一种烟火识别的方法、装置、设备及介质制造方法及图纸

本发明专利技术提供了一种烟火识别的方法、装置、设备及可读介质，方法包括：构建当前场景的全场景图，并获取全场景图中每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中；获取待识别的图片，并对图片进行处理后得到目标检测区域和目标分割区域的信息；响应于没有新目标进入全场景图中且检测到图片中包含有火焰，基于目标检测区域和目标分割区域判断火焰是否位于全场景图内；响应于火焰位于全场景图内，基于火焰的坐标和火焰的持续时间发出烟火警告并保存图片。通过使用本发明专利技术的方案，能够准确快速的识别场景中出现的烟火，能够降低误检率，提高识别过程中坐标对比的效率，能够减少对设备内存和存储的占用。减少对设备内存和存储的占用。减少对设备内存和存储的占用。

【技术实现步骤摘要】
一种烟火识别的方法、装置、设备及介质


[0001]本专利技术涉及计算机领域，并且更具体地涉及一种烟火识别的方法、装置、设备及可读介质。

技术介绍

[0002]在日常生活中防火尤为重要，特别是针对一些具有危险性质的化工企业，如加油站，如果在加油站附近发生火灾，极易引发爆炸等事故，造成人员伤亡，所以进行加油站烟火检测，及时发现烟火避免重大事故的发生尤为重要，并且发现烟火时要进行实时告警，告知加油站人员，及时采取必要措施，降低损失，因此亟需一种加油站烟火识别方法的算法来解决这一市场问题，而基于深度学习的目标检测算法在过去几年里受到了较为重视的研究，随着人工智能的发展以及一些基于深度卷积神经网络(Convolutional Neural Networks)网络的目标检测算法的发展，在计算机视觉领域，一些算法脱颖而出，目前通常通过目标检测算法来进行防静电链是否连接的识别，例如，经典目标检测网络SDD、RCNN、Faster RCNN、YOLO系列等。基于深度学习的检测方法在正常服务器端和室内环境效果尚可，但对于加油站等室外环境受阳光、车灯照射等情况的影响，加油站的地面、墙体会反光，导致检测效果很差，经常发生误检，并且这些算法需求的算力也很高，而目前加油站检测设备多为边缘终端设备，边缘终端受算力的限制，很难将其直接部署在边缘终端设备上面。

