一种森林火灾识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种森林火灾识别方法，其包括以下步骤：对训练样本图像进行融合，获取融合后的融合图像集；根据所述融合图像集创建树状CNN模型；将待测试的目标图像输入所述树状CNN模型，计算获取所述目标图像对应的火灾概率。本发明专利技术还提供了一种森林火灾识别装置、电子设备、计算机可读存储介质。本发明专利技术通过多通道融合后的融合图像集训练创建树状CNN模型，进而获取发生火灾的概率，精度高。

【技术实现步骤摘要】
一种森林火灾识别方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，具体为一种森林火灾识别方法、装置、电子设备及存储介质。
技术介绍
森林是一种重要的自然资源，与人类的关系极为密切，它对人类的贡献是多种多样的，不仅提供各种木材和经济植物，同时也是许多食物的重要来源。由于火灾的突发性，危害的毁灭性，对森林火灾的及时预警显得尤为重要。近年来，随着视频监控设备的大量普及、更高效图像处理相关的深度学习算法的出现和微处理器技术的发展，通过对图像信息的分析最终实现对森林火灾的预警逐渐成为一种新的有效技术。传统的森林火灾识别系统有基于图像处理的方法和基于模式识别的方法。基于图像处理的方法多采用对原始图像进行阈值分割等，最终通过阈值检测着火点是否存在。而基于模式识别的方法首先对待识别图像进行特征提取，然后将得到的特征信息通过模式识别类算法进行识别，最终给出识别结果。基于基本图像处理的算法识别中通过固定阈值达到着火点预警的方法灵活性较差，不同区域不同光照条件下的图像局部区域的适应性较差。而基于模式识别的方法需要大量的训练样本对分类器进行训练，然后应用训练好的分类器进行识别。目前，学术界尚无本文档来自技高网...

【技术保护点】
1.一种森林火灾识别方法，其特征在于，包括以下步骤：对训练样本图像进行融合，获取融合后的融合图像集；根据所述融合图像集创建树状CNN模型；将待测试的目标图像输入所述树状CNN模型，计算获取所述目标图像对应的火灾概率。

【技术特征摘要】
1.一种森林火灾识别方法，其特征在于，包括以下步骤：对训练样本图像进行融合，获取融合后的融合图像集；根据所述融合图像集创建树状CNN模型；将待测试的目标图像输入所述树状CNN模型，计算获取所述目标图像对应的火灾概率。2.根据权利要求1所述的森林火灾识别方法，其特征在于，所述对训练样本图像进行融合，获取融合后的融合图像集，包括：将初始图像的颜色空间转换为RGB色彩空间；对所述RGB色彩空间的初始图像的R，G，B三个通道的图像按照公式(1)所示进行融合，得到融合图像集：Fj＝{k1*Rj+k2*Gj+k3*Bj|k∈[-2-1012]}(1)其中，Fj为第j个训练样本图像的融合图像集，1≤j≤n，n为训练样本图像的总数，用表示第j个训练样本图像的融合图像集中的第i个融合图像，1≤i≤t，t为第j个训练样本图像的融合图像集中的融合图像总数；k为融合系数，k＝k1，k2，k3；k1、k2、k3分别为R，G，B三个通道的图像的融合系数，R、G、B分别为初始图像在RGB色彩空间下的红色通道、绿色通道和蓝色通道的图像。3.根据权利要求2所述的森林火灾识别方法，其特征在于，所述得到融合图像集之后还包括：消除融合系数冗余项的融合图像，所述消除的融合系数冗余项的融合图像为：Fj＝{k1*Rj+k2*Gj+k3*Bj|k1＝k2＝k3}。4.根据权利要求2所述的森林火灾识别方法，其特征在于，所述根据所述融合图像集创建树状CNN模型，包括：将所述融合图像集分组，得到分组图像集其中，为第j个训练样本图像的融合图像集中第l个分组图像，1≤l≤p，p为第j个训练样本图像的融合图像集的组数，p＝INT(t/3)；将即输入CNN模型网络结构中得到树状CNN模型集合中最高级父节点模型CNN1；假设树状CNN模型集合中有m个树状模型为已知模型，记为vr，1≤r≤m＜p，vr为第r个已知模型，未创建的树状模型数目则为p-m个，称为候选模型，记为θk，m+1≤k≤p，θk为第k个候选模型；将未使用的分组图像集输入CN...

【专利技术属性】
技术研发人员：赵运基，张海波，张新良，孔德武，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南,41