火焰目标检测方法、电子设备、存储介质技术

本发明专利技术公开了一种火焰目标检测方法、电子设备、存储介质，方法包括以下步骤：S1、获得图像；S2、采用深度学习卷积神经网络进行火焰检测模型的训练，得到检测模型yolo

【技术实现步骤摘要】
火焰目标检测方法、电子设备、存储介质


[0001]本专利技术属于计算机图像处理
，具体涉及一种火焰目标检测方法、电子设备、存储介质。

技术介绍

[0002]在现实生活中，火灾给我们的人身安全，财产安全带来巨大的威胁，如果火灾不及时控制，甚至会引起社会不安，所以火灾检测是安防监控领域的一个重要方向。
[0003]现有的火焰检测方法主要可以分为两大类：
[0004](1)机器视觉技术还没大规模应用的时，火灾检测通常是通过安装相应的传感器装置，利用传感器来监测火灾产生的烟雾，高温，亮光等特征，从而实现火灾的检测，但是由于设备高度的限制，覆盖范围等因素，导致检测范围的局限性，如果想多场景覆盖，设备上的增加，必然带来成本上的压力。
[0005](2)随着现在机器视觉技术的发展，利用机器视觉来实现火灾的检测成为一种可能，而且也有一些现有的技术方案：在传统视觉技术方面，有利用火焰特征来进行监测的。例如利用采用RGB颜色来分析分析火焰，将采集的火焰图片分别提取RGB通道，利用火焰的RGB分布特征来设定相应的阈值，从而达到检测的作用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火焰目标检测方法，其特征在于，包括以下步骤：S1、高清摄像头获得图像；S2、采用深度学习卷积神经网络进行火焰检测模型的训练，得到检测模型yolo
‑
v5；S3、通过所述检测模型yolo
‑
v5对每一帧所述图像进行检测，得到初步的检测结果；S4、通过基于火焰图像特征的过滤模块对所述初步的检测结果进行过滤；S5、对符合判断条件的判断检测目标为火焰，否则判断为误判。2.根据权利要求1所述的方法，其特征在于，步骤S1中，采用摄像头实时拍摄，获得所述图像。3.根据权利要求1所述的方法，其特征在于，步骤S3中，通过所述检测模型yolo
‑
v5检测得到火焰在输入的所述图像的坐标值。4.根据权利要求3所述的方法，其特征在于，所述坐标值为火焰目标的四个坐标值，所述四个坐标值分别为所述火焰目标的中心点坐标x、中心点坐标y、目标框的长度和目标框的宽度。5.根据权利要求1所述的方法，其特征在于，步骤S2包括：S21、收集整理火焰样本图像，构建训练、测试样本集合，标注目标检测样本；S22、通过步骤S21标注的训练集合，使用yolo
‑
v5网络进行训练，形成检测初始...

【专利技术属性】
技术研发人员：曾一凡，宿凯，何沛开，刘彪，柏林，舒海燕，沈创芸，祝涛剑，雷宜辉，王恒华，
申请(专利权)人：广州高新兴机器人有限公司，
类型：发明
国别省市：