一种火灾预警方法、装置、电子设备及存储介质制造方法及图纸

技术编号：44287220 阅读：4 留言：0更新日期：2025-02-14 22:22

本发明专利技术公开了一种火灾预警方法、装置、电子设备及存储介质，方法包括：获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征；基于神经残差网络结构对多模态疑似火灾图像特征进行火灾图像识别处理，得到火灾图像识别结果；基于图形用户界面对火灾图像识别结果进行可视化显示并根据显示结果进行火灾预警。本发明专利技术能够提高初期火灾的响应速度以及降低火灾的误报率和漏报率，进而缩短预警响应的时间，可广泛应用于图像识别技术领域。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及图像识别，尤其涉及一种火灾预警方法、装置、电子设备及存储介质。

技术介绍

1、随着物联网、大数据、人工智能等技术的飞速发展，现有火灾预警系统在智能化和自动化水平方面仍有提升空间，现有火灾预警系统多依赖于固定式火灾预警检测单元，例如烟雾报警器或温度传感器，其通过监测环境温度和烟雾浓度来判断是否发生火灾，然而这些设备通常安装在关键区域，如仓库、机房等，但其覆盖范围有限，且对于初期火灾的响应速度较慢；进而随着智能家居的快速发展，摄像头已成为安全监控的重要工具。然而，传统摄像头在火灾预警方面存在局限性，现有监控系统通过图片识别技术，将监控画面实时分析，实现能够自动识别火灾风险并即时预警的智能系统，而现有的基于图像识别的火灾预警需要借助激光等手段介入，不适用于生活办公等场所，另外，利用摄像头对监控区域进行实时采集，通过图像识别算法判断是否存在火灾特征，这种方式具有全天候、全方位的监测能力，但受限于摄像头的分辨率和算法精度，可能存在误报或漏报的情况。

2、因此相关技术至少存在以下问题：对于初期火灾的响应速度较慢以及存在误报或漏报的情况，导致不能够及时准确的发现火情信息并预警。

技术实现思路

1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术提出一种火灾预警方法、装置、电子设备及存储介质，能够提高初期火灾的响应速度以及降低火灾的误报率和漏报率，进而缩短预警响应的时间。

