基于神经网络的森林火灾检测方法技术

本发明专利技术公开了一种基于神经网络的森林基于神经网络的森林火灾检测方法，所述方法包括以下步骤：获取目标区域的目标图像和目标红外温度图像；利用训练得到的卷积神经网络分类器对所述目标图像和所述目标红外温度图像进行分类，以获得分类结果；基于所述分类结果，获得所述目标区域的火灾检测结果。由此可见，由于当目标区域出现火灾时，目标图像和目标红外温度图像均已携带火灾特征，输入训练得到的神经网络分类器中，则可输出分类结果，从而获得目标区域出现火灾的检测结果，不需等待目标区域的火灾扩大，能及时的检测到火灾初发情况，对目标区域火灾检测速度较快、及时，检测效果好。

Forest fire detection method based on Neural Network

【技术实现步骤摘要】
基于神经网络的森林火灾检测方法
本专利技术涉及火灾检测
，特别涉及一种基于神经网络的森林火灾检测方法。
技术介绍
火灾具有突发性和随机性，并且火灾会在短时间内造成巨大的损失，为了减少火灾的损失。相关技术中，公布了一种基于神经网络的森林火灾检测方法，利用烟感探测器来检测火灾的发生。但是现有技术中，只有当火灾的火势扩大，导致火灾烟雾到达一定浓度之后才会触发烟感探测器，因此，现有技术无法实现对火灾初发时的有效检测。
技术实现思路
本专利技术的主要目的是提供一种基于神经网络的森林火灾检测方法、装置、设备以及存储介质，旨在解决不能及时检测到火灾发生的技术问题。为实现上述目的，本专利技术提出一种基于神经网络的森林火灾检测方法，所述方法包括以下步骤：获取目标区域的目标图像和目标红外温度图像；利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分类，以获得分类结果；基于所述分类结果，获得所述目标区域的火灾检测结果。可选的，所述利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分析的步骤之前，所述方法还包括：获取训练样本；利用所述训练样本进行卷积神经网络训练，获得神经网络分类器。可选的，所述训练样本包括火灾区域图像、非火灾区域图像、所述火灾区域图像对应的火灾红外温度图像以及所述非火灾区域图像对应的非火灾红外温度图像；所述利用所述训练样本进行卷积神经网络训练，获得神经网络分类器的步骤包括：对所述火灾区域图像、所述非火灾区域图像、所述火灾红外温度图像以及所述非火灾红外温度图像的像素进行RGB数据处理，获得处理后的样本数据；将所述处理后的样本数据输入卷积神经网络进行训练，获得神经网络分类器。可选的，所述获取目标区域的目标图像和目标红外温度图像的步骤之前，所述方法还包括:获取目标视频；获取所述目标视频的待检测帧的运动前景区域；判断所述待检测帧的运动前景区域中是否包括火焰颜色像素值对应的第一像素点；若是，将运动前景区域中包括所述第一像素点的待检测帧对应的区域确定为目标区域。可选的，所述若是，将运动前景区域中包括预设像素点的待检测帧对应的区域确定为目标区域的步骤包括：若是，获取所述待检测帧的前景区域的红外温度图像；判断所述待检测帧的前景区域的红外温度图像中是否包括超过预设温度阈值的第二像素点；若是，将前景区域的红外温度图像中包括所述第二像素点的待检测帧对应的区域确定为目标区域。可选的，所述获取所述目标视频的待检测帧的运动前景区域的步骤包括：利用混合高斯算法建立所述目标视频对应区域的背景模型；基于所述背景模型，获取所述目标视频的待检测帧的运动前景区域。可选的，所述判断所述待检测帧的运动前景区域是否包括预设颜色的像素点的步骤包括；生成所述待检测帧的颜色直方图；基于HSV颜色模型和所述颜色直方图，判断待检测帧的运动前景区域中是否包括火焰颜色像素值对应的第一像素点。可选的，所述神经网络分类器包括4个Stage、3层全连接层以及Softmax输出层。可选的，所述4个Stage包括9个卷积层和4个池化层；其中，Stage1包括2个卷积层和1个池化层，每个卷积层卷积核为3*3，每个卷积层深度为64，每个卷积层步长为1*1，池化层过滤器为2*2，池化层步长为2*2；Stage2包括2个卷积层和1个池化层，每个卷积层卷积核为3*3，每个卷积层深度为128，每个卷积层步长为1*1，池化层过滤器为2*2，池化层步长为2*2；Stage3包括2个卷积层和1个池化层，每个卷积层卷积核为3*3，每个卷积层深度为256，每个卷积层步长为1*1，池化层过滤器为2*2，池化层步长为2*2；Stage4包括3个卷积层和一个池化层，每个卷积层卷积核为3*3，每个卷积层深度为512，每个卷积层步长为1*1，池化层过滤器为2*2，池化层步长为2*2。可选的，所述分类结果包括0或1；所述基于所述分类结果，获得所述目标区域的火灾检测结果的步骤包括：当所述分类结果为0时，获得所述目标区域未出现火灾的火灾检测结果；当所述分类结果为1时，获得所述目标区域出现火灾的火灾检测结果。此外为实现上述目的，本专利技术还提出了一种火灾检测装置，所述装置包括：获取模块，用于获取目标区域的目标图像和目标红外温度图像；分析模块，利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分类，以获得分类结果；获得模块，用于基于所述分类结果，获得所述目标区域的火灾检测结果。此外，为实现上述目的，本专利技术还提出了一种火灾检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于神经网络的森林火灾检测方法的程序，所述基于神经网络的森林火灾检测方法的程序配置为实现如上述任一项所述的基于神经网络的森林火灾检测方法的步骤。此外，为实现上述目的，本专利技术还提出了一种存储介质所述存储介质上存储有基于神经网络的森林火灾检测方法的程序，所述基于神经网络的森林火灾检测方法的程序被处理器执行时实现如上述任一项所述的基于神经网络的森林火灾检测方法的步骤。本专利技术公开了一种基于神经网络的森林火灾检测方法，通过获取目标区域的目标图像和目标红外温度图像；利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分类，以获得分类结果；基于所述分类结果，获得所述目标区域的火灾检测结果。由此可见，由于当目标区域出现火灾时，目标图像和目标红外温度图像均已携带火灾特征，输入训练得到的神经网络分类器中，则可输出分类结果，从而获得目标区域出现火灾的检测结果，不需等待目标区域的火灾扩大，能及时的检测到火灾初发情况，对目标区域火灾检测速度较快、及时，检测效果好。附图说明图1为本专利技术实施例方案涉及的硬件运行环境的火灾检测设备结构示意图；图2为本专利技术基于神经网络的森林火灾检测方法第一实施例的流程示意图；图3为本专利技术基于神经网络的森林火灾检测方法第二实施例的流程示意图；图4为本专利技术基于神经网络的森林火灾检测方法第三实施例的流程示意图；图5为本专利技术火灾检测装置第一实施例结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的火灾检测设备结构示意图。如图1所示，该火灾检测设备可以包括：处理器1001，例如中央处理器(CentralProcessingUnit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Di本文档来自技高网...

