一种消防识别方法和系统技术方案

本发明专利技术涉及数据识别技术领域，具体涉及一种消防识别方法和系统。该方法是一种应用电子设备进行识别的方法，利用人工智能系统完成消防场景下的人物位置识别。首先采用相关的电子设备进行图像识别，以获取视频图像；通过对视频图像进行数据识别得到烟雾程度，根据烟雾程度和视频图像对应的特征图的描述值对人员识别网络进行训练，使得将视频图像输入训练好的人员识别网络中，可以输出人员位置。本发明专利技术将描述烟雾信息的神经元参数抑制，从而降低烟雾信息对人员识别的干扰，提高网络的准确性。提高网络的准确性。提高网络的准确性。

【技术实现步骤摘要】
一种消防识别方法和系统


[0001]本专利技术涉及数据识别
，具体涉及一种消防识别方法和系统。

技术介绍

[0002]消防问题伴随着人们生活的方方面面，特别是人口密集的公共场所，一旦发生消防问题，很容易产生大规模的伤害。因而一旦出现火宅应及时救援出控在火内的人们。进行救援的关键需先定位出人们的位置，一般现有的公共场所内会安装有相机对场所内的情况进行监控，因而再进行救援之前可以通过人物识别技术对监控视频进行分析来定位出人们的位置。但是由于在发生火宅时会产生大量的烟雾导致视频图像会模糊，当烟雾浓度较大时甚至会被遮挡。因而传统的人物识别技术的识别精度不够，当识别精度不够时会导致要么人物无法识别出来，导致救援时部分人员被遗漏。要么其他物品被误识成人物，给救援人员增加无用的工作。
[0003]传统的人物识别网络进行人物识别时对图像中的信息都会关注，因而干扰人物识别的烟雾特征信息也会被学习到，这导致人物识别网络的识别准确率较低。要增加网络对人物识别的精度，让网络学习烟雾相关的能力降低，即仅学习烟雾特征、较少学习其他信息特征的神经元参数进行应抑制。要抑制学习烟雾特征的神经元参数的学习能力，需识别出学习烟雾特征的神经元参数。而要直接通过对所有的神经元参数进行分析来识别出烟雾特征对应的神经元参数，这种处理方式难度较大。可以通过分析各神经元参数提取的特征图像，分析这些特征图像中描述烟雾特征的情况，当某个特征图像中描述烟雾特征的信息较多，描述其他特征的信息较少，此时也就说明获取该特征的神经元参数更多的去学习了烟雾相关的信息，因而应抑制这种神经元参数的学习能力。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种消防识别方法和系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种消防识别方法，该方法包括以下步骤：获取视频图像；利用sobel算子进行边缘检测得到视频图像的轮廓边缘，基于所述轮廓边缘上各像素点对应的灰度值序列的排列熵，计算视频图像的锐化程度；根据各像素点邻域内的像素点的灰度差异，计算视频图像的对比度；由所述锐化程度和所述对比度得到视频图像的烟雾程度；获取当前时刻的视频图像和对应的前两帧视频图像第一个卷积层对应的特征图对应通道的第一描述值，构成第一描述值序列，由当前时刻的视频图像和对应的前两帧视频图像对应的烟雾程度，构建烟雾程度序列，获取所述第一描述值序列和所述烟雾程度序列的第一相关系数；根据所述第一相关系数构建第一损失函数；基于第二个、第三个卷积层，构建第二损失函数和第三损失函数；当前时刻的视频图像和对应的前两帧视频图像对
应的交叉熵损失函数、第一损失函数、第二损失函数和第三损失函数之和为第一综合损失函数；根据相关系数确定卷积层对应的各特征图各通道图像的神经元参数的抑制权重，由所述抑制权重、神经元参数的值和当前时刻的视频图像对应的交叉熵损失函数构建第二综合损失函数；将所述第一综合损失函数作为人员识别网络训练的第一阶段的损失函数，将所述第二综合损失函数作为人员识别网络训练的第二阶段的损失函数，将所述视频图像输入训练好的所述人员识别网络中，输出人员位置。
[0005]优选的，轮廓边缘上各像素点对应的灰度值序列的获取方法为：通过轮廓边缘上各像素点与轮廓边缘做垂线，以轮廓边缘上各像素点为中心，在垂线上截取预设长度的垂线段，获取垂线段上各像素点的灰度值，构建灰度值序列。
[0006]优选的，所述计算视频图像的锐化程度，包括：以轮廓边缘上各像素点对应的灰度值序列的排列熵的均值的倒数作为视频图像的锐化程度。
[0007]优选的，所述根据各像素点邻域内的像素点的灰度差异，计算视频图像的对比度，包括：获取像素点与邻域内其他像素点的灰度差值，多个灰度差值的均值作为像素点的像素点对比度，轮廓边缘上所有像素点的像素点对比度的均值为视频图像的对比度。
[0008]优选的，所述由所述锐化程度和所述对比度得到视频图像的烟雾程度，包括：所述锐化程度和所述对比度的乘积的倒数为视频图像的烟雾程度。
[0009]优选的，所述获取当前时刻的视频图像和对应的前两帧视频图像第一个卷积层对应的特征图对应通道的第一描述值，包括：将当前时刻的视频图像输入语义分割网络中，通过第一个卷积层处理得到当前时刻的视频图像对应的特征图；将当前时刻的视频图像对应的特征图进行全局最大池化处理，得到池化后的数据，作为当前时刻的视频图像对应的第一描述值。