2、一方面，本专利技术实施例提供了一种火灾预警方法，包括：</p>

3、获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征；

4、基于神经残差网络结构对多模态疑似火灾图像特征进行火灾图像识别处理，得到火灾图像识别结果；

5、基于图形用户界面对火灾图像识别结果进行可视化显示并根据显示结果进行火灾预警。

6、可选地，获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征，包括：

7、获取监控区域的图像数据信息并进行分帧处理，得到若干待处理帧图像数据信息；

8、对若干待处理帧图像数据信息进行图像数据预处理，得到预处理后的图像数据信息；

9、对预处理后的图像数据信息进行多模态边缘特征提取处理，得到多模态火灾图像特征；

10、通过卷积神经网络对多模态火灾图像特征进行图像识别处理，得到多模态疑似火灾图像特征。

11、可选地，获取监控区域的图像数据信息并进行分帧处理，得到若干待处理帧图像数据信息，包括：

12、通过监控设备获取监控区域的图像数据信息；

13、根据图像数据信息中的图像监控时间，通过计算机视觉平台对监控区域的图像数据信息进行分帧处理，得到若干待处理帧图像数据信息。

14、可选地，对预处理后的图像数据信息进行多模态边缘特征提取处理，得到多模态火灾图像特征，包括：

15、通过设置预设颜色阈值对预处理后的图像数据信息进行火焰颜色特征提取，得到火灾图像火焰颜色特征；

16、通过边缘检测算法对预处理后的图像数据信息进行火焰边缘形状特征提取处理，得到火灾图像火焰边缘形状特征；

17、通过纹理分析算法对预处理后的图像数据信息进行火焰纹理特征提取处理，得到火灾图像火焰纹理特征；

18、通过光流跟踪法对预处理后的图像数据信息进行火焰运动轨迹特征提取处理，得到火灾图像火焰运动特征；

19、结合火灾图像火焰颜色特征、火灾图像火焰边缘形状特征、火灾图像火焰纹理特征与火灾图像火焰运动特征，得到多模态火灾图像特征。

20、可选地，神经残差网络结构包括输入层、卷积层、最大池化层、第一残差块组、第二残差块组、第三残差块组、第四残差块组、全局平均池化层、全连接层与输出层，其中：

21、卷积层包括初始卷积层与最大池化层；

22、第一残差块组、第二残差块组、第三残差块组与第四残差块组均具有若干残差块，且第一残差块组、第二残差块组、第三残差块组与第四残差块通过残差连接。

23、可选地，基于神经残差网络结构对多模态疑似火灾图像特征进行火灾图像识别处理，得到火灾图像识别结果，包括：

24、将多模态疑似火灾图像特征输入至神经残差网络结构；

25、基于神经残差网络结构的输入层，获取多模态疑似火灾图像特征；

26、基于神经残差网络结构的卷积层，对多模态疑似火灾图像特征进行卷积处理，得到初步的多模态火灾特征图像；

27、基于神经残差网络结构的最大池化层，对初步的多模态火灾特征图像进行空间降维处理，得到降维后的多模态火灾特征图像；

28、基于神经残差网络结构的第一残差块组、第二残差块组、第三残差块组与第四残差块组，对降维后的多模态火灾特征图像依次进行目标特征提取处理，得到多模态火灾特征图像；

29、基于神经残差网络结构的全局平均池化层，对多模态火灾特征图像进行通道压缩处理，得到多模态火灾图像特征向量；

30、基于神经残差网络结构的全连接层，对多模态火灾图像特征向量进行识别分类处理，得到火灾图像识别结果；

31、基于神经残差网络结构的输出层，输出火灾图像识别结果。

32、可选地，基于图形用户界面对火灾图像识别结果进行可视化显示并根据显示结果进行火灾预警，包括：

33、基于图形用户界面对火灾图像识别结果进行可视化显示，得到火灾图像二维可视化显示结果；

34、通过三维渲染算法对火灾图像二维可视化显示结果进行映射叠加处理，得到火灾图像三维可视化显示结果；

35、根据火灾图像三维可视化显示结果进行判断，确定火源位置并进行火灾预警。

36、另一方面，本专利技术实施例提供了一种火灾预警装置，包括：

37、第一模块，用于获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征；

38、第二模块，用于基于神经残差网络结构对多模态疑似火灾图像特征进行火灾图像识别处理，得到火灾图像识别结果；

39、第三模块，用于基于图形用户界面对火灾图像识别结果进行可视化显示并根据显示结果进行火灾预警。

40、可选地，第一模块具体用于：

41、获取监控区域的图像数据信息并进行分帧处理，得到若干待处理帧图像数据信息；

42、对若干待处理帧图像数据信息进行图像数据预处理，得到预处理后的图像数据信息；

43、对预处理后的图像数据信息进行多模态边缘特征提取处理，得到多模态火灾图像特征；

44、通过卷积神经网络对多模态火灾图像特征进行图像识别处理，得到多模态疑似火灾图像特征。

45、可选地，系统还包括：

46、第四模块，用于获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征；

47、第五模块，用于对预处理后本文档来自技高网...

【技术保护点】

1.一种火灾预警方法，其特征在于，包括：

2.根据权利要求1所述的火灾预警方法，其特征在于，所述获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征，包括：

3.根据权利要求2所述的火灾预警方法，其特征在于，所述获取所述监控区域的图像数据信息并进行分帧处理，得到若干待处理帧图像数据信息，包括：

4.根据权利要求2所述的火灾预警方法，其特征在于，所述对所述预处理后的图像数据信息进行多模态边缘特征提取处理，得到多模态火灾图像特征，包括：

5.根据权利要求1所述的火灾预警方法，其特征在于，所述神经残差网络结构包括输入层、卷积层、最大池化层、第一残差块组、第二残差块组、第三残差块组、第四残差块组、全局平均池化层、全连接层与输出层，其中：

6.根据权利要求5所述的火灾预警方法，其特征在于，所述基于神经残差网络结构对所述多模态疑似火灾图像特征进行火灾图像识别处理，得到火灾图像识别结果，包括：

7.根据权利要求1所述的火灾预警方法，其特征在于，所述基于图形用户界面对所述火灾图像识别结果进行可视化显示并

8.一种火灾预警装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括处理器以及存储器；

10.一种计算机存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1至7任一项所述的方法。

...

【技术特征摘要】

1.一种火灾预警方法，其特征在于，包括：

2.根据权利要求1所述的火灾预警方法，其特征在于，所述获取监控区域的图像数据信息并进行边缘特征预处理，得到多模态疑似火灾图像特征，包括：

3.根据权利要求2所述的火灾预警方法，其特征在于，所述获取所述监控区域的图像数据信息并进行分帧处理，得到若干待处理帧图像数据信息，包括：

5.根据权利要求1所述的火灾预警方法，其特征在于，所述神经残差网络结构包括输入层、卷积层、最大池化层、第一残差块组、第二残差块组、第三残差块组、第四...

【专利技术属性】
技术研发人员：吴柳永，胡志超，赵子颖，
申请(专利权)人：天翼数字生活科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人