基于深度学习的消防通道占用检测方法及装置制造方法及图纸

本发明专利技术提供一种基于深度学习的消防通道占用检测方法及装置，方法包括：获取目标时间段内的消防通道图像；对各帧消防通道图像进行预处理，得到对应待检测图像；将各帧待检测图像输入至消防通道占用检测模型中，得到消防通道占用模型输出的对应各帧待检测图像的消防通道检测结果；其中，消防通道占用检测模型是基于消防通道训练图像及其对应的状态标签训练得到的；根据各帧待检测图像对应的消防通道检测结果，利用预先设置的告警机制，判断是否进行告警。本发明专利技术通过对消防通道图像进行预处理，以快速有效的将复杂背景噪声对消防通道区域的干扰降低，避免模型受背景噪声的干扰影响检测结果的准确性，确保了消防通道状态检测的稳定可靠。稳定可靠。稳定可靠。

Fire passage occupancy detection method and device based on deep learning

The invention provides a fire passage occupation detection method and device based on deep learning. The method includes: acquiring the fire passage image within the target time period; Preprocess each frame of fire channel image to get the corresponding image to be detected; Input each frame of the image to be detected into the fire passage occupation detection model to obtain the fire passage detection results of the corresponding frames of the image to be detected output by the fire passage occupation model; Among them, the fire passage occupancy detection model is based on the fire passage training image and its corresponding status label training; According to the detection results of the fire channel corresponding to the images to be detected in each frame, the preset alarm mechanism is used to judge whether to alarm. By preprocessing the fire channel image, the invention can quickly and effectively reduce the interference of complex background noise on the fire channel area, prevent the model from being affected by the interference of background noise, and ensure the stability and reliability of the fire channel state detection. Stable and reliable. Stable and reliable< br/>

【技术实现步骤摘要】
基于深度学习的消防通道占用检测方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种基于深度学习的消防通道占用检测方法及装置。

技术介绍

[0002]随着社会经济的飞速发展，小区、商场、工厂等人口分布密集区域不断增多，致使消防通道在消防安全保障中的作用日益凸显。全国重大人员伤亡的火灾事故中，80％以上存在消防通道堵塞的情况，火情无法在第一时间得到有效控制。消防法及各项消防安全管理规定中，也对消防通道违法占用行为的处理和责任主体的划分做出了明确规定。因此，对消防通道占用情况的监管愈发需要人们的重视。
[0003]目前，大多采用基于人工智能的消防通道检测模型对消防通道的占用情况进行监管，而基于人工智能的消防通道占用检测模型主要通过聚焦于“车辆占用消防通道”这一情况进行目标检测。
[0004]但是，在实际生产和生活中，尤其是在商场、超市、工厂等室内消防通道场景下，消防通道的占用物是形形色色、无法穷举的，并不局限于车辆，因此，无法将可能占用消防通道的占用物全部列举，以对消防通道检测模型进行训练，消防通道检测模型受训练数据对应的占有物类型限制以致无法检测出未经预先训练的占用物，致使消防通道检测的准确度较差，实用性受到影响。