【技术保护点】
1.一种基于神经网络的森林火灾检测方法，其特征在于，所述方法包括以下步骤：/n获取目标区域的目标图像和目标红外温度图像；/n利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分类，以获得分类结果；/n基于所述分类结果，获得所述目标区域的火灾检测结果。/n

【技术特征摘要】
1.一种基于神经网络的森林火灾检测方法，其特征在于，所述方法包括以下步骤：
获取目标区域的目标图像和目标红外温度图像；
利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分类，以获得分类结果；
基于所述分类结果，获得所述目标区域的火灾检测结果。


2.如权利要求1所述的基于神经网络的森林火灾检测方法，其特征在于，所述利用训练得到的神经网络分类器对所述目标图像和所述目标红外温度图像进行分析的步骤之前，所述方法还包括：
获取训练样本；
利用所述训练样本进行卷积神经网络训练，获得神经网络分类器。


3.如权利要求2所述的基于神经网络的森林火灾检测方法，其特征在于，所述训练样本包括火灾区域图像、非火灾区域图像、所述火灾区域图像对应的火灾红外温度图像以及所述非火灾区域图像对应的非火灾红外温度图像；
所述利用所述训练样本进行卷积神经网络训练，获得神经网络分类器的步骤包括：
对所述火灾区域图像、所述非火灾区域图像、所述火灾红外温度图像以及所述非火灾红外温度图像的像素进行RGB数据处理，获得处理后的样本数据；
将所述处理后的样本数据输入卷积神经网络进行训练，获得神经网络分类器。


4.如权利要求1所述的基于神经网络的森林火灾检测方法，其特征在于，所述获取目标区域的目标图像和目标红外温度图像的步骤之前，所述方法还包括:
获取目标视频；
获取所述目标视频的待检测帧的运动前景区域；
判断所述待检测帧的运动前景区域中是否包括火焰颜色像素值对应的第一像素点；
若是，将运动前景区域中包括所述第一像素点的待检测帧对应的区域确定为目标区域。


5.如权利要求4所述的基于神经网络的森林火灾检测方法，其特征在于，所述若是，将运动前景区域中包括预设像素点的待检测帧对应的区域确定为目标区域的步骤包括：
若是，获取所述待检测帧的前景区域的红外温度图像；
判断所述待检测帧的前景区域的红外温度图像中是否包括超过预设温度阈值的第二像素点；
若是，将前景区域的红外温度图像中包括所述第二像素点的待检测帧对应的区域确...

【专利技术属性】
技术研发人员：徐俊生，张俊，陈洋，王东赛，
申请(专利权)人：北京华正明天信息技术股份有限公司，
类型：发明
国别省市：北京;11