本发明专利技术涉及物流园安全预警技术领域，尤其涉及一种物流园区室内烟火智能识别方法，包括：收集图片样本，得到图片样本数据集；对图片样本数据集进行标注和分类处理，得到分类样本数据集；按照预定数量比例将所述分类样本数据集划分为训练集和验证集，所述训练集包括：有烟火特征的图片和无烟火特征的图片；基于FSDet网络，搭建预分类烟火识别模型；将训练集输入至预分类烟火识别模型中进行训练，调整所述预分类烟火识别模型的参数，并在经过所述验证集验证后，得到烟火识别模型；获取实时图像数据，并输入至烟火识别模型中进行识别，若实时图像数据中存在浓烟特征、白烟特征或明火特征中的一种，则发出预警信号。则发出预警信号。则发出预警信号。
【技术实现步骤摘要】
物流园区室内烟火智能识别方法、装置、设备及存储介质
[0001]本专利技术涉及物流园安全预警
，尤其涉及一种物流园区室内烟火智能识别方法、装置、设备及存储介质。
技术介绍
[0002]为切实做好企业的消防安全工作，全面提升消防安全系数，物流园区明确禁止室内烟火。在日常的生产生活中，物流园区安排相关的安保人员进行巡检以及通过摄像头人为监控，以避免火灾。然而，由于物流园区的场地较大，需要安排多个安保人员进行巡检，比较耗时耗力，而且容易存在漏检的情况。现有技术中，也有利用计算机视觉技术构建的视频火灾监测技术来监控火灾的方法，相较于传统的烟气传感器法，具有成本低、速度快的优点。但是，现有视频火灾检测技术是基于CNN方法，需要大量标注的样本来训练深层神经网络，并且对看不见的对象类别的泛化能力往往有限。虽然在过去的几十年里，人们对目标检测进行了广泛的研究，并开发了大量方法来检测人工目标(如车辆、建筑物、道路、桥梁等)和自然目标(如湖泊、海岸、森林等)。尽管基于深度学习的目标检测方法取得了很大的突破，但这些方法存在一个共同问题：需要用一个大规模、多样的数据集来训练深度神经网络模型。但是，在构建物流园区室内烟火检测时，存在样本不够的问题。
[0003]可见，现有技术还有待改进和提高。
技术实现思路
[0004]为了克服现有技术的不足，本专利技术的目的在于提供一种物流园区室内烟火智能识别方法、装置、设备及存储介质，其通过使用计算机视觉技术，基于小样本目标检测FSDet网络结构，搭建烟火识别模型，即可兼顾烟火识别的准确率和效率，又能降低人力成本。
[0005]本专利技术第一方面提供了一种物流园区室内烟火智能识别方法，包括：收集图片样本，得到图片样本数据集；对图片样本数据集进行标注和分类处理，得到分类样本数据集，所述分类样本数据集包括有烟火特征的图片和无烟火特征的图片，所述有烟火特征的图片包括标注有浓烟、白烟或明火特征的图片；按照预定数量比例将所述分类样本数据集划分为训练集和验证集，所述训练集包括：有烟火特征的图片和无烟火特征的图片；基于FSDet网络，搭建预分类烟火识别模型；将训练集输入至预分类烟火识别模型中进行训练，调整所述预分类烟火识别模型的参数，并在经过所述验证集验证后，得到烟火识别模型；获取实时图像数据，并输入至烟火识别模型中进行识别，若实时图像数据中存在浓烟特征、白烟特征或明火特征中的一种，则发出预警信号。
[0006]可选的，在本专利技术第一方面的第一种实现方式中，所述收集图片样本，得到图片样本数据集，包括：获取火灾视频数据，并根据预设时间间隔截取视频数据的画面，得到原始的图片样本；对原始的图片样本进行增强处理，得到图片样本数据集。
[0007]可选的，在本专利技术第一方面的第二种实现方式中，所述对图片样本数据集进行标注和分类处理，得到分类样本数据集，包括：通过Labelme工具对筛选样本中图像中具有浓
烟、白烟及明火的区域进行特征标注，以得到标注有特征信息的图片样本；根据特征信息对图片样本进行分类，得到浓烟类别样本、白烟类别样本和明火类别样本。
[0008]可选的，在本专利技术第一方面的第三种实现方式中，所述根据小样本目标检测方法及FSDNet网络结构，搭建预分类烟火识别模型，所述搭建预分类烟火识别模型的搭建步骤包括：搭建Conv layers，用于提取图片的特征图，包括conv，pooling，relu三种层；搭建区域生成网络层，并且使用区域生成网络层生成检测框，即初步提取图片中目标候选区域；搭建感兴趣区域池化层，获取步骤Conv layers中的特征图和网络层中的目标候选区域，并综合信息后提取候选特征图；搭建分类层，使用边框回归获得检测框最终的精确位置，以及通过候选特征图判定目标类别。
[0009]可选的，在本专利技术第一方面的第四种实现方式中，所述搭建预分类烟火识别模型的步骤中，还结合了Attention机制，在提取图像的特征后，模型进行了第一次的相似性度量，以帮助RPN网络能产生包含目标的proposal。
[0010]可选的，在本专利技术第一方面的第五种实现方式中，所述将训练集、验证集输入至预分类烟火识别模型进行训练，以得到烟火识别模型包括：将训练集输入至预分类烟火识别模型型进行训练，得到多个具有不同结果的训练模型；将验证集分别输入至多个训练模型进行校验，得到多个预测结果；当预测结果满足预设条件，则将图片样本数据输入至训练模型中，并对各个训练模型进行评分，将得分最高的训练模型作为烟火识别模型。