[0010]优选的，所述根据所述第一相关系数构建第一损失函数，包括：其中，为第一损失函数；为第一个卷积层得到特征图的第i个通道图像的第一描述值序列与烟雾程度序列得到第一相关系数；表示第一个卷积层得到特征图的第i个通道图像的第一描述值序列与烟雾程度序列得到第一相关系数所属的相关系数等级出现的概率。
[0011]优选的，所述基于第二个、第三个卷积层，构建第二损失函数和第三损失函数，包括：获取当前时刻的视频图像和对应的前两帧视频图像第二个卷积层对应的特征图对应通道的第二描述值，构成第二描述值序列；获取所述第二描述值序列和所述烟雾程度序列的第二相关系数；根据所述第二相关系数构建第二损失函数；
获取当前时刻的视频图像和对应的前两帧视频图像第三个卷积层对应的特征图对应通道的第三描述值，构成第三描述值序列；获取所述第三描述值序列和所述烟雾程度序列的第三相关系数；根据所述第三相关系数构建第三损失函数。
[0012]优选的，所述根据相关系数确定卷积层对应的各特征图各通道图像的神经元参数的抑制权重，由所述抑制权重、神经元参数的值和当前时刻的视频图像对应的交叉熵损失函数构建第二综合损失函数，包括：所述抑制权重为各特征图各对应通道的所述相关系数的均值的归一化值；所述第二综合损失函数为：其中，2为所述第二综合损失函数；为当前时刻的视频图像对应的交叉熵损失函数；为第s个神经元参数的抑制权重；为第s个神经元参数的值；表示神经元参数的总数量。
[0013]第二方面，本专利技术一个实施例提供了一种消防识别系统，包括存储器、处理器以及存储在所述存储器中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上述一种消防识别方法。
[0014]本专利技术实施例至少具有如下有益效果：在时发生火灾，消防员进行人物救援时需定位出人员的位置，通过摄像头监控到的视频图像来定位人员位置。但是所采集到的监控图像会存在烟雾信息干扰，如果将烟雾信息学习到会导致人员识别的准确性下降，因而在训练人员识别网络时，需控制网络的学习方向，将描述烟雾信息的神经元参数抑制，从而降低烟雾信息对人员识别的干扰，提高网络的准确性。
[0015]要抑制描述烟雾信息的神经元参数，需先识别每个神经元参数描述烟雾信息的情况。由于直接分析神经元参数描述烟雾信息的情况较为困难，本方案通过分析各神经元参数对应特征图描述烟雾信息的情况。首先通过特征隔离将描述烟雾特征的特征图隔离，这样有利于针对性的参数抑制。同时分析各特征图描述值与烟雾程度的相关程度得到各特征图描述烟雾信息的情况，根据各特征描述烟雾信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种消防识别方法，其特征在于，该方法包括以下步骤：获取视频图像；利用sobel算子进行边缘检测得到视频图像的轮廓边缘，基于所述轮廓边缘上各像素点对应的灰度值序列的排列熵，计算视频图像的锐化程度；根据各像素点邻域内的像素点的灰度差异，计算视频图像的对比度；由所述锐化程度和所述对比度得到视频图像的烟雾程度；获取当前时刻的视频图像和对应的前两帧视频图像第一个卷积层对应的特征图对应通道的第一描述值，构成第一描述值序列，由当前时刻的视频图像和对应的前两帧视频图像对应的烟雾程度，构建烟雾程度序列，获取所述第一描述值序列和所述烟雾程度序列的第一相关系数；根据所述第一相关系数构建第一损失函数；基于第二个、第三个卷积层，构建第二损失函数和第三损失函数；当前时刻的视频图像和对应的前两帧视频图像对应的交叉熵损失函数、第一损失函数、第二损失函数和第三损失函数之和为第一综合损失函数；根据相关系数确定卷积层对应的各特征图各通道图像的神经元参数的抑制权重，由所述抑制权重、神经元参数的值和当前时刻的视频图像对应的交叉熵损失函数构建第二综合损失函数；将所述第一综合损失函数作为人员识别网络训练的第一阶段的损失函数，将所述第二综合损失函数作为人员识别网络训练的第二阶段的损失函数，将所述视频图像输入训练好的所述人员识别网络中，输出人员位置。2.根据权利要求1所述的一种消防识别方法，其特征在于，轮廓边缘上各像素点对应的灰度值序列的获取方法为：通过轮廓边缘上各像素点与轮廓边缘做垂线，以轮廓边缘上各像素点为中心，在垂线上截取预设长度的垂线段，获取垂线段上各像素点的灰度值，构建灰度值序列。3.根据权利要求1所述的一种消防识别方法，其特征在于，所述计算视频图像的锐化程度，包括：以轮廓边缘上各像素点对应的灰度值序列的排列熵的均值的倒数作为视频图像的锐化程度。4.根据权利要求1所述的一种消防识别方法，其特征在于，所述根据各像素点邻域内的像素点的灰度差异，计算视频图像的对比度，包括：获取像素点与邻域内其他像素点的灰度差值，多个灰度差值的均值作为像素点的像素点对比度，轮廓边缘上所有像素点的像素点对比度的均值为视频图像的对比度。5.根据权利要求1所述的一种消防识别方法，其特征在于，所述由所述锐化程度和所述对比度得到视频图像的烟雾程度，包括：所述锐化程度和所述对...

【专利技术属性】
技术研发人员：但丽云，
申请(专利权)人：江苏海舟安防科技有限公司，
类型：发明
国别省市：