技术实现思路

[0003]有鉴于此，本专利技术实施例的目的在于提出一种烟火识别的方法、装置、设备及可读介质，通过使用本专利技术的技术方案，能够准确快速的识别场景中出现的烟火，能够降低误检率，提高识别过程中坐标对比的效率，能够减少对设备内存和存储的占用。
[0004]基于上述目的，本专利技术的实施例的一个方面提供了一种烟火识别的方法，包括以下步骤：
[0005]构建当前场景的全场景图，并获取全场景图中每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中；
[0006]获取待识别的图片，并对图片进行处理后得到目标检测区域和目标分割区域的信息；
[0007]响应于没有新目标进入全场景图中且检测到图片中包含有火焰，基于目标检测区域和目标分割区域判断火焰是否位于全场景图内；
[0008]响应于火焰位于全场景图内，基于火焰的坐标和火焰的持续时间发出烟火警告并保存图片。
[0009]根据本专利技术的一个实施例，构建当前场景的全场景图，并获取全场景图中每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中包括：
[0010]在当前场景的相应位置安装若干摄像头，并确保当前场景的每一个点至少在两个摄像头的视野内，根据不同摄像头重贴视野的匹配效果，构建当前场景的全场景图；
[0011]从摄像头拍摄的视频流中获取图片，并进行图像预处理；
[0012]根据预处理后的图像计算全场景图内每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中。
[0013]根据本专利技术的一个实施例，从摄像头拍摄的视频流中获取图片，并进行图像预处理包括：
[0014]将图片修改为灰度图；
[0015]将灰度图进行高斯模糊处理以降低图片的噪声干扰并减少高光部分像素值坐标计算误差。
[0016]根据本专利技术的一个实施例，获取待识别的图片，并对图片进行处理后得到目标检测区域和目标分割区域的信息包括：
[0017]从摄像头拍摄的视频流中获取图片，并对图片进行预处理以取出图片中的噪点，并将图片大小缩放到预设尺寸；
[0018]采用Mosaic(数据增强的一种方式)和/或MixUp(数据增强的一种方式)的方式进行图片的数据增强；
[0019]将数据增强后的图片输入到ResNet50网络(50层残差网络)中进行处理；
[0020]将处理后的图片输入到FPN网络(特征金字塔网络)中提取特征图；
[0021]将提取的特征图输入到RPN网络(区域生产网络)得到图片的目标推荐区域；
[0022]将得到的特征图和目标推荐区域同时输入到ROI Align网络(感兴趣区域排列)以得到所需大小的特征图；
[0023]所需大小的特征图经过head层(获取网络输出内容的网络，做出预测)得到目标检测区域和目标分割区域；
[0024]目标分割区域经过两次全连接层得到分割结果；
[0025]目标检测区域经过全连接层分别得到目标框、分类和得分情况。
[0026]根据本专利技术的一个实施例，将得到的特征图和目标推荐区域同时输入到ROI Align网络以得到所需大小的特征图包括：
[0027]将bbox区域按输出要求的size进行等分；
[0028]在等分后的每个块中再取固定的4个点；
[0029]距离每个点最近的4个真实像素点的值加权以求得每个点的值；
[0030]在每个块中的计算出的4个新值中取最大值作为块的输出值，最终得到2x2的输出。
[0031]根据本专利技术的一个实施例，响应于火焰位于全场景图内，基于火焰的坐标和火焰的持续时间发出烟火警告并保存图片包括：
[0032]提取火焰所在的目标区域，计算目标区域每个像素点的实际坐标位置，从坐标库中提取目标区域对应的像素点的坐标位置；
[0033]判定目标区域像素点实际坐标位置与坐标库中对应的像素点的坐标位置的差值是否小于设定阈值；
[0034]响应于差值不小于设定阈值，使用KCF算法跟踪目标；
[0035]判定跟踪的目标是否达到设定时间；
[0036]响应于跟踪的目标达到设定时间，发出烟火警告通知并保存图片。
[0037]根据本专利技术的一个实施例，还包括：
[0038]响应于有新目标进入全场景图中，从图片中分离出新目标的区域和去除新目标的区域后的区域；
[0039]响应于去除新目标的区域后的区域中检测到图片中包含有火焰，基于目标检测区域和目标分割区域判断火焰是否位于全场景图内；
[0040]响应于火焰位于全场景图内，基于火焰的坐标和火焰的持续时间发出烟火警告并保存图片。
[0041]本专利技术的实施例的另一个方面，还提供了一种烟火识别的装置，装置包括：
[0042]获取模块，获取模块配置为构建当前场景的全场景图，并获取全场景图中每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中；
[0043]处理模块，处理模块配置为获取待识别的图片，并对图片进行处理后得到目标检测区域和目标分割区域的信息；
[0044]判断模块，判断模块配置为响应于没有新目标进入全场景图中且检测到图片中包含有火焰，基于目标检测区域和目标分割区域判断火焰是否位于全场景图内；
[0045]告警模块，告警模块配置为响应于火焰位于全场景图内，基于火焰的坐标和火焰的持续时间发出烟火警告并保存图片。
[0046]本专利技术的实施例的另一个方面，还提供了一种计算机设备，该计算机设备包括：
[0047]至少一个处理器；以及
[0048]存储器，存储器存储有可在处理器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟火识别的方法，其特征在于，包括以下步骤：构建当前场景的全场景图，并获取全场景图中每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中；获取待识别的图片，并对图片进行处理后得到目标检测区域和目标分割区域的信息；响应于没有新目标进入全场景图中且检测到图片中包含有火焰，基于目标检测区域和目标分割区域判断火焰是否位于全场景图内；响应于火焰位于全场景图内，基于火焰的坐标和火焰的持续时间发出烟火警告并保存图片。2.根据权利要求1所述的方法，其特征在于，构建当前场景的全场景图，并获取全场景图中每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中包括：在当前场景的相应位置安装若干摄像头，并确保当前场景的每一个点至少在两个摄像头的视野内，根据不同摄像头重贴视野的匹配效果，构建当前场景的全场景图；从摄像头拍摄的视频流中获取图片，并进行图像预处理；根据预处理后的图像计算全场景图内每个像素点的实际坐标，并将每个像素点的实际坐标存入坐标库中。3.根据权利要求2所述的方法，其特征在于，从摄像头拍摄的视频流中获取图片，并进行图像预处理包括：将图片修改为灰度图；将灰度图进行高斯模糊处理以降低图片的噪声干扰并减少高光部分像素值坐标计算误差。4.根据权利要求1所述的方法，其特征在于，获取待识别的图片，并对图片进行处理后得到目标检测区域和目标分割区域的信息包括：从摄像头拍摄的视频流中获取图片，并对图片进行预处理以取出图片中的噪点，并将图片大小缩放到预设尺寸；采用Mosaic和/或MixUp的方式进行图片的数据增强；将数据增强后的图片输入到ResNet50网络中进行处理；将处理后的图片输入到FPN网络中提取特征图；将提取的特征图输入到RPN网络得到图片的目标推荐区域；将得到的特征图和目标推荐区域同时输入到ROI Align网络以得到所需大小的特征图；所需大小的特征图经过head层得到目标检测区域和目标分割区域；目标分割区域经过两次全连接层得到分割结果；目标检测区域经过全连接层分别得到目标框、分类和得分情况。5.根据权利要求4所述的方法，其特征在于，将得到的特征图和目标推荐区域同时输入到ROIAlign网络以得到所需大小的特征图包括：将bbox区域按输出要求的size进行等分；在等分...

【专利技术属性】
技术研发人员：许博，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：