火焰识别方法、系统以及用于识别火焰的神经网络技术方案

本发明专利技术实施方式提供一种火焰识别方法、系统以及用于识别火焰的神经网络，属于图像识别技术领域。所述方法包括：从图像中提取关于火焰的深度特征；根据火焰的颜色模型生成图像掩膜；根据图像掩膜在图像中形成多个火焰可能存在的区域，并在区域上形成多个矩形框；确定矩形框中是否存在物体；在确定存在物体的情况下对矩形框的尺寸进行修正；将修正后的矩形框映射到深度特征中的相应区域，进行下采样处理以得到特征向量；采用全连接层依据特征向量判断每个矩形框中是否存在火焰；在判断矩形框中存在火焰的情况下，修正矩形框；采用神经网络单元判断图像中是否存在火焰；在判断存在火焰的情况下，输出进一步修正后的矩形框作为识别的火焰的位置。

Flame recognition method, system and neural network for flame recognition

【技术实现步骤摘要】
火焰识别方法、系统以及用于识别火焰的神经网络
本专利技术涉及图像识别
，具体地涉及一种火焰识别方法、系统及用于识别火焰的神经网络。
技术介绍
火灾对于人类社会的损害是巨大的。每年，森林火灾都会夺走许多消防员的生命，对当地的环境与生态造成严重的影响；同时还有数量更多的火灾发生在工厂、居民区等人类聚集地，直接带来大量的财产损失与人员伤亡。随着计算机视觉的发展，基于计算机视觉的火焰检测技术得到了大量的研究。相对于传统的烟雾报警器而言，图像检测的灵敏度要高得多。因此，图像检测可以在火灾的初期检测到火焰，从而对火灾进行提前预警。
技术实现思路
本专利技术实施方式的目的是提供一种火焰识别方法、系统以及用于识别火焰的神经网络，该火焰识别方法、系统及用于识别火焰的神经网络可以通过图像识别的方式判断现场是否发生火灾，并在判断发生火灾的情况下进一步确定着火点的位置。为了实现上述目的，本专利技术实施方式提供一种火焰识别方法，所述火焰识别方法包括：采用多个第一卷积层从图像中提取关于所述火焰的深度特征；根据预设的火焰的颜色模型生成图像掩膜；根据所述图像掩膜在所述图像中形成多个所述火焰可能存在的区域，并在所述区域上形成多个矩形框；采用第二卷积层根据所述深度特征确定所述矩形框中是否存在物体；在确定所述矩形框中存在物体的情况下，基于所述深度特征对所述矩形框的尺寸进行修正；采用RoIPool(RegionofInterestPool，感兴趣区域池)层将修正后的所述矩形框映射到所述深度特征中的相应区域，对所述相应区域进行下采样处理以得到特征向量；采用全连接层依据所述特征向量判断每个所述矩形框中是否存在火焰；在判断所述矩形框中存在火焰的情况下，进一步修正所述矩形框；采用训练好的神经网络单元判断所述图像中是否存在火焰；在判断所述图像中存在火焰的情况下，输出进一步修正后的所述矩形框作为识别的所述火焰的位置；在判断所述图像中不存在火焰的情况下，确定所述图像中不存在火焰。可选地，所述火焰识别方法进一步包括：在执行采用多个第一卷积层从图像中提取关于所述火焰的深度特征的步骤前，获取待识别的图像。可选地，所述火焰识别方法进一步包括：在确定所述矩形框中不存在物体的情况下，删除所述矩形框。可选地，所述火焰识别方法进一步包括：在判断所述矩形框中不存在火焰的情况下，删除所述矩形框。另一方面，本专利技术提供一种用于识别火焰的神经网络，所述神经网络包括：多个第一卷积层，用于从图像中提取关于所述火焰的深度特征；掩膜生成层，用于根据预设的火焰的颜色模型生成图像掩膜；多个第二卷积层，用于：根据所述图像掩膜在所述图像中形成多个所述火焰可能存在的区域，并在所述区域上形成多个矩形框；根据所述深度特征确定所述矩形框中是否存在物体；在确定所述矩形框中存在物体的情况下，基于所述深度特征对所述矩形框的尺寸进行修正；RoIPool层，用于：将修正后的所述矩形框映射到所述深度特征中的相应区域，对所述相应区域进行下采样处理以得到特征向量；全连接层，用于：依据所述特征向量判断每个所述矩形框中是否存在火焰；在判断所述矩形框中存在火焰的情况下，进一步修正所述矩形框；训练好的神经网络单元，用于：判断所述图像中是否存在火焰；在判断所述图像中存在火焰的情况下，输出进一步修正后的所述矩形框作为识别的所述火焰的位置；在判断所述图像中不存在火焰的情况下，确定所述图像中不存在火焰。可选地，首个所述第一卷积层进一步用于接收待识别的图像。可选地，所述第二卷积层进一步用于在确定所述矩形框中不存在物体的情况下，删除所述矩形框。可选地，所述全连接层进一步用于在判断所述矩形框中不存在火焰的情况下，删除所述矩形框。再一方面，本专利技术还提供一种火焰识别系统，所述火焰识别系统包括处理器，所述处理器用于执行如上述任一所述的火焰识别方法。再一方面，本专利技术还提供一种存储介质，所述存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的火焰识别方法。通过上述技术方案，本专利技术提供的火焰识别方法、系统以及用于识别火焰的神经网络可以通过对拍摄的现场的图片进行识别，从而判断出现场是否存在火焰来确定是否发生火灾，并在判断发生火灾的情况下进一步确定着火点的位置，解决了现有技术中烟雾报警器报警的迟滞性的问题，保障了现场设备以及人员的安全。本专利技术实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施方式，但并不构成对本专利技术实施方式的限制。在附图中：图1是根据本专利技术的一个实施方式的火焰识别方法的流程图；图2是根据本专利技术的一个实施方式的神经网络的结构框图；以及图3是根据本专利技术的一个实施方式的神经网络的工作流程的示意图。具体实施方式以下结合附图对本专利技术实施方式的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施方式，并不用于限制本专利技术实施方式。在本专利技术实施方式中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。另外，若本专利技术实施方式中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施方式之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。如图1所示是根据本专利技术的一个实施方式的火焰识别方法的流程图。在图1中，该火焰识别方法可以包括：在步骤S10中，采用多个第一卷积层从图像中提取关于火焰的深度特征。对于该第一卷积层，可以是例如Faster-RCNN(Region-ConvolutionalNeuralNetwork，区域卷积神经网络)模型中的卷积层。对于该图像，可以是例如现场拍摄的图片或从现场拍摄的视频中截取的图片。在步骤S11中，根据预设的火焰的颜色模型生成图像掩膜。具体地，生成该图像掩膜的方式可以是将图像中满足预设条件的区域的颜色值置为1，不满足该预设条件的区域的颜色值置为0，从而完成对该颜色模型的二值化操作。对于该预设条件，可以是例如公式(1)所示，即在判断该区域的红色的颜色值大于绿色的颜色值、绿色的颜色值大于蓝色的颜色值且红色的颜色值大于预设值的情况下，将本文档来自技高网...