[0011]可选的，在本专利技术第一方面的第六种实现方式中，所述获取实时图像数据，并输入至烟火识别模型中进行识别，若实时图像数据中存在浓烟特征、白烟特征或明火特征中的一种，则发出预警信号，包括：将实时图像数据输入至烟火识别模型，通过烟火识别模型识别实时图像数据中是否存在浓烟、白烟或明火特征；若实时图像数据中存在浓烟特征，则发出预警信号；若实时图像数据中存在白烟特征，则发出预警信号；若实时图像数据中存在明火特征，则发出预警信号。
[0012]本专利技术第二方面提供了一种物流园区室内烟火智能识别装置，包括：获取模块，用于根据预设时间采集原始图像数据，并对图像数据进行预处理，得到图片样本数据集；标注分类模块，用于对图片样本数据集进行标注和分类处理，得到分类样本数据集；建模模块，用于基于小样本目标检测FSDet网络结构，构建预分类烟火识别模型；训练模块，用于对图片样本数据集进行分类处理，得到训练集、验证集，并将训练集、验证集输入至预分类烟火识别模型进行训练，以得到烟火识别模型；预警模块，用于获取实时图像数据，并输入至烟火识别模型进行识别，若实时图像数据中存在浓烟、白烟或明火特征，则发出预警信号，同时获取。
[0013]可选的，在本专利技术第二方面的第一种实现方式中，所述获取模块包括：获取子模块，用于从视频数据中截取图片数据；增强子模块，用于对原始的图片样本进行增强处理，得到图片样本数据集。
[0014]可选的，在本专利技术第二方面的第二种实现方式中，所述标注模块包括：标注子模块，用于对图像中具有浓烟、白烟及明火的区域进行特征标注，以得到标注有特征信息的图片样本；分类子模块，用于对标注后的图片样本进行分类处理，以得到浓烟类别样本、白烟类别样本和明火类别样本。
[0015]可选的，在本专利技术第二方面的第三种实现方式中，所述建模模块包括：构建子模
块，用于基于Faster R
‑
CNN模型构建基础架构；提升子模块，用于将Attention模型输入基础架构中，以使Faster R
‑
CNN模型作为基础架构的骨干网络获得Attention模型与Faster R
‑
CNN模型构成的预分类烟火识别模型。
[0016]可选的，在本专利技术第二方面的第四种实现方式中，所述构建子模块包括：Conv单元，用于提取图片的特征图；区域生成网络单元，用于搭建感兴趣区域池化层，获取Conv layers层的特征图和网络层的目标候选区域，并综合信息后提取本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物流园区室内烟火智能识别方法，其特征在于，包括：收集图片样本，得到图片样本数据集；对图片样本数据集进行标注和分类处理，得到分类样本数据集，所述分类样本数据集包括有烟火特征的图片和无烟火特征的图片，所述有烟火特征的图片包括标注有浓烟、白烟或明火特征的图片；按照预定数量比例将所述分类样本数据集划分为训练集和验证集，所述训练集包括：有烟火特征的图片和无烟火特征的图片；基于FSDet网络，搭建预分类烟火识别模型；将训练集输入至预分类烟火识别模型中进行训练，调整所述预分类烟火识别模型的参数，并在经过所述验证集验证后，得到烟火识别模型；获取实时图像数据，并输入至烟火识别模型中进行识别，若实时图像数据中存在浓烟特征、白烟特征或明火特征中的一种，则发出预警信号。2.根据权利要求1所述的物流园区室内烟火智能识别方法，其特征在于，所述收集图片样本，得到图片样本数据集，包括：获取火灾视频数据，并根据预设时间间隔截取视频数据的画面，得到原始的图片样本；对原始的图片样本进行增强处理，得到图片样本数据集。3.根据权利要求1所述的物流园区室内烟火智能识别方法，其特征在于，所述对图片样本数据集进行标注和分类处理，得到分类样本数据集，包括：通过LabelImg工具对图片样本数据集的图像中具有浓烟、白烟及明火的区域进行特征标注，以得到标注有特征信息的图片样本；根据特征信息对图片样本进行分类，得到浓烟类别样本、白烟类别样本、明火类别样本及背景类别样本。4.根据权利要求1所述的物流园区室内烟火智能识别方法，其特征在于，所述搭建预分类烟火识别模型的搭建步骤包括：搭建Conv layers层，用于提取图片的特征图，包括conv，pooling，relu三层；搭建区域生成网络层，并且使用区域生成网络层生成检测框，即初步提取图片中目标候选区域；搭建感兴趣区域池化层，获取Conv layers层的特征图和网络层的目标候选区域，并综合信息后提取候选特征图；搭建分类层，使用边框回归获得检测框最终的精确位置，以及通过候选特征图判定目标类别。5.根据权利要求1所述的物流园区室内烟火智能识别方法，其特征在于，所述搭建预分类烟火识别模型的步骤中，还结合了Attention机制，在提取图像的特征后，模型进行了第一次的相似性度量，以帮助RPN网络能产生包含目标的proposal。6.根据...
【专利技术属性】
技术研发人员：徐梦佳，李斯，戴依娜，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。