一种基于神经网络的火源监控方法及系统技术方案

本发明专利技术公开了一种基于神经网络的火源监控方法及系统，所述方法包括：调用设置在监控区域的摄像头实时采集监控影像；控制预设的YOLO神经网络从所述监控影像提取包含火源影像的特征向量，以及所述特征向量对应的置信度；利用所述特征向量和所述置信度计算火源使用行为的行为概率值；根据所述行为概率值确定使用火源的行为类型，并基于所述行为类型触发报警操作。本发明专利技术不但可以识别准确率高，以降低误触发的概率，而且可以及时提醒用户进行救援操作，降低财产损失的几率，并可以避免因使用不当而引发灾害的情况。用不当而引发灾害的情况。用不当而引发灾害的情况。

【技术实现步骤摘要】
一种基于神经网络的火源监控方法及系统


[0001]本专利技术涉及火源监控的
，尤其涉及一种基于神经网络的火源监控方法及系统。

技术介绍

[0002]火是影响全球生态系统的重要因素之一，火的正面影响可以维持各种的生态系统以及刺激其成长，例如，人类用火来烹调、生热、产生讯号、照明及推进等；但火也有其负面影响，包括森林火灾、与化合物燃烧爆炸火灾在燃烧过程中造成的空气污染及对生命财产的危害。因此，为了最大程度地保护生命安全，降低财产损失，以及避免因使用不当而引发灾害的情况，监控火源是必不可少的工作。
[0003]目前常见的火源监控方法是对监控区域进行热量检测，当检测的热量值超过预设值时，确定该热量值的区域为火源位置，并确定火源位置后触发相应的报警操作。
[0004]但目前常用的监控方法有如下技术问题：在不同的场景里，用户可能在可控的范围下使用火源(例如，抽烟或者明火煮饭等)，若仅以热量值进行火源监控，容易造成误触发，不但影响用户的正常生活应用，也浪费报警资源。

技术实现思路

[0005]本专利技术提出一种基于神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的火源监控方法，其特征在于，所述方法包括：调用设置在监控区域的摄像头实时采集监控影像；控制预设的YOLO神经网络从所述监控影像提取包含火源影像的特征向量，以及所述特征向量对应的置信度；利用所述特征向量和所述置信度计算火源使用行为的行为概率值；根据所述行为概率值确定使用火源的行为类型，并基于所述行为类型触发报警操作。2.根据权利要求1所述的基于神经网络的火源监控方法，其特征在于，所述控制预设的YOLO神经网络从所述监控影像提取包含火源影像的特征向量，以及所述特征向量对应的置信度，包括：调用预设的YOLO神经网络将所述监控影像所包含每一帧图像划分成多个网格；通过预设边界框从所述多个网格中筛选包含火源的网格；按照预设边界框的边框参数提取每个所述包含火源的网格的特征参数，并将所述特征参数转换成特征向量，其中，所述特征向量包括边框参数和边框位置坐标；采用所述边框参数和所述边框位置坐标计算预设边界框与真实标签框之间联合叠加的交集框；将所述交集框与所述预设边界框相乘得到置信度，其中，置信度的定义如下式所示：P
r
(Object)为预设边界框(predict box)，为预设边界框与真实标签框之间联合部分的交集框。3.根据权利要求2所述的基于神经网络的火源监控方法，其特征在于，所述特征向量还包括：所述包含火源的网格的图像特征值；所述利用所述特征向量和所述置信度计算用户的行为概率值，包括：对所述图像特征值进行归一化处理得到条件类别概率值；将所述条件类别概率值与所述置信度相乘得到行为概率值，其中，所述行为概率值可以如下式所示：以如下式所示：为行为概率值，P
r
(Class|Object)为条件类别概率值，为置信度。4.根据权利要求1所述的基于神经网络的火源监控方法，其特征在于，所述根据所述行为概率值确定使用火源的行为类型，包括：当所述行为概率值大于预设概率值，则确定使用火源的行为类型为危险类型；当所述行为概率值小于预设概率值，则确定使用火源的行为类型为安全类型。5.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：王亮，章炫锐，苏燮阳，张志勇，王鲁平，江伟弘，丘昌镇，李春泽，李登翔，
申请(专利权)人：深圳市安比科技有限公司深圳市正阳升智能科技有限公司，
类型：发明
国别省市：