【技术实现步骤摘要】
一种基于三维卷积神经网络的山火检测方法
本专利技术属于深度学习
，具体涉及一种基于三维卷积神经网络的山火检测方法。
技术介绍
森林是维持地球生态平衡的关键。森林火灾和山火不仅造成巨大的经济损失，对生态环境也有严重的破坏。人们曾采用瞭望塔上目视的方式，发现火情和发出报警信息。这种方式不仅成本高昂、效率低下，也容易受人为疏忽的影响。因此，设计一套具有一定自主决策能力的无人化智能山火检测技术，对于维护生态环境正常运转和保持国泰民安至关重要。为了实现山火的远距离探测，出现了的利用遥感卫星来检测大面积山火的技术。不幸的是，遥感图像的空间分辨率受限于时间分辨率和遥感距离，易受气象条件的影响，同时这类方法无法做到针对关注区域的实时监控，也无法检测早期小面积山火。而地基山火检测技术弥补了天基检测技术的不足，利用可见光或红外摄像机采集图像，通过图像处理或计算机视觉技术检测山火。这类方法早期依赖特征工程技术，提取图像的颜色、纹理、形态等空间特征，或者通过频谱分析提取图像的频谱特征。通过监督学习训练分类器，结合图像金字塔和滑动窗口技...
【技术保护点】
1.一种基于三维卷积神经网络的山火检测方法，其特征在于，包括以下步骤：/nS1、构建训练数据集：获取多个相同区域发生山火与未发生山火的视频，其中未发生山火的视频数量大于等于发生山火的视频数量，并分别用标签1和0标注；将所有视频裁剪为长度2秒的视频片段，对发生山火的视频，对视频片段中第一帧中山火区域的坐标进行标注获得训练数据集；/nS2、采用10个三维卷积层、5个池化层和Loss层构建三维卷积神经网络：将三维卷积层定义为Convn，池化层定义为Pooln，n是指层数，依次为：Conv1、Pool1、Conv2、Pool2、Conv3、Conv4、Pool3、Conv5、Con...
【技术特征摘要】
1.一种基于三维卷积神经网络的山火检测方法，其特征在于，包括以下步骤：
S1、构建训练数据集：获取多个相同区域发生山火与未发生山火的视频，其中未发生山火的视频数量大于等于发生山火的视频数量，并分别用标签1和0标注；将所有视频裁剪为长度2秒的视频片段，对发生山火的视频，对视频片段中第一帧中山火区域的坐标进行标注获得训练数据集；
S2、采用10个三维卷积层、5个池化层和Loss层构建三维卷积神经网络：将三维卷积层定义为Convn，池化层定义为Pooln，n是指层数，依次为：Conv1、Pool1、Conv2、Pool2、Conv3、Conv4、Pool3、Conv5、Conv6、Pool4、Conv7、Conv8、Pool5、Conv9、Conv10、Softmax层，其中，Conv1-Conv8的卷积核大小均为3x3x3，步长为[1,1,1]，所有池化层的池化核大小为2x2x2，Pool1的步长为[1,2,2]，Pool2-Pool5的步长为[2,2,2]，Conv9的卷积核大小为1x3x3，步长为[1,1,1]，Conv10的卷积核大小为1x1x1，步长为[1,1...
【专利技术属性】
技术研发人员：曾志伟，
申请(专利权)人：成都思晗科技股份有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。