一种火焰报警方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种火焰报警方法、装置、设备及存储介质，该方法包括利用训练后的目标检测网络对目标视频流中的目标图片进行火焰检测获得火焰检测框；所述目标视频流包括通过图像摄取设备获取到的目标区域的视频流；确定目标火焰检测框中存在火焰则触发第一级别报警信息；利用训练后的火焰语义分割网络对所述火焰检测框中的火焰进行语义分割处理获得语义分割结果。该方法采用三级级联式报警方案，分为三个阶段来进行联合报警，该方案可以克服传统目标检测方法检测准确率低的问题，可以克服单一深度学习目标检测方案出现的误报情况，无需新的部署，具有可扩展性强，覆盖面广，检测精度高等特点。度高等特点。度高等特点。

【技术实现步骤摘要】
一种火焰报警方法、装置、设备及存储介质


[0001]本专利技术涉及火焰检测报警
，特别是涉及一种通过多帧图片进行联合判断，确认火焰发生的时间及发生的位置的火焰报警方法、装置、设备及存储介质。

技术介绍

[0002]近年来，火灾引起的工厂安全事故数不胜数，由于工厂具有面积大，设备多，人员分布分散等特点，火灾发生时无法及时发现，导致了严重的后果，轻则工厂被烧毁，对公司工厂造成损失，重则造成人员伤亡，这些损失都是无法估量的，工厂管理者在做好日常防火教育和以及员工培训上做到尽善尽美外，还需要在火灾报警上面下功夫，目前随着人工智能深度学习图像检测技术的发展，利用监控视频采集实时图像，然后利用目标检测，语义分割等技术对火焰进行实时检测，使得工厂下的实时火焰报警系统得以实现。该方案的实现是利用深度学习图像检测技术，结合工厂监控系统将安全检测方案部署到工厂企业中的一个有效案例，同时，也是推动工业4.0发展的一个助力。
[0003]利用图像视频检测进行工厂火焰检测的方案在高清摄像机普及到各个工厂中时，就已经开始流行，但是这些方案都有着各自的劣势，首先出现的方案是利用传统的方案是通过传统的目标检测算法无论是利用Cascade级联分类器配合HOG特征进行目标检测，或DPM方法配合Haar特征提取，亦或是利用SVM方案来进行目标检测，对于火焰检测的准确率只有百分之60上下，显然这样的准确率无法满足工厂超高精度的需求，随着人工智能在图像检测领域的发展，出现了利用SSD，faster
‑
rcnn等目标检测器来进行火焰检测的方案，这种方案在检测准确率上较传统的图像检测方案有一定的提升，但是在检测的实时性和准确性上仍然没有达到一个较为优秀的水平，在利用图像检测技术之前，还出现了利用温度传感器，火焰烟雾探测器等方案来进行配合图像检测方案进行火焰识别，但由于工厂厂区大或室外不易安装等因素，导致这种方案实施较为困难，同时不具备较好的泛化能力。

