基于对抗生成的烟火检测模型、及其生成方法和可读介质技术

本发明专利技术涉及火灾监测技术领域，具体涉及一种基于对抗生成的烟火检测模型、及其生成方法和可读介质，所述方法采用生成对抗的方法生成烟火检测模型，利用检测器和生成器进行博弈游戏，其中生成器生成假的数据，总是想意图欺骗检测器；检测器竭力分辨输入数据的真假，阻止生成器的欺骗，不但分辨数据来源，需要抽取数据中多种精细特征以辨别不同来源数据间的区别，有助于检测数据中是否包含烟火，因此能提高烟火检测的灵敏度和准确性，本发明专利技术还设计了生成视频数据的方法，生成的数据可训练检测烟火的网络模型，提高网络的分辨能力；检测器最后用于真实场景中的烟火检测以预警火灾，具有很强的市场应用前景。

【技术实现步骤摘要】
基于对抗生成的烟火检测模型、及其生成方法和可读介质
本专利技术涉及火灾监测
，具体涉及一种基于对抗生成的烟火检测模型、及其生成方法和可读介质。
技术介绍
目前基于深度学习的烟雾检测，大致有以下两类方法：(1)基于卷积神经网络抽取静态特征的方法，能够避免传统方法中对人工特征的依赖，能够自动地获取传统技术难以获取的高层特征，能够达到比较高的识别率；(2)基于循环神经网络或者3D卷积神经网络抽取动态特征的方法，能够抽火灾从阴燃到爆发过程中的发展变化，能够排除静止的近似烟雾，能够达到比较高的准确率。也有结合这两种方法，采用卷积神经网络抽取每帧的静态特征，然后采用循环神经网络抽取连续帧的动态特征，以达到更高的准确率。这些方法有以下缺陷：(1)缺少烟火从无到有从小到大全过程数据；(2)检测烟火的准确性和敏感度不够，火灾预警的时间提前量还有提升空间。
技术实现思路
针对现有技术的不足，本专利技术公开了一种基于对抗生成的烟火检测模型、及其生成方法和可读介质，用于解决现有技术中缺少烟火从无到有从小到大全过程数据，检测烟火的准确性和敏感度本文档来自技高网...

【技术保护点】
1.一种基于对抗生成的烟火检测模型的生成方法，其特征在于，所述方法采用生成对抗的方法生成烟火检测模型，利用检测器和生成器进行博弈游戏，其中生成器生成假的数据，总是想意图欺骗检测器；检测器竭力分辨输入数据的真假，阻止生成器的欺骗。/n

【技术特征摘要】
1.一种基于对抗生成的烟火检测模型的生成方法，其特征在于，所述方法采用生成对抗的方法生成烟火检测模型，利用检测器和生成器进行博弈游戏，其中生成器生成假的数据，总是想意图欺骗检测器；检测器竭力分辨输入数据的真假，阻止生成器的欺骗。


2.根据权利要求1所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，对于真实数据x～pdata(X)，检测器最大化logD(x)；对于生成数据z～pz(Z)，检测器最小化log{D[G(x)]},也就是最大化训练的过程优化如下式，获取能高精度分辨输入数据的模型参数：



式中D是检测器Discriminator，G是生成器Generator。


3.根据权利要求1所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述检测器从随机隐变量空间中采样若干随机数生成烟、火前景、遮罩和背景的时间序列，采用3Ddeconvolution，能够同时提取时序和空间的信息。


4.根据权利要求1所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述生成器生成的背景包括静态背景和天气、光照及混乱干扰，生成器生成的烟、火前景用SimuliaXFlow生成烟、火时间序列替代，背景采用真实的背景时间序列替代；
所述生成器生成背景变化、动态烟火和遮罩，其中背景变化和静态背景结合得到包含季节、天气、光影、明暗及干扰噪声动态变化的背景；
所述静态背景取自真实场景，所述动态烟火由生成器和高度逼真的模拟器SimuliaXFlow生成，得到高度逼真的生成视频数据；
所述生成器生成的多路数据，按折反射模型合成得到高度逼真的生成视频数据。


5.根据权利要求4所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述检测器采用三阶段的模型，在第一阶段，检测块中的烟雾特征；在第二阶段，采用循环神经网络抽取动态的时间特征；第三阶段，采用循环神经网络综合多个像素块的运动，判断场景中是否发生了烟雾。


6.根据权利要求3-5任一项所述的基于对抗生成...

【专利技术属性】
技术研发人员：罗胜，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江;33