火灾探测方法、装置和系统制造方法及图纸

本发明专利技术公开了一种火灾探测方法、装置和系统，火灾探测方法包括：获取待识别红外视频图像；将待识别红外视频图像输入到预先采用迁移学习方法训练好的火灾探测模型，输出识别结果；判断识别结果是否触发报警机制；若触发报警机制，则建立火灾报警状态，并发出火灾报警信号，以进行火灾报警状态查看提醒；若未触发报警机制，则进行下一周期待识别红外视频图像的检测。本发明专利技术实施例的火灾探测方法能够避免复杂场景中可见光下干扰源较多导致的误报，同时不受光照、背景环境改变的影响，夜间情况下也可正常检测。也可正常检测。也可正常检测。

【技术实现步骤摘要】
火灾探测方法、装置和系统


[0001]本专利技术涉及火灾探测
，特别涉及一种火灾探测方法、一种火灾探测装置和一种火灾探测系统。

技术介绍

[0002]火灾探测设备是消防火灾自动报警系统中对现场进行探查，发现火灾的设备。能够在火灾发生初期进行及时报警，以减少人身财产损失。
[0003]目前，相关技术中的火灾探测设备检测火焰的方法主要包括以下两种方式：1、基于传感器的检测方法，主要包括：光电式探测器、粒子式探测器和感温式探测器。光电式探测器和粒子式探测器主要是对火灾发生时产生的烟雾颗粒进行探测；感温式探测器主要是通过温度传感器感知温度的变化来判断火情信息。然而，这三种探测器火灾检测原理简单，很容易发生误报和漏报现象，此外对于火焰的检测还存在一定的延迟，必须等到烟雾颗粒的浓度或火灾造成的温度变化达到预定程度，探测设备才可能响应。2、基于计算机视觉的检测方法，主要采用机器学习，针对疑似火焰区域提取颜色、纹理、形状、火焰跳动频率等进行综合判断以确定是否发生火灾。然而，在室外复杂的场景下使用时，干扰源(如波光粼粼的湖面，金属、玻璃等的反光)过多会导致误报。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的目的在于提出一种火灾探测方法、装置和系统，以实现对火灾的准确及时地探测。
[0005]为达到上述目的，本专利技术第一方面实施例提出了一种火灾探测方法，所述方法包括：获取待识别红外视频图像；将所述待识别红外视频图像输入到预先采用迁移学习方法训练好的火灾探测模型，输出识别结果；判断所述识别结果是否触发报警机制；若触发报警机制，则建立火灾报警状态，并发出火灾报警信号，以进行火灾报警状态查看提醒；若未触发报警机制，则进行下一周期待识别红外视频图像的检测。
[0006]另外，本专利技术实施例的火灾探测方法还可以具有如下附加技术特征：
[0007]根据本专利技术的一个实施例，所述火灾探测模型的训练过程，包括：获取开源数据集和自建数据集，其中，所述开源数据集包括多个可见光火焰图像，所述自建数据集包括多个成对的可见光火焰图像和红外火焰图像；通过所述开源数据集中的可见光火焰图像和所述自建数据集中的可见光火焰图像对第一探测模型进行训练，其中，所述第一探测模型采用YOLO网络；构建第二探测模型，其中，所述第二探测模型包括依次连接的输入层网络和所述YOLO网络，所述输入层网络用以对单通道的红外火焰图像进行处理；使用迁移学习方法将训练好的第一探测模型中的参数对应复制到所述第二探测模型中的YOLO网络；利用所述自建数据集中的红外火焰图像对参数复制后的第二探测模型进行训练，得到所述训练好的火灾探测模型。
[0008]根据本专利技术的一个实施例，所述自建数据集中的图像在如下至少一个条件下取
得：多个尺度火盆、多个点火场景、多个红外摄像头，其中，各所述红外摄像头的物理参数不同。
[0009]根据本专利技术的一个实施例，所述方法用于火灾探测设备，所述方法还包括：所述火灾探测设备开机时，进行设备初始化，以确定所述火灾探测设备是否出现故障，并在所述火灾探测设备出现故障时发出故障报警信号；其中，所述火灾探测设备未出现故障时，执行所述获取待识别红外视频图像的步骤。
[0010]根据本专利技术的一个实施例，所述输入层网络包括：多组切片层、张量拼接层和卷积层，其中，每组切片层的输入端均用以输入红外图像，每组切片层的输出端均与所述张量拼接层的输入端连接，所述张量拼接层的输出端与所述卷积层的输入端连接，所述卷积层的输出端与所述第二探测模型中的YOLO网络的输入端连接。
[0011]根据本专利技术的一个实施例，每组切片层均包括依次连接的第一切片层和第二切片层。
[0012]根据本专利技术的一个实施例，在对参数复制后的第二探测模型进行训练时，采用随机初始化的方式对所述输入层网络的参数进行赋值。