技术实现思路

[0004]鉴于上述问题，本专利技术提供用于克服上述问题或者至少部分地解决上述问题的一种火焰报警方法、装置、设备及存储介质。可以利用深度学习图像算法中的目标检测、语义分割方法的人体解析技术来实现的工厂厂区内实时火焰检测并完成分阶段报警。
[0005]本专利技术提供了如下方案：
[0006]一种火焰报警方法，包括：
[0007]利用训练后的目标检测网络对目标视频流中的目标图片进行火焰检测获得火焰检测框；所述目标视频流包括通过图像摄取设备获取到的目标区域的视频流；
[0008]确定目标火焰检测框中存在火焰则触发第一级别报警信息；
[0009]利用训练后的火焰语义分割网络对所述火焰检测框中的火焰进行语义分割处理获得语义分割结果；
[0010]确定所述语义分割结果包括火焰则触发第二级别报警信息；
[0011]确定所述目标图片触发所述第一级别报警信息以及所述第二级别报警信息后，采用连续帧判断算法确定所述目标视频流中位于所述目标图片之后的目标数量的图片均触发所述第一级别报警信息以及所述第二级别报警信息则生成第三级别报警信息；
[0012]根据所述第三级别报警信息触发所述目标区域的声光报警器发出警告。
[0013]优选地：采用流转换工具将所述视频流按每隔15帧提取一次的方式获取所述目标图片。
[0014]优选地：对由所述视频流中获取到的图片进行静帧、黑场、花屏检测，将检测无误后的图片作为所述目标图片。
[0015]优选地：所述目标检测网络包括YOLOV7目标检测框架。
[0016]优选地：所述火焰语义分割网络包括DeepLabV3+网络。
[0017]优选地：所述目标数量为根据检测的所述目标视频流中位于所述目标图片之后的若干连续帧图片的检测数量所确定。
[0018]优选地：所述目标数量不少于所述检测数量的三分之二。
[0019]一种火焰报警装置，所述装置包括：
[0020]火焰检测框获取单元，用于利用训练后的目标检测网络对目标视频流中的目标图片进行火焰检测获得火焰检测框；所述目标视频流包括通过图像摄取设备获取到的目标区域的视频流；
[0021]第一级别报警信息确定单元，用于确定目标火焰检测框中存在火焰则触发第一级别报警信息；
[0022]火焰语义分割处理单元，用于利用训练后的火焰语义分割网络对所述火焰检测框中的火焰进行语义分割处理获得语义分割结果；
[0023]第二级别报警信息确定单元，用于确定所述语义分割结果包括火焰则触发第二级别报警信息；
[0024]第三级别报警信息确定单元，用于确定所述目标图片触发所述第一级别报警信息以及所述第二级别报警信息后，采用连续帧判断算法确定所述目标视频流中位于所述目标图片之后的目标数量的图片均触发所述第一级别报警信息以及所述第二级别报警信息则生成第三级别报警信息；
[0025]告警单元，用于根据所述第三级别报警信息触发所述目标区域的声光报警器发出警告。
[0026]一种火焰报警设备，所述设备包括处理器以及存储器：
[0027]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0028]所述处理器用于根据所述程序代码中的指令执行上述的火焰报警方法。
[0029]一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述的火焰报警方法。
[0030]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0031]本申请实施例提供的一种火焰报警方法、装置、设备及存储介质，该方法采用三级级联式报警方案，分为三个阶段来进行联合报警，该方案可以克服传统目标检测方法检测准确率低的问题，。可以克服单一深度学习目标检测方案出现的误报情况，无需新的部署，具有可扩展性强，覆盖面广，检测精度高等特点。
[0032]另外，在优选的实施方式下，该方法可以实现待检测火焰的场景多角度，视角的实时火焰监测，同时该方法可以通过三级报警的形式，对火焰检测分级别来进行预测，当触发三级报警时在进行警报，同时该方法还可以灵活制定报警等级机制，根据不同形式的待检测火焰的场景进行定制化处理，另外该方法可以覆盖多种情况下的需求真正意义上的达到实时，准确的进行火焰检测报警，不误报，不漏报。
[0033]当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1是本专利技术实施例提供的一种火焰报警方法的流程图；
[0036]图2是本专利技术实施例提供的YOLOV7目标检测框架网络示意图；
[0037]图3是本专利技术实施例提供的BConv结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火焰报警方法，其特征在于，所述方法包括：利用训练后的目标检测网络对目标视频流中的目标图片进行火焰检测获得火焰检测框；所述目标视频流包括通过图像摄取设备获取到的目标区域的视频流；确定目标火焰检测框中存在火焰则触发第一级别报警信息；利用训练后的火焰语义分割网络对所述火焰检测框中的火焰进行语义分割处理获得语义分割结果；确定所述语义分割结果包括火焰则触发第二级别报警信息；确定所述目标图片触发所述第一级别报警信息以及所述第二级别报警信息后，采用连续帧判断算法确定所述目标视频流中位于所述目标图片之后的目标数量的图片均触发所述第一级别报警信息以及所述第二级别报警信息则生成第三级别报警信息；根据所述第三级别报警信息触发所述目标区域的声光报警器发出警告。2.根据权利要求1所述的火焰报警方法，其特征在于，采用流转换工具将所述视频流按每隔15帧提取一次的方式获取所述目标图片。3.根据权利要求2所述的火焰报警方法，其特征在于，对由所述视频流中获取到的图片进行静帧、黑场、花屏检测，将检测无误后的图片作为所述目标图片。4.根据权利要求1所述的火焰报警方法，其特征在于，所述目标检测网络包括YOLOV7目标检测框架。5.根据权利要求1所述的火焰报警方法，其特征在于，所述火焰语义分割网络包括DeepLabV3+网络。6.根据权利要求1所述的火焰报警方法，其特征在于，所述目标数量为根据检测的所述目标视频流中位于所述目标图片之后的若干连续帧图片的检测数量所确定。7.根据权利要求6所述的火焰报警方法，其...

【专利技术属性】
技术研发人员：牟骏杰，邓博文，陈昌金，王鑫，杨宏辉，李小兰，
申请(专利权)人：中国兵器装备集团自动化研究所有限公司，
类型：发明
国别省市：