一种基于火苗跳动建模的明火检测方法及系统技术方案

本发明专利技术公开了一种基于火苗跳动建模的明火检测方法及系统，方法包括：获取视频图像；对所述视频图像中的连续帧图像进行预处理；对图像进行标注、边缘检测，得到图像的边缘检测结果，在边缘检测结果中选择面积最大的闭合区域作为目标区域；将目标区域输入到预训练好的火苗跳动检测模型中；使用火苗跳动检测模型对目标区域进行分析，确定图像中是否有明火；所述火苗跳动检测模型为使用多组数据训练得出的。

An open fire detection method and system based on the model of fire beating

【技术实现步骤摘要】
一种基于火苗跳动建模的明火检测方法及系统
本专利技术属于明火检测
，具体涉及一种基于火苗跳动建模的明火检测方法及系统。
技术介绍
随着机器视觉和数字图像处理技术的发展，视频火灾检测方法因其具有非接触、检测距离远、大空间和室外环境适应性强等优点得到广泛应用，并成为火灾检测的重要研究方向。大多数火灾探测系统都是通过温度、烟雾浓度、相对湿度等的传统探测器，系统多由烟雾传感器、红外传感器、离子传感器等组成，由于烟雾、热量等扩散到传感器需要数分钟时间，故此类系统无法及时准确地检测到火灾的发生但此类系统并不能够满足一些特定场所的探测需求，如在高大建筑、广阔森林等，传统的烟感、温感、光感探测系统在应用方面均比较局限。传统的烟火探测系统还存在灵敏度不高，很难达到实时性要求，且不能直观反映火灾现场情况的缺点。目前，随着视频监控和图像智能处理技术的快速发展，基于视频图像的火焰探测技术迅猛发展，这类探测技术具有反应灵敏度高、适用性广、响应速度快、成本较低等优点，可详细直观地反映火灾场景信息，利于后续的灾情分析与处理。视频火焰检测技术是用摄像头监测各个场本文档来自技高网...

【技术保护点】
1.一种基于火苗跳动建模的明火检测方法，其特征在于，包括：/n获取视频图像；/n对图像进行标注、边缘检测，得到图像的边缘检测结果，在边缘检测结果中选择面积最大的闭合区域作为目标区域，得到标注有目标区域的图像；/n将目标区域输入到预训练好的火苗跳动检测模型中；/n使用火苗跳动检测模型对目标区域进行分析，确定图像中是否有明火；其中，所述火苗跳动检测模型为使用多组数据训练得出的，所述多组数据包括：第一类数据和第二类数据，所述第一类数据中的每组数据均包括：包含明火的图像和表示该图像包含明火的标签；第二类数据中的每组数据均包括：不包含明火的图像和表示该图像不包含明火的标签。/n

【技术特征摘要】
1.一种基于火苗跳动建模的明火检测方法，其特征在于，包括：
获取视频图像；
对图像进行标注、边缘检测，得到图像的边缘检测结果，在边缘检测结果中选择面积最大的闭合区域作为目标区域，得到标注有目标区域的图像；
将目标区域输入到预训练好的火苗跳动检测模型中；
使用火苗跳动检测模型对目标区域进行分析，确定图像中是否有明火；其中，所述火苗跳动检测模型为使用多组数据训练得出的，所述多组数据包括：第一类数据和第二类数据，所述第一类数据中的每组数据均包括：包含明火的图像和表示该图像包含明火的标签；第二类数据中的每组数据均包括：不包含明火的图像和表示该图像不包含明火的标签。


2.根据权利要求1所述的基于火苗跳动建模的明火检测方法，其特征在于，使用火苗跳动检测模型对目标区域进行分析，确定图像中是否有明火，包括：
对处理后的视频图像中的目标区域进行特征提取，得到静态火苗特征；
对提取的静态火苗特征进行序列标注，将静态火苗特征按时间排序，得到时间维度的火苗跳动特征；
对得到的时间维度的火苗跳动特征通过softmax函数进行分类判断，并输出明火检测结果。


3.根据权利要求1所述的基于火苗跳动建模的明火检测方法，其特征在于，还包括：对所述视频图像中的连续帧图像进行预处理，包括：对所述视频图像中的连续帧图像进行高斯滤波与空间域增强。


4.根据权利要求1所述的基于火苗跳动建模的明火检测方法，其特征在于，对图像进行标注、边缘检测，包括：对图像进行标注，然后利用图像奇异值方法对图像进行边缘检测，包括：
对图像中像素点v的24个邻域点为v1,v2,…,v24，构造完全图G；
定义完全图G赋权拉普拉斯矩阵LG如下：



其中ri＝|v-vi|为像素点v到vi之间的距离；rj为像素点v到vj之间的距离；i＝1,2,…，24为拉普拉斯矩阵LG的行标，j＝1,2，,24为拉普拉斯矩阵LG的列标；
对LG进行奇异值分解，获得24个实特征值λ1≥λ2≥…≥λ24＝0；
利用λ1代替像素点v的灰度值，λ1值越大，则该像素点越属于边界点，通过λ1的大小来检测图像中像素点的边缘信息。


5.根据权利要求2所述的基于火苗跳动建模的明火检测方法，其特征在于，所述对处理后的视频图像中的目标区域进行特征提取，包括：通过训练集迭代训练，得到具有自适应可变尺寸的卷积核，对不同尺寸的目标区域采用不同大小卷积核进行检测，包括：
目标区域原始图像，大小为b×h×w×c，记为O，经过一次卷积，输出结果大小为b×h×w×2c，记为R；b、h、w、c分别为批处理batch的尺寸、图像的高、宽以及特征的尺寸；
将O中像素索引值与R相加，获得偏移后的位置值S，大小为b×h×w×2c，S值限定为图像大小范围以内，根据S值计算像素值的坐标，获取不同大小卷积核。


6.根据权利要求2所述的基于火苗跳动建模的明火检测方法，其特征在于，还包括：当一个目标区域提取得到多个静态火苗特征时，对目标区域中的静态火苗特征用滑动窗口策略来选择候选区域，通过若干个不同尺度的滑动窗口来获取火焰目标，得到一系列的静态火苗特征的候选区域；
对静态火苗特征的候选区域，通过非极大值抑制法来排除疑似目标区域，保留包含真实火焰图像的精确矩形框，检测区域DR与真实区域GT之间重合度IoU如...

【专利技术属性】
技术研发人员：姚楠，吴曦，蔡越，朱吕甫，李剑英，朱兆喆，高涛，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，国网江苏省电力有限公司无锡供电分公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏;32