一种提高火焰图像识别精度的方法及终端技术

本发明专利技术提供了一种提高火焰图像识别精度的方法及终端，获取预设图集，从所述预设图集的每一预设图像中分割出识别目标；提取所述识别目标的图像特征，将所述图像特征映射到颜色空间中，得到目标色块；拼接所述目标色块与所述预设图像，得到更新图像；根据所述更新图像训练预设神经网络；本发明专利技术将图像特征映射到颜色空间中得到目标色块，将目标色块和原始的预设图像拼接得到更新图像，使用更新图像训练预设神经网络，在不破坏预设图像结构的前提下增加了预设图像中特征的可解释性，提高了最终训练完成的神经网络进行分类的精度。练完成的神经网络进行分类的精度。练完成的神经网络进行分类的精度。

A method and terminal for improving the accuracy of flame image recognition

【技术实现步骤摘要】
一种提高火焰图像识别精度的方法及终端


[0001]本专利技术涉及图像识别处理领域，尤其涉及一种提高火焰图像识别精度的方法及终端。

技术介绍

[0002]TSN(Temporal Segment Networks，深度行为识别网络)是视频分类的经典模型，但其通过对光流和RGB Diff(离差)的时序变化学习，有以下缺点：1、并未指定兴趣区域，背景的时序变化会影响学习的精度；2、并未加入前处理，可能无法学习到一些专家经验认为合适的特征变化。

