈千万元的企业研发项目，在国内外期刊发表SCI/EI文章五十多篇，取得专利和成果鉴定多项。

教授，博士，博导，副院长，上海市教委重点基地“上海市中小学在线教育研究基地”执行主任，学科带头人。CCF和IEEE高级会员，CCF和CSIG多媒体专委会委员，上海市图像图形学会理事，《中国图象图形学报》编委。南昌市“洪城特聘专家”、江西省青年科学家培养对象等称号。获原机械工业部“部级优秀毕业生”、中国科学院“院长优秀奖”、江西省高校中青年骨干教师、江西财经大学“科研十强”、“十大优秀研究生导师”等荣誉。主持国家科技支撑计划子专题、国家自然科学基金项目等课题。在IEEE Transactions on Image Processing、IEEE Transactions on Biomedical Engineering、Pattern Recognition、Fire Safety Journal、Information Sciences、Neurocomputing、Computer Vision and Image Understanding、计算机学报等上发表论文90多篇。授权国内发明专利5项。

演讲题目：火灾烟雾的视觉分类、检测与分割方法

摘要：烟雾对于火灾及早预警非常重要，但其半透明、时变等流体属性，容易导致背景和烟雾的高度复杂融合、烟雾纹理与尺度变化大等。这些因素直接造成烟雾的精确分类、检测与分割非常困难。从烟雾分类、检测、分割、浓度估计角度，回顾烟雾视觉处理领域的国内外研究现状、经典算法等。具体讲述烟雾动态纹理处理、传统机器学习烟雾分类与检测流程、深度神经网络烟雾处理框架等方法，及其在火灾安全与污染防治等方面的可能应用。

讲师，博士，在西安邮电大学陕西省网络数据分析与智能处理重点实验室、美国加州大学洛杉矶分校从事视频火灾探测理论与方法、图像特征分析的相关研究工作，2018年至今年获批“数据与机理分析相结合的视频火灾烟雾探测算法研究”、“面向火灾探测的烟雾视频深浅层特征分析及建模方法”等研究课题5项，发表相关学术论文20余篇，申请专利6项。

演讲题目：知识与数据驱动相结合的火灾识别

摘要：以深度学习为基础的模型可以充分利用计算机的算力,在某些方面会表现出比人类优越的性能，但也存在一些根本性的缺点，比如不可解释与不鲁棒等问题。运动等鲁棒先验知识可用于剔除大量静止背景，减少需要处理的数据量，运动特征还可变换为光流形式加入到网络中，提升火灾识别模型的理解能力。对于公共安全领域的探测、识别任务，符号AI与数据驱动模型相结合将成为高级视觉理解任务中的一个有效解决方案。

助理研究员，博士，应急管理部沈阳消防研究所报警研究室，研究方向为火灾探测应用技术。获得第二十一届中国专利优秀奖（排名一），公安部科学技术二等奖（排名三）、消防局青年科技创新奖以及协会奖两项。取得发明专利五项。

演讲题目：图像型火灾探测器应用现状

摘要：针对图像火灾探测技术在消防实践中的适用性和可靠性瓶颈问题，提出抗光干扰能力强、低复杂度的基于前景累积模型的图像火灾探测算法并申请了发明专利，开发了基于DSP技术分布智能系统架构，针对各类大空间、公路隧道、石油化工和文物古建筑等场所特殊环境条件和火灾探测需求，研发了多探测参数系列图像火灾探测产品。