一种适应多场景的火焰识别预警方法技术

本申请提供了一种适应多场景的火焰识别预警方法，所述方法包括：S1，获取多场景的火焰图像，将其输入深度学习识别模型以进行训练；S2，实时获取当前场景图像，判断所述当前场景图像对应的当前光照场景；S3，将所述当前场景图像及所述当前光照场景输入训练好的深度学习识别模型，所述深度学习识别模型基于所述当前光照场景调取不同的识别子模型对所述当前场景图像进行识别，并输出火焰识别结果；S4，基于所述火焰识别结果决定是否输出预警信息。本申请的方案基于不同光照场景下的图像来训练深度学习识别模型，这样训练出来的深度学习识别模型具有更好的泛化性，可以适应更多场景下的火焰识别。另外，本申请的方案设置了基于不同的光照场景来识别不同的场景图像，即在强光场景下输入红外图像进行火焰识别，在弱光场景下使用普通图像进行识别，进一步地提高了对不同场景的适应性。

【技术实现步骤摘要】
一种适应多场景的火焰识别预警方法
本申请涉及图像识别
，具体而言，涉及一种适应多场景的火焰识别预警方法及系统。
技术介绍
随着社会的进步，我国工业技术水平及经济水平日益提高，城市中各种大型建筑及设施结构复杂，功能趋近自动化，同时对于安全生产生活方面的需求也日益迫切，对于消防安全，防火防烟系统的可靠性及稳定性也提出了更高的需求。火灾严重损害人民的身心健康以及经济财产，是不可忽视的多发性问题，其巨大的破坏性可想而知，所以火灾的预防及监测，火焰识别具有重要的意义。传统火灾探测器有感温、感烟和感光等,只能对某个特定信息特征进行判定,受环境和空间等条件影响,识别效果不好。而随着计算机视觉和图像处理技术的逐渐成熟,产生了视频图像的火灾监测系统，相较于传统的火灾监控，其具有识别速度快，误报率低，操作方便的特点。基于图像的火焰识别，又分为传统的识别方法与基于深度学习的识别方法。传统的识别方法步骤繁琐，自适应能力差，且依据颜色的判断及一般处理难以区分火焰及类火焰，准确率低。综上可见，现有技术对火焰识别还存在上述的许多不足之处，难以获得可靠的火焰识别结果，也就无法实现对火灾的及时预警。
技术实现思路
为了解决上述
技术介绍
中存在的技术问题，本申请提供了一种适应多场景的火焰识别预警方法及系统。本申请的第一方面提供了一种适应多场景的火焰识别预警方法，所述方法包括：S1，获取多场景的火焰图像，将其输入深度学习识别模型以进行训练；S2，实时获取当前场景图像，判断所述当前场景图像对应的当前光照场景；S3，基于所述当前光照场景将所述当前场景图像输入训练好的深度学习识别模型，所述深度学习识别模型对所述当前场景图像进行识别，并输出火焰识别结果；S4，基于所述火焰识别结果决定是否输出预警信息。可选地，所述光照场景包括强光场景、弱光场景。可选地，所述判断所述当前场景图像对应的当前光照场景，包括：提取出所述当前场景图像中的静态区域，将所述当前场景图像中的所述静态区域二值化，对二值化后的静态区域图像按方位进行切分，分别识别其中的光线强度，将切分后的各静态区域图像的光线强度进行加权求和，若所述和值大于第一阈值，则判定所述当前场景图像为强光场景，否则为弱光场景；其中，权重基于所述当前场景的属性来预先设定。可选地，所述当前场景图像包括普通图像和红外图像；则，基于所述当前光照场景将所述当前场景图像输入训练好的深度学习识别模型，包括：若所述当前光照场景为强光场景，则将所述当前场景图像中的红外图像输入训练好的深度学习识别模型；若所述当前光照场景为弱光场景，则将所述当前场景图像中的普通图像输入训练好的深度学习识别模型。可选地，所述深度学习识别模型对所述当前场景图像进行火焰识别，包括：基于波动特性、运动特性及闪烁特性对所述当前场景图像中的各连通区域进行火焰识别。可选地，所述基于波动特性、运动特性及闪烁特性对所述当前场景图像中的各连通区域进行火焰识别，具体包括：1)采用如下方法计算各连通区域的波动特性：式中，fluc为波动特性值，xi表示各连通域的第i个垂向阶梯取值，即将各连通区域的轮廓直方图转化之后的各阶梯高度值；为i个垂向阶梯高度值的均值；a、b、c为预先设定的幂值；若所述波动特性值fluc大于第二阈值，则判定该连通区域满足波动特性条件。2)采用如下方法计算各连通区域的运动特性：通过若干帧所述场景图像计算各所述连通区域的横向运动幅度，若所述横向运动幅度大于第三阈值，则判定具有运动特性，该连通区域满足运动特性条件。3)采用如下方法计算各连通区域的闪烁特性：式中，flas为闪烁特性值，m为各连通域的状态变化累计值，t(i)-t(i-1)为每次状态变化的时间间隔值；若所述闪烁特性值flas大于第四阈值，则判定该连通区域满足闪烁特性条件。4)采用如下公式计算火焰识别值：firetrue＝αF1-βM+γF2式中，fire_true为火焰识别值，F1为波动特性归一化值，其与所述波动特性值fluc大于第二阈值的程度正相关；M为运动特性归一化值，其与所述横向运动幅度大于第三阈值的程度正相关；F2为闪烁特性归一化值，其与所述闪烁特性值flas大于第四阈值的程度正相关；α、β、γ分别为F1、M、F2的预设权重，但是，若F1＞θ1F2＞θ2，则调整β＝β′，且β′＜β，其中，θ1、θ2为预设阈值。若所述火焰识别值fire_true大于第五阈值，则判定该连通区域为火焰。可选地，步骤S1中，在所述将其输入深度学习识别模型以进行训练之前，还包括：对所述多场景的火焰图像中的火焰进行人工标注。本申请的第二方面提供了一种适应多场景的火焰识别预警系统，所述系统包括获取模块、深度学习识别模型及预警模块：所述获取模块，用于获取多场景的火焰图像，将其输入深度学习识别模型以进行训练；还用于实时获取当前场景图像，判断所述当前场景图像对应的当前光照场景，基于所述当前光照场景将所述当前场景图像输入训练好的深度学习识别模型；所述深度学习识别模型，用于基于所述多场景的火焰图像进行训练，以及，对所述当前场景图像进行识别，并输出火焰识别结果；所述预警模块，用于基于所述火焰识别结果决定是否输出预警信息。本申请的第三方面还提供了一种电子设备，所述设备包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前所述方法的步骤。本申请的第四方面还提供了一种计算机存储介质，该计算机存储介质设置于服务器，所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如前所述方法的步骤。本申请的有益效果在于：本申请的方案基于不同光照场景下的图像来训练深度学习识别模型，这样训练出来的深度学习识别模型具有更好的泛化性，可以适应更多场景下的火焰识别。另外，本申请的方案设置了基于不同的光照场景来识别不同的场景图像，即在强光场景下输入红外图像进行火焰识别，在弱光场景下使用普通图像进行识别，进一步地提高了对不同场景的适应性。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1是本申请实施例公开的一种适应多场景的火焰识别预警方法的流程示意图；图2是本申请实施例公开的一种适应多场景的火焰识别预警系统的结构示意图；图3是本申请实施例公开的一种电子设备的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚本文档来自技高网...