技术实现思路

[0003]本专利技术所要解决的技术问题是：提供一种提高火焰图像识别精度的方法及终端，实现精度更高的图像识别。
[0004]为了解决上述技术问题，本专利技术采用的一种技术方案为：
[0005]一种提高火焰图像识别精度的方法，包括步骤：
[0006]获取预设图集，从所述预设图集的每一预设图像中分割出识别目标；
[0007]提取所述识别目标的图像特征，将所述图像特征映射到颜色空间中，得到目标色块；
[0008]拼接所述目标色块与所述预设图像，得到更新图像；
[0009]根据所述更新图像训练预设神经网络。
[0010]为了解决上述技术问题，本专利技术采用的另一种技术方案为：
[0011]一种提高火焰图像识别精度的终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0012]获取预设图集，从所述预设图集的每一预设图像中分割出识别目标；
[0013]提取所述识别目标的图像特征，将所述图像特征映射到颜色空间中，得到目标色块；
[0014]拼接所述目标色块与所述预设图像，得到更新图像；
[0015]根据所述更新图像训练预设神经网络。
[0016]本专利技术的有益效果在于：先在图像中分割出所关心的的识别目标，获取识别目标的图像特征，将图像特征映射到颜色空间中得到目标色块，将目标色块和原始的预设图像拼接得到更新图像，使用更新图像训练预设神经网络，在不破坏预设图像结构的前提下增加了预设图像中特征的可解释性，提高了最终训练完成的神经网络进行分类的精度。
附图说明
[0017]图1为本专利技术实施例的一种提高火焰图像识别精度的方法的步骤流程图；
[0018]图2为本专利技术实施例的一种提高火焰图像识别精度的终端的结构示意图；
[0019]图3为本专利技术实施例的一种目标色块与预设图像拼接计算示意图；
[0020]图4为本专利技术实施例的一种目标色块与预设图像的一种实际拼接示意图；
[0021]标号说明：
[0022]1、一种提高火焰图像识别精度的终端；2、处理器；3、存储器。
具体实施方式
[0023]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0024]请参照图1，一种提高火焰图像识别精度的方法，包括步骤：
[0025]获取预设图集，从所述预设图集的每一预设图像中分割出识别目标；
[0026]提取所述识别目标的图像特征，将所述图像特征映射到颜色空间中，得到目标色块；
[0027]拼接所述目标色块与所述预设图像，得到更新图像；
[0028]根据所述更新图像训练预设神经网络。
[0029]从上述描述可知，本专利技术的有益效果在于：先在图像中分割出所关心的的识别目标，获取识别目标的图像特征，将图像特征映射到颜色空间中得到目标色块，将目标色块和原始的预设图像拼接得到更新图像，使用更新图像训练预设神经网络，在不破坏预设图像结构的前提下增加了预设图像中特征的可解释性，提高了最终训练完成的神经网络进行分类的精度。
[0030]进一步地，还包括：
[0031]获取所述预设图像对应的标记类别；
[0032]所述提取所述识别目标的图像特征包括：
[0033]获取候选特征，根据所述候选特征与所述标记类别的关联性强弱确定图像特征；
[0034]提取所述识别目标的图像特征。
[0035]由上述描述可知，设置多个后选特征，先根据多个候选特征与标记类别之间的关联性强弱确定出图像特征，再提取识别目标的相应图像特征；无需对与标记类别相关性弱的数据进行计算，减少了计算时间，提高了图像处理的效率。
[0036]进一步地，所述将所述图像特征映射到颜色空间中包括：
[0037]计算所述图像特征在所述颜色空间中的坐标(r，g，b)；
[0038]r＝int(r1
×
256)，g＝int(g1
×
256)，b＝b1
×
256；
[0039]r1＝float(r2/256)，g1＝float(g2/256)，b1＝float(b2/256)；
[0040]r2＝x％256，g2＝(x
‑
r2)/256％256，b2＝((x
‑
r2
‑
g2
×
256)/(256
×
256)％256)；
[0041]x＝图像特征的数值
×
256。
[0042]由上述描述可知，将图像特征根据一定的计算方式转换为在颜色空间中的坐标，将图像特征转换为容易被模型理解和学习的颜色特征，加强了图像中特征的可解释性。
[0043]进一步地，所述获取预设图集包括：
[0044]获取预设视频，从所述预设视频中提取视频帧，作为预设图像，所述预设图像组成所述预设图集。
[0045]由上述描述可知，从视频中获取视频帧作为预设图像组成预设图集，因在实际的生产过程中，所产生的数据大多是视频数据，如监控数据，从视频中获取预设图集更加方便在实际生产过程中的使用。
[0046]进一步地，所述从所述预设视频中提取视频帧包括：
[0047]确定预设间隔；
[0048]根据所述预设间隔确定需抽取的视频帧数量；
[0049]判断所述视频帧数量是否大于或等于预设值，若否，则返回所述确定预设间隔步骤；
[0050]根据所述预设间隔从所述预设视频中提取视频帧。
[0051]由上述描述可知，通过固定的预审间隔对视频帧进行抽取，在尽可能保留住视频原始内容的情况下实现从视频到预设图集的提取，方便进行标记并且通过控制视频帧数量减少标记的工作量。
[0052]进一步地，所述拼接所述目标色块与所述预设图像，得到更新图像包括：
[0053]拼接所述目标色块与所述预设图像，得到更新图像；
[0054]将所述更新图像替换所述预设视频中与所述预设图像对应的视频帧，得到更新视频；
[0055]所述根据所述更新图像训练预设神经网络包括：
[0056]根据所述更新视频训练预设神经网络。
[0057]由上述描述可知，将得到的目标色块和预设图像拼接得到更新图像，将提取的特征直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提高火焰图像识别精度的方法，其特征在于，包括步骤：获取预设图集，从所述预设图集的每一预设图像中分割出识别目标；提取所述识别目标的图像特征，将所述图像特征映射到颜色空间中，得到目标色块；拼接所述目标色块与所述预设图像，得到更新图像；根据所述更新图像训练预设神经网络。2.根据权利要求1所述的一种提高火焰图像识别精度的方法，其特征在于，还包括：获取所述预设图像对应的标记类别；所述提取所述识别目标的图像特征包括：获取候选特征，根据所述候选特征与所述标记类别的关联性强弱确定图像特征；提取所述识别目标的图像特征。3.根据权利要求1所述的一种提高火焰图像识别精度的方法，其特征在于，所述将所述图像特征映射到颜色空间中包括：计算所述图像特征在所述颜色空间中的坐标(r，g，b)；r＝int(r1
×
256)，g＝int(g1
×
256)，b＝b1
×
256；r1＝float(r2/256)，g1＝float(g2/256)，b1＝float(b2/256)；r2＝x％256，g2＝(x
‑
r2)/256％256，b2＝((x
‑
r2
‑
g2
×
256)/(256
×
256)％256)；x＝图像特征的数值
×
256。4.根据权利要求1
‑
3所述的一种提高火焰图像识别精度的方法，其特征在于，所述获取预设图集包括：获取预设视频，从所述预设视频中提取视频帧，作为预设图像，所述预设图像组成所述预设图集。5.根据权利要求4所述的一种提高火焰图像识别精度的方法，其特征在于，所述从所述预设视频中...

【专利技术属性】
技术研发人员：袁炳杰，
申请(专利权)人：厦门汇利伟业科技有限公司，
类型：发明
国别省市：