基于胶囊网络的火焰目标识别方法、设备及介质技术

本公开实施例中提供了一种基于胶囊网络的火焰目标识别方法、设备及介质，属于图像处理技术领域，具体包括：利用样本数据集进行二阶训练得到目标胶囊网络；将待检测图像输入多个卷积层，提取包含空间特征的特征图集合；将特征图集合输入胶囊转换层，得到包含特征向量的初级胶囊；得到高级胶囊；判断高级胶囊中的向量模长是否大于或等于阈值；若是，则判定待检测图像中存在火焰目标；若否，则判定待检测图像中不存在火焰目标。通过本公开的方案，二阶训练得到目标胶囊网络，对于输入目标胶囊网络的待检测图像，利用多层胶囊网络前向计算的联合动态路由算法计算向量模长，以预测火焰目标是否存在，提高了识别的适应性、识别速度和识别精准度。识别精准度。识别精准度。

【技术实现步骤摘要】
基于胶囊网络的火焰目标识别方法、设备及介质


[0001]本公开实施例涉及图像处理
，尤其涉及一种基于胶囊网络的火焰目标识别方法、设备及介质。

技术介绍

[0002]目前，基于图像的火焰目标识别方法是智能安防，森林防火的重要组成部分，也是目前计算机视觉领域的主流方法。基于图像的火焰目标识别方法主要有两大类方法，一种是基于传统图像处理的识别方法，一种是基于深度学习的识别方法。
[0003]基于传统图像处理的火焰识别，主要是人工提取的火焰特征和分类器模型相结合的方法。例如面积大小，纹理特征+贝叶斯分类器，YCrCb特征+K
‑
means聚类等。该类方法的特征由人为选择提取，主观性强，抗干扰性，适应性较弱，缺乏泛化能力。
[0004]基于深度学习的火焰识别主要是指利用卷积神经网络(Convolutional Neural Network,简称CNN)直接从图像中提取人难以从直观上理解的深度抽象特征，其表征能力强，对火焰目标的识别分类效果好，但CNN的平移不变性破坏了目标的空间特征，从而降低了对识别目标的整体特性表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于胶囊网络的火焰目标识别方法，其特征在于，包括：利用样本数据集进行二阶训练得到目标胶囊网络，其中，所述样本数据集包括多张含火焰目标的图像和多种不含火焰目标的图像，所述目标胶囊网络包括多个卷积层和胶囊转换层；将待检测图像输入所述多个卷积层，提取包含空间特征的特征图集合；将所述特征图集合输入所述胶囊转换层，得到包含特征向量的初级胶囊；根据联合动态路由算法对所述初级胶囊进行前向计算，得到高级胶囊；判断所述高级胶囊中的向量模长是否大于或等于阈值；若所述高级胶囊中的向量模长大于或等于所述阈值，则判定所述待检测图像中存在火焰目标；若所述高级胶囊中的向量模长小于所述阈值，则判定所述待检测图像中不存在火焰目标。2.根据权利要求1所述的方法，其特征在于，所述利用样本数据集进行二阶训练得到目标胶囊网络的步骤，包括：根据所述样本数据集和平方差损失函数对所述初始胶囊网络进行训练，得到输出向量；在所述初始胶囊网络末端连接一个全连接层，并将所述输出向量训练所述全连接层，得到复合损失函数以形成所述目标胶囊网络。3.根据权利要求1所述的方法，其特征在于，所述将待检测图像输入所述多个卷积层，提取包含空间特征的特征图集合的步骤，包括：将所述待检测图像进行预处理操作，得到与所述目标胶囊网络的输入端规格一致的目标图像，其中，所述预处理操作包括拉伸操作或缩放操作中至少一种；将所述目标图像输入所述多个卷积层进行卷积运算，得到所述特征图集合。4.根据权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：岑丽辉，吴玉明，陈晓方，谢永芳，唐朝晖，
申请(专利权)人：中南大学，
类型：发明
国别省市：