【技术保护点】
1.一种适应多场景的火焰识别预警方法，其特征在于：所述方法包括：/nS1，获取多场景的火焰图像，将其输入深度学习识别模型以进行训练；/nS2，实时获取当前场景图像，判断所述当前场景图像对应的当前光照场景；/nS3，基于所述当前光照场景将所述当前场景图像输入训练好的深度学习识别模型，所述深度学习识别模型对所述当前场景图像进行识别，并输出火焰识别结果；/nS4，基于所述火焰识别结果决定是否输出预警信息。/n

【技术特征摘要】
1.一种适应多场景的火焰识别预警方法，其特征在于：所述方法包括：
S1，获取多场景的火焰图像，将其输入深度学习识别模型以进行训练；
S2，实时获取当前场景图像，判断所述当前场景图像对应的当前光照场景；
S3，基于所述当前光照场景将所述当前场景图像输入训练好的深度学习识别模型，所述深度学习识别模型对所述当前场景图像进行识别，并输出火焰识别结果；
S4，基于所述火焰识别结果决定是否输出预警信息。


2.根据权利要求1所述的方法，其特征在于：所述光照场景包括强光场景、弱光场景。


3.根据权利要求2所述的方法，其特征在于：所述判断所述当前场景图像对应的当前光照场景，包括：
提取出所述当前场景图像中的静态区域，将所述当前场景图像中的所述静态区域二值化，对二值化后的静态区域图像按方位进行切分，分别识别其中的光线强度，将切分后的各静态区域图像的光线强度进行加权求和，若所述和值大于第一阈值，则判定所述当前场景图像为强光场景，否则为弱光场景；其中，权重基于所述当前场景的属性来预先设定。


4.根据权利要求3所述的方法，其特征在于：所述当前场景图像包括普通图像和红外图像；
则，基于所述当前光照场景将所述当前场景图像输入训练好的深度学习识别模型，包括：
若所述当前光照场景为强光场景，则将所述当前场景图像中的红外图像输入训练好的深度学习识别模型；若所述当前光照场景为弱光场景，则将所述当前场景图像中的普通图像输入训练好的深度学习识别模型。


5.根据权利要求4所述的方法，其特征在于：所述深度学习识别模型对所述当前场景图像进行火焰识别，包括：
基于波动特性、运动特性及闪烁特性对所述当前场景图像中的各连通区域进行火焰识别。


6.根据权利要求5所述的方法，其特征在于：所述基于波动特性、运动特性及闪烁特性对所述当前场景图像中的各连通区域进行火焰识别，具体包括：
1)采用如下方法计算各连通区域的波动特性：



式中，fluc为波动特性值，xi表示各连通域的第i个垂向阶梯取值，即将各连通区域的轮廓直方图转化之后的各阶梯高度值；为i个垂向阶梯高度值的均值；a、b、c为预先设定的幂值；
若所述波动特性值fluc大于第二阈值，则判定该连通区域满足波动特性条件；
2)采用如下方法计算各连通区域的运动特性：
通...

【专利技术属性】
技术研发人员：丁武，林琳，李林，陈学志，于洋，
申请(专利权)人：辽宁华盾安全技术有限责任公司，
类型：发明
国别省市：辽宁;21