针对煤矿井下光照分布不均匀造成视频图像失真，火灾识别精度低等问题，提出了一种矿井火灾视频图像智能识别方法。该方法以YOLOv5为识别模型，采用K-means算法对传统的暗通道图像去雾算法进行改进，并用改进算法对采集的火焰图像进行去雾处理，提高矿井火灾视频图像识别精度；为减少静态背景对火灾识别的影响，采用帧差法与混合高斯模型融合算法，对动态演化的火焰图像进行特征提取，并采用形态学处理算法消除图像中存在的缺口，从而得到更加完整的火焰目标图像；对火灾视频图像数据集进行标注，并输入到YOLOv5算法模型进行训练及测试。结果表明：基于YOLOv5的矿井火灾视频图像智能识别方法平均精度为92%，损失函数为0.6，比传统算法Alexnet，VGG16，Inceptionv3的平均精度分别高9.6%,13.5%,4.9%，表明该方法检测速度快、精度高，可有效提高矿井火灾识别准确率。

0 引言

1 YOLOv5算法模型及目标检测过程

2 图像处理算法

   2.1 暗通道去雾算法

   2.2 K-means改进的暗通道去雾算法

3 动态火焰目标提取

4 实验结果及分析

   4.1 评价指标

   4.2 实验结果分析

5 结论