【技术实现步骤摘要】
多模式融合的火灾检测方法、装置、相关设备及存储介质
[0001]本专利技术涉及人工智能
,尤其涉及多模式融合的火灾检测方法、装置、相关设备及存储介质。
技术介绍
[0002]火灾是一种常见且容易发生的灾害,在生产生活中火灾对公众的生命与财产构成了重大威胁。由于火灾具有突发性而且危害大,所以构建准确有效的火焰识别算法对预防火灾拥有重要的意义。火焰检测算法大致可归纳为两类:基于传感器的火焰检测算法和基于图像的火焰检测算法,但是有些场景下并不适合传感器方法的火焰检测,如室外、半室外场景。
[0003]随着社会的进步与发展,各种摄像设备已经在我们的生活中得到了普及。为了加强城市、社区轨道交通安防工作的建设,从边缘监控设备获得的监控训练图像中快速得到有价值的信息,对于公安、城管等工作人员的安防工作来说尤为重要。但是现有技术中,常用的基于图像的火焰检查算法其检测方式单一,最终会导致对火焰的判断准确率低的问题。
技术实现思路
[0004]本专利技术实施例提供多模式融合的火灾检测方法,能够提高对火焰的判断准确率。
[0005]第一方面,本专利技术实施例提供多模式融合的火灾检测方法,所述方法包括以下步骤:
[0006]获取模型训练数据,并对所述模型训练数据进行数据预处理,得到火焰检测训练图像,所述火焰检测训练图像中标记有火焰标记框;
[0007]将标记有所述火焰标记框的所述火焰检测训练图像输入预设的深度学习神经网络模型进行训练,提取所述火焰检测训练图像的目标特征图,训练得到目标火焰 ...
【技术保护点】
【技术特征摘要】
1.多模式融合的火灾检测方法,其特征在于,包括以下步骤:获取模型训练数据,并对所述模型训练数据进行数据预处理,得到火焰检测训练图像,所述火焰检测训练图像中标记有火焰标记框;将标记有所述火焰标记框的所述火焰检测训练图像输入预设的深度学习神经网络模型进行训练,提取所述火焰检测训练图像的目标特征图,训练得到目标火焰检测模型;通过所述目标火焰检测模型对待检测数据进行火焰检测,得到火焰目标坐标框;通过预设的图像过滤模型将所述火焰目标坐标框中的火焰特征进行提取,对所述火焰特征进行颜色空间过滤以及对所述火焰特征进行运动检测过滤,得到火灾检测结果;所述对所述模型训练数据进行数据预处理的步骤包括:判断所述模型训练数据是否为视频训练数据,若为所述视频训练数据,则根据视频帧率对所述视频训练数据进行逐帧转换为训练图像;选取多张所述训练图像,对多张所述训练图像进行旋转、缩放以及色域变化处理,得到多张转换图像,并按照预设方位将多张所述转换图像进行组合拼接,得到所述火焰检测训练图像。2.如权利要求1所述的多模式融合的火灾检测方法,其特征在于,所述对多张所述训练图像进行缩放的步骤包括:判断所述训练图像的分辨率是否达到预设的分辨率;若所述训练图像的分辨率未达到所述预设的分辨率,则计算所述火焰检测训练图像的缩放比例、缩放尺寸以及黑边填充数值,并根据所述缩放比例、缩放尺寸以及黑边填充数值对所述火焰检测训练图像进行放大处理,使得到的所述火焰检测训练图像的分辨率为所述预设的分辨率;或者若所述训练图像的分辨率超过所述预设的分辨率,则通过双线性插值法对所述火焰检测训练图像进行缩小处理,使得到的所述火焰检测训练图像的分辨率为所述预设的分辨率。3.如权利要求1所述的多模式融合的火灾检测方法,其特征在于,预设的所述深度学习神经网络模型包括Focus结构、CSP结构、SPP结构以及FPN+PAN结构。4.如权利要求3所述的多模式融合的火灾检测方法,其特征在于,所述将标记有所述火焰标记框的所述火焰检测训练图像输入预设的深度学习神经网络模型进行训练,提取所述火焰检测训练图像的目标特征图的步骤包括:通过所述Focus结构对标记有所述火焰标记框的所述火焰检测训练图像进行切片处理后再进行重新整合拼接,得到重拼接训练特征图;通过所述CSP结构对所述重拼接训练特征图进行卷积操作,输出卷积训练特征图,并对所述卷积训练特征图进行批归一化处理,得到归一化训练特征图;将所述归一化训练特征图通过预设的激活函数进行激活,以输出初始特征图,并通过所述SPP结构对所述初始特征图进行多尺度池化处理以及再拼接处理,得到所述目标特征图;通过所述FPN+PAN结构对所述目标特征图进行多个方向上的特征采样,得到多个尺度的特征图,以对所述多个尺度的特征图进行特征强化,训练得到初始火焰检测模型,所述目标火焰检测模型为所述初始火焰检测模型优化后的模型。
5.如权利要求4所述的多模式融合的火灾检测方法,其特征在于,所述将标记有所述火焰标记框的所述火焰检测训练图像输入预设的深度学习神经网络模型进行训练的步骤还包括:基于非极大值抑制方式,通过预设的所述深度学习神经网络模型选取所述初始火焰检测模型中所述目标特征图不同位置的坐标框,按置信度大小对选取的所述坐标框依次进行非极大值抑制,最终得到预测结果;计算所述预测结果与真实值的差距...
【专利技术属性】
技术研发人员:闫潇宁,武大硕,
申请(专利权)人:深圳市安软慧视科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。