应用于校园智慧平台的火灾检测方法、装置及计算机设备制造方法及图纸

本申请涉及一种应用于校园智慧平台的火灾检测方法、装置及计算机设备。所述方法包括：通过先利用已训练的深度学习模型对待检测的实时场景图像进行预测，得到图像中的火灾预测区域，并得到该区域为烟雾类别还是火苗类别，再根据火灾场景的图像进行背景建模以得到火灾的动态变化区域，通过计算火灾预测区域以及动态变化区域的IOU值，最终确定火灾场景中是否出现火苗或者烟雾，并且检测人员可以通过最终的判断结果以及烟雾类别或者火苗类别对火灾场景中火灾大小，程度进行了解，有助于做出相应的措施。采用本方法能够有效的提高了检测的准确率。的准确率。的准确率。

【技术实现步骤摘要】
应用于校园智慧平台的火灾检测方法、装置及计算机设备


[0001]本申请涉及图像识别检测
，特别是涉及一种应用于校园智慧平台的火灾检测方法、装置及计算机设备。

技术介绍

[0002]随着互联网和人工智能的深入应用，校园工作、学习和生活逐渐走向智能化一体化，智慧校园以各种应用服务系统为载体，将教学、科研、管理和校园生活进行充分融合。
[0003]使用人工智能技术在智慧校园中检测火苗和烟雾，当火灾出现时能够及时预警，降低人员伤亡和财产损失。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高检测准确率的应用于校园智慧平台的火灾检测方法、装置、计算机设备和存储介质。
[0005]一种应用于校园智慧平台的火灾检测方法，所述方法包括：
[0006]获取待检测火灾场景的图像数据，所述图像数据包括以时间为顺序排列的多帧实时场景图像；
[0007]将所述图像数据输入至已训练的深度学习模型，得到所述图像数据中的火灾预测区域，并得到所述火灾预测区域的分类，所述分类包括火苗类别或烟雾类别；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.应用于校园智慧平台的火灾检测方法，其特征在于，所述方法包括：获取待检测的疑似火灾场景的图像数据，所述图像数据包括以时间为顺序排列的多帧实时场景图像；将所述图像数据输入至已训练的深度学习模型，得到所述图像数据中的火灾预测区域，并得到所述火灾预测区域的分类，所述分类包括火苗类别或烟雾类别；根据待检测的图像数据进行背景建模以定位图像数据中火灾的动态变化区域；根据所述动态变化区域以及火灾预测区域进行IOU值计算，若IOU值大于预设值则判断所述疑似火灾场景中出火苗或者烟雾，以进行火灾预警。2.根据权利要求1所述的火灾检测方法，其特征在于，所述火苗类别细分为小火苗、大火，所述烟雾类别细分为白烟、黑烟、灰烟。3.根据权利要求1所述的火灾检测方法，其特征在于，根据待检测的图像数据进行背景建模以定位图像数据中火灾的动态变化区域时采用高斯方法进行背景建模。4.根据权利要求3所述的火灾检测方法，其特征在于，所述根据待检测的图像数据进行背景建模以定位图像数据中火灾的动态变化区域包括：根据3个不同均值和方差参数的高斯模型组成混合高斯模型；根据连续两帧实时场景图像中的前一帧实时场景图像中的各像素点的颜色特征对所述混合高斯模型进行更新，得到更新混合高斯模型；根据连续两帧实时场景图像中的后一帧实时场景图像中的各像素点的颜色特征与所述更新混合高斯模型进行匹配，若匹配成功则说明进行匹配的像素点为背景点，若匹配不成功则说明进行匹配的像素点为火苗或烟雾的动态变化点；根据各匹配不成功的像素点定位所述动态变化区域。5.根据权利要求1所述的火灾检测方法，其特征在于，所述预设值为0.5。6.根据权...

【专利技术属性】
技术研发人员：张军毅，谢昌颐，
申请(专利权)人：深圳市华金盾信息科技有限公司，
类型：发明
国别省市：