[0013]为达到上述目的，本专利技术第二方面实施例提出了一种火灾探测装置，所述装置包括：获取模块、识别模块和判断模块。所述获取模块用于获取待识别红外视频图像；所述识别模块用于将所述待识别红外视频图像输入到预先采用迁移学习方法训练好的火灾探测模型，输出识别结果；所述判断模块用于判断所述识别结果是否触发报警机制；若触发报警机制，则建立火灾报警状态，并发出火灾报警信号，以进行火灾报警状态查看提醒；若未触发报警机制，则进行下一周期待识别红外视频图像的检测。
[0014]另外，本专利技术实施例的火灾探测装置还可以具有如下附加技术特征：
[0015]根据本专利技术的一个实施例，所述装置用于火灾探测设备，所述装置还包括：初始化模块。所述初始化模块用于火灾探测设备开机时，进行设备初始化，以确定所述火灾探测设备是否出现故障，并在所述火灾探测设备出现故障时发出故障报警信号。
[0016]为达到上述目的，本专利技术第三方面实施例提出了一种火灾探测系统，所述系统包括：红外摄像头和主控板。所述红外摄像头用于采集红外视频图像；所述主控板与所述红外摄像头电连接，所述主控板包括存储器、处理器和存储在所述存储器上的计算机程序，所述计算机程序被所述处理器执行时，实现上述的火灾探测方法。
[0017]本专利技术实施例的火灾探测方法、装置和系统能够解决红外样本少导致火灾探测模型地训练难以收敛、泛化性能不高的问题；训练后的火灾探测模型的抗干扰能力强，稳健性好。本专利技术实施例的火灾探测方法、装置和系统还能够避免复杂场景中可见光下干扰源较多导致的误报，同时不受光照、背景环境改变的影响，夜间情况下也可正常检测。
附图说明
[0018]图1是本专利技术一实施例的火灾探测方法的流程示意图；
[0019]图2是本专利技术一实施例的火灾探测模型的训练过程的流程示意图；
[0020]图3是本专利技术一实施例的输入层网络的结构示意图；
[0021]图4是本专利技术一实施例的使用迁移学习方法和未使用迁移学习方法训练的探测模型的mAP指标曲线示意图；
[0022]图5是本专利技术一实施例的火灾探测装置的结构示意图；
[0023]图6是本专利技术一实施例的报警输出及状态更新过程的示意图；
[0024]图7是本专利技术一实施例的火灾探测系统结构示意图；
[0025]图8是本专利技术一实施例的红外摄像头和彩色摄像头采集图像对比示意图；
[0026]图9是本专利技术一实施例的火焰检测效果示意图。
具体实施方式
[0027]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0028]下面参考附图1
‑
附图9描述本专利技术实施例的火灾探测方法、装置和系统。
[0029]图1是本专利技术一实施例的火灾探测方法的流程示意图。
[0030]如图1所示，火灾探测方法包括：
[0031]S1，获取待识别红本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火灾探测方法，其特征在于，所述方法包括：获取待识别红外视频图像；将所述待识别红外视频图像输入到预先采用迁移学习方法训练好的火灾探测模型，输出识别结果；判断所述识别结果是否触发报警机制；若触发报警机制，则建立火灾报警状态，并发出火灾报警信号，以进行火灾报警状态查看提醒；若未触发报警机制，则进行下一周期待识别红外视频图像的检测。2.根据权利要求1所述的火灾探测方法，其特征在于，所述火灾探测模型的训练过程，包括：获取开源数据集和自建数据集，其中，所述开源数据集包括多个可见光火焰图像，所述自建数据集包括多个成对的可见光火焰图像和红外火焰图像；通过所述开源数据集中的可见光火焰图像和所述自建数据集中的可见光火焰图像对第一探测模型进行训练，其中，所述第一探测模型采用YOLO网络；构建第二探测模型，其中，所述第二探测模型包括依次连接的输入层网络和所述YOLO网络，所述输入层网络用以对单通道的红外火焰图像进行处理；使用迁移学习方法将训练好的第一探测模型中的参数对应复制到所述第二探测模型中的YOLO网络；利用所述自建数据集中的红外火焰图像对参数复制后的第二探测模型进行训练，得到所述训练好的火灾探测模型。3.根据权利要求2所述的火灾探测方法，其特征在于，所述自建数据集中的图像在如下至少一个条件下取得：多个尺度火盆、多个点火场景、多个红外摄像头，其中，各所述红外摄像头的物理参数不同。4.根据权利要求1所述的火灾探测方法，其特征在于，所述方法用于火灾探测设备，所述方法还包括：所述火灾探测设备开机时，进行设备初始化，以确定所述火灾探测设备是否出现故障，并在所述火灾探测设备出现故障时发出故障报警信号；其中，所述火灾探测设备未出现故障时，执行所述获取待识别红外视频图像的步骤。...

【专利技术属性】
技术研发人员：许玉坤，周扬，刘红奎，陈建国，张祺，林刚，刘乐廷，
申请(专利权)人：清华大学，
类型：发明
国别省市：