技术实现思路

[0005]本专利技术提供一种基于深度学习的消防通道占用检测方法及装置，用以解决现有技术中由于检测模型受检测目标类型限制以致检测精度较差的缺陷，确保消防通道状态检测的稳定可靠，提高检测结果的准确度和可靠度。
[0006]本专利技术提供一种基于深度学习的消防通道占用检测方法，包括：获取目标时间段内的消防通道图像；对各帧消防通道图像进行预处理，得到对应待检测图像；将各帧所述待检测图像输入至消防通道占用检测模型中，得到所述消防通道占用模型输出的对应各帧所述待检测图像的消防通道检测结果；其中，所述消防通道占用检测模型是基于消防通道训练图像及其对应的状态标签训练得到的；根据各帧所述待检测图像对应的消防通道检测结果，利用预先设置的告警机制，判断是否进行告警。
[0007]根据本专利技术提供的一种基于深度学习的消防通道占用检测方法，所述对各帧消防通道图像进行预处理，包括：将各帧消防通道图像缩小至预设图像尺寸；基于所述消防通道图像存在背景噪声，利用掩膜对各帧消防通道图像进行遮罩。
[0008]根据本专利技术提供的一种基于深度学习的消防通道占用检测方法，所述根据各帧所述待检测图像对应的消防通道检测结果，利用预先设置的告警机制，判断是否进行告警，包括：根据所述目标时间段的时序，自待检测图像对应的消防通道占用检测结果显示由未占用转变为占用开始，若连续帧待检测图像对应的消防通道占用检测结果显示为占用，且持
续占用时间大于预设告警启动阈值，则消防通道处于占用状态，触发告警。
[0009]根据本专利技术提供的一种基于深度学习的消防通道占用检测方法，在所述触发告警之后，还包括：基于连续帧待检测图像对应的消防通道占用检测结果显示为未占用，且持续未占用时间大于预设第一阈值，解除告警，并重置消防通道的占用状态；基于连续帧待检测图像对应的消防通道占用检测结果显示为占用，且持续占用时间大于预设持续告警阈值，判断所述消防通道处于占用状态，并再次触发告警。
[0010]根据本专利技术提供的一种基于深度学习的消防通道占用检测方法，在所述得到所述消防通道占用模型输出的对应各帧所述待检测图像的消防通道检测结果之后，还包括：对各帧所述待检测图像的占用状态置信度进行判断；基于未占用优先原则，对置信度低于预设第二阈值的消防通道检测结果进行过滤。
[0011]根据本专利技术提供的一种基于深度学习的消防通道占用检测方法，训练所述待检测模型，包括：获取历史时间段内的消防通道历史图像及其状态标签；对各帧消防通道历史图像进行预处理，得到对应训练图像；将各帧所述训练图像作为训练使用的输入数据，将各帧所述训练图像对应的状态标签作为训练标签，采用深度学习方式进行训练，得到用于生成对应各帧待检测图像的消防通道检测结果的消防通道占用检测模型。
[0012]本专利技术还提供一种基于深度学习的消防通道占用检测装置，包括：图像获取模块，获取目标时间段内的消防通道图像；预处理模块，对各帧消防通道图像进行预处理，得到对应待检测图像；状态检测模块，将各帧所述待检测图像输入至消防通道占用检测模型中，得到所述消防通道占用模型输出的对应各帧所述待检测图像的消防通道检测结果；其中，所述消防通道占用检测模型是基于消防通道训练图像及其对应的状态标签训练得到的；告警模块，根据各帧所述待检测图像对应的消防通道检测结果，利用预先设置的告警机制，判断是否进行告警。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于深度学习的消防通道占用检测方法的步骤。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于深度学习的消防通道占用检测方法的步骤。
[0015]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于深度学习的消防通道占用检测方法的步骤。
[0016]本专利技术提供的基于深度学习的消防通道占用检测方法及装置，通过对获取的消防通道图像进行预处理，以快速有效的将复杂背景噪声对消防通道区域的干扰降低，避免消防通道占用检测模型受背景噪声的干扰影响检测结果的准确性，确保了消防通道状态检测的稳定可靠，并利用预先设置的告警机制进行告警，以增加消防通道的安全性和实用性。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些
附图获得其他的附图。
[0018]图1是本专利技术提供的基于深度学习的消防通道占用检测方法的流程示意图之一；
[0019]图2是本专利技术提供的基于深度学习的消防通道占用检测方法的流程示意图之二；
[0020]图3是本专利技术提供的训练消防通道占用检测模型的流程示意图；
[0021]图4是本专利技术提供的基于深度学习的消防通道占用检测装置的结构示意图；
[0022]图5是本专利技术提供的训练模块的结构示意图；
[0023]图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0024]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]图1示出了本专利技术一种基于深度学习的消防通道占用检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的消防通道占用检测方法，其特征在于，包括：获取目标时间段内的消防通道图像；对各帧消防通道图像进行预处理，得到对应待检测图像；将各帧所述待检测图像输入至消防通道占用检测模型中，得到所述消防通道占用模型输出的对应各帧所述待检测图像的消防通道检测结果；其中，所述消防通道占用检测模型是基于消防通道训练图像及其对应的状态标签训练得到的；根据各帧所述待检测图像对应的消防通道检测结果，利用预先设置的告警机制，判断是否进行告警。2.根据权利要求1所述的基于深度学习的消防通道占用检测方法，其特征在于，所述对各帧消防通道图像进行预处理，包括：将各帧消防通道图像缩小至预设图像尺寸；基于所述消防通道图像存在背景噪声，利用掩膜对各帧消防通道图像进行遮罩。3.根据权利要求1所述的基于深度学习的消防通道占用检测方法，其特征在于，所述根据各帧所述待检测图像对应的消防通道检测结果，利用预先设置的告警机制，判断是否进行告警，包括：根据所述目标时间段的时序，自待检测图像对应的消防通道占用检测结果显示由未占用转变为占用开始，若连续帧待检测图像对应的消防通道占用检测结果显示为占用，且持续占用时间大于预设告警启动阈值，则消防通道处于占用状态，触发告警。4.根据权利要求3所述的基于深度学习的消防通道占用检测方法，其特征在于，在所述触发告警之后，还包括：基于连续帧待检测图像对应的消防通道占用检测结果显示为未占用，且持续未占用时间大于预设第一阈值，解除告警，并重置消防通道的占用状态；基于连续帧待检测图像对应的消防通道占用检测结果显示为占用，且持续占用时间大于预设持续告警阈值，判断所述消防通道处于占用状态，并再次触发告警。5.根据权利要求1所述的基于深度学习的消防通道占用检测方法，其特征在于，在所述得到所述消防通道占用模型输出的对应各帧所述待检测图像的消防通道检...

【专利技术属性】
技术研发人员：王悦，
申请(专利权)人：浪潮通信技术有限公司，
类型：发明
国别省市：