【技术保护点】
1.一种火焰识别方法，其特征在于，所述火焰识别方法包括：/n采用多个第一卷积层从图像中提取关于所述火焰的深度特征；/n根据预设的火焰的颜色模型生成图像掩膜；/n根据所述图像掩膜在所述图像中形成多个所述火焰可能存在的区域，并在所述区域上形成多个矩形框；/n采用第二卷积层根据所述深度特征确定所述矩形框中是否存在物体；/n在确定所述矩形框中存在物体的情况下，基于所述深度特征对所述矩形框的尺寸进行修正；/n采用RoI Pool层将修正后的所述矩形框映射到所述深度特征中的相应区域，对所述相应区域进行下采样处理以得到特征向量；/n采用全连接层依据所述特征向量判断每个所述矩形框中是否存在火焰；/n在判断所述矩形框中存在火焰的情况下，进一步修正所述矩形框；/n采用训练好的神经网络单元判断所述图像中是否存在火焰；/n在判断所述图像中存在火焰的情况下，输出进一步修正后的所述矩形框作为识别的所述火焰的位置；/n在判断所述图像中不存在火焰的情况下，确定所述图像中不存在火焰。/n

【技术特征摘要】
1.一种火焰识别方法，其特征在于，所述火焰识别方法包括：
采用多个第一卷积层从图像中提取关于所述火焰的深度特征；
根据预设的火焰的颜色模型生成图像掩膜；
根据所述图像掩膜在所述图像中形成多个所述火焰可能存在的区域，并在所述区域上形成多个矩形框；
采用第二卷积层根据所述深度特征确定所述矩形框中是否存在物体；
在确定所述矩形框中存在物体的情况下，基于所述深度特征对所述矩形框的尺寸进行修正；
采用RoIPool层将修正后的所述矩形框映射到所述深度特征中的相应区域，对所述相应区域进行下采样处理以得到特征向量；
采用全连接层依据所述特征向量判断每个所述矩形框中是否存在火焰；
在判断所述矩形框中存在火焰的情况下，进一步修正所述矩形框；
采用训练好的神经网络单元判断所述图像中是否存在火焰；
在判断所述图像中存在火焰的情况下，输出进一步修正后的所述矩形框作为识别的所述火焰的位置；
在判断所述图像中不存在火焰的情况下，确定所述图像中不存在火焰。


2.根据权利要求1所述的火焰识别方法，其特征在于，所述火焰识别方法进一步包括：
在执行采用多个第一卷积层从图像中提取关于所述火焰的深度特征的步骤前，获取待识别的图像。


3.根据权利要求1所述的火焰识别方法，其特征在于，所述火焰识别方法进一步包括：
在确定所述矩形框中不存在物体的情况下，删除所述矩形框。


4.根据权利要求1所述的火焰识别方法，其特征在于，所述火焰识别方法进一步包括：
在判断所述矩形框中不存在火焰的情况下，删除所述矩形框。


5.一种用于识别火焰的神经网络，其特征在于，所述神经网络包括：
多个第一卷积层，用于从图像中提取关于所述火...

【专利技术属性】
技术研发人员：黄杰，尚伟伟，董翔宇，朱俊，高云，杨波，汪太平，李永熙，刘鑫，巢夏晨语，张飞，刘元园，
申请(专利权)人：国网安徽省电力有限公司检修分公司，国网安徽省电力有限公司，
类型：发明
国别省市：安徽;34