【技术实现步骤摘要】
一种基于视觉的烟雾火情的检测方法及系统
[0001]本专利技术涉及消防
，尤其涉及一种基于视觉的烟雾火情的检测方法及系统。
技术介绍
[0002]随着社会的不断发展，在社会财富日益增多的同时，导致发生烟雾火情的危险性也在增多，近年来，烟雾火情发生在小区建筑、交通工具、工业生产、森林等方面也愈加频繁，给人们造成巨大的生命财产损失，因此如何及时检测到烟雾火情并发出报警就成为研究的重点。
[0003]早期的烟雾火情探测主要依据烟雾、温度和亮光等方法进行判断，其不利于烟雾火情的及早发现，也无法适用于大空间和室外等环境；近年来，基于图像的火情检测也在不断发展，传统的烟雾火情检测方法是利用图像的机器学习方法，其基于数据先验与统计学，因此其算法的鲁棒性不佳。
[0004]中国专利号201810212672.7公开了一种基于机器学习监测视频图像烟雾的火情预警方法，其特征是，包括如下步骤：步骤1)收集并标记各种烟雾场景的图片数据集，其中非火情预警烟雾场景归为A类，火情预警烟雾场景归为B类；步骤2)上下文目标检测层非火灾预...
【技术保护点】
【技术特征摘要】
1.一种基于视觉的烟雾火情的检测方法，其特征在于，包括以下步骤：获取图像步骤：采集并从图像中提取烟雾火情图像和负样本；图像预处理步骤：将获取的烟雾火情图像和负样本进行预处理，使之成为训练数据；模型训练步骤：将训练数据输入给内卷残差深度神经网络，以设置网络参数进行若干次训练，并保存训练好的检测模型；火情识别步骤：采集图像并转换到模型输入格式，再输入给训练好的检测模型，判断监控区域内是否发生烟雾火情。2.如权利要求1所述的基于视觉的烟雾火情的检测方法，其特征在于，在所述图像预处理步骤中，图像预处理的方法为：划分训练集和测试集子步骤：将烟雾火情数据和负样本以预定的比例划分为训练集和测试集；图像处理子步骤：随机对图像进行增强处理，并添加雨或雾到图像中；生成训练数据子步骤：将烟雾火情图片与负样本数据进行混合、仿射变换，将图像转换为模型输入大小，生成训练数据。3.如权利要求1所述的基于视觉的烟雾火情的检测方法，其特征在于，所述模型训练步骤包括：获取低层语义特征图子步骤：将输入的训练数据进行切片、重组合成训练特征图，再进行内卷操作、批归一化处理和对Mish激活函数进行激活，再进行多尺度最大池化，提取得到低层语义特征图；获取模型特征层子步骤：将低层语义特征图进行多个方向的上采样、多尺度特征提取融合高层语义特征，再通过1x1卷积将降维得到检测模型的输出的特征层，作为原输入图像感受野对应的一系列预测框的分类置信度、位置信息和置信度。4.如权利要求3所述的基于视觉的烟雾火情的检测方法，其特征在于，在所述获取模型特征层子步骤中，采用非极大值抑制对预测框集合进行后处理，获得烟雾火情检测结果，具体处理为：通过距离交并比获得重叠区域和两个box的中心距离，然后通过距离交并比IoU和两个box的中心点之间的距离来删除预测框B
i
。5.如权利要求4所述的基于视觉的烟雾火情的检测方法，其特征在于，在所述获取模型特征层子步骤中，设定置信度最高的预测框为M，非极大值抑制的置信度s
i
更新公式为：其中，s
i
是分类置信度，Iou是预测框M、B
i
的交并比，ε是NMS阈值，p是M、B
i
两个框的中心点之间的距离，c是包含两个框的最小框的对角线长度。6.如权利要求3所述的基于视觉的烟雾火情的检测方法，其特征在于，在所述获取低层语义特征图子步骤中，内卷操作过程为：先以单个像素X
i,j
为条件产生内卷核H
i,j
公式，H
i,j
＝φ(X
i,j
)＝W1σ(W0X
i,j
)；其中，W0，W1代表两个线性变换，σ表示批处理归一化后的对于两个线性变换的非线性激活函数，然后把核与对应的位置相乘，再进行加运算，代替原来该像素的位置，内卷运算公
式表示为：其中，X为输入特征，c为输入通道，k为卷积核的大小，Δk为考虑对中心像素进行卷积的邻域偏移量集合，G计算每个组共享相同的内卷核的组数。7.如权利要求2所述的基于视觉的烟雾火情的检测方法，其特征在于，在所述图像处理子步骤中，图像进行增强处理的方式包括：图像缩放、翻转和旋转、仿射变换、调整图像的明暗度中的一种或多种。8.如权利要求2所述的基于视觉的烟雾火情的检测方法，其特征在于，在所述划分训练集和测试集子步骤中，烟雾火情数据和负样本以9:1比例划分为训练集和测试集。9.一种基于视觉的烟雾火情的检测系统，其特征在于，包括：获取图像模块：采集并从图像中提取烟雾火情图...
【专利技术属性】
技术研发人员：龚小龙，朱光强，欧阳一村，陈芳明，王和平，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：
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。