火灾识别模型识别准确率的确定方法、装置、设备及介质制造方法及图纸

本发明专利技术提供一种火灾识别模型识别准确率的确定方法、装置、设备及介质,涉及数据处理领域，该方法包括：获取预设区域的样本数据，其中，所述样本数据包括所述预设区域的图像数据和时间序列数据；将所述图像数据输入第一模型，获取所述第一模型输出的特征图像数据，以及将所述时间序列数据输入第二模型中，获取所述第二模型输出的目标时间序列数据；将所述特征图像数据和所述目标时间序列数据进行激活处理和随机失活处理后输入所述第一模型，获取所述第一模型输出的第一数据；基于所述第一数据，获取所述火灾识别模型的识别准确率。本申请技术方案解决了现有技术中缺乏对火灾识别模型的识别准确率确定方法的问题。模型的识别准确率确定方法的问题。模型的识别准确率确定方法的问题。

【技术实现步骤摘要】
火灾识别模型识别准确率的确定方法、装置、设备及介质


[0001]本专利技术涉及数据处理领域，尤其涉及一种火灾识别模型识别准确率的确定方法、装置、设备及介质。

技术介绍

[0002]经济社会的发展使得城镇的各类建筑相继建起，而建筑物建起也带来了日益增多的安全隐患，密集的建筑空间内发生火灾的几率增加。由于室外、隧道等的空间范围大，火灾发生时产生的烟雾很难被烟雾传感器感知，难以及时发现起火位置，无法进行早期火灾检测和预警。故而针对众多难以确定是否存在火灾灾情的场景，现有技术通常采用预先构建的火灾识别模型进行识别检测。但现有技术中缺乏对火灾识别模型的识别准确率的确定方法。

技术实现思路

[0003]本申请实施例提供了一种火灾识别模型识别准确率的确定方法、装置、设备及介质，能够解决现有技术中缺乏对火灾识别模型的识别准确率确定方法的问题。
[0004]为了解决上述技术问题，本申请是这样实现的：
[0005]第一方面，本申请实施例提供了一种火灾识别模型识别准确率的确定方法，该方法包括：
[0006]获取预设区域的样本数据，其中，所述样本数据包括所述预设区域的图像数据和时间序列数据；
[0007]将所述图像数据输入第一模型，获取所述第一模型输出的特征图像数据，以及将所述时间序列数据输入第二模型中，获取所述第二模型输出的目标时间序列数据，所述火灾识别模型包括所述第一模型和所述第二模型；
[0008]将所述特征图像数据和所述目标时间序列数据进行激活处理和随机失活处理后输入所述第一模型，获取所述第一模型输出的第一数据；
[0009]基于所述第一数据，获取所述火灾识别模型的识别准确率。
[0010]可选地，所述图像数据包括如下至少一项：火灾图像和非火灾图像，其中，所述火灾图像包括如下至少一项：火焰图像和烟雾图像，所述非火灾图像包括如下至少一项：行人吸烟图像、周边地形图像、周边建筑图像；
[0011]所述时间序列数据包括如下至少一项：温度变化曲线、烟雾浓度曲线、二氧化碳浓度曲线、空气湿度变化曲线、照明变化曲线。
[0012]可选地，所述基于所述第一数据，获取所述火灾识别模型的识别准确率，包括：
[0013]基于所述样本数据，区分火灾样本和非火灾样本；
[0014]将所述第一数据与所述火灾样本和非火灾样本进行比对，获取所述火灾识别模型中火灾样本正确识别数量、非火灾样本正确识别数量、将非火灾样本识别为火灾样本的错误识别数量以及将火灾样本识别为非火灾样本错误识别数量；
[0015]基于所述火灾样本正确识别数量、所述非火灾样本正确识别数量、所述将非火灾样本识别为火灾样本的错误识别数量以及所述将火灾样本识别为非火灾样本的错误识别数量，确定所述火灾识别模型的识别准确率，所述识别准确率的公式如下：
[0016][0017]其中，ACC为所述火灾识别模型的识别准确率；
[0018]N
TF
为所述火灾样本正确识别数量；
[0019]N
TN
为所述非火灾样本正确识别数量；
[0020]N
FN
为所述将火灾样本识别为非火灾样本的错误识别数量；
[0021]N
FF
为所述将非火灾样本识别为火灾样本的错误识别数量。
[0022]可选地，还包括：
[0023]基于所述将火灾样本识别为非火灾样本的错误识别数量和所述火灾样本正确识别数量，获取所述火灾识别模型的漏报率，所述漏报率的公式如下：
[0024][0025]其中，FDR为所述火灾识别模型的漏报率；
[0026]可选地，还包括：
[0027]基于所述将非火灾样本识别为火灾样本的错误识别数量和所述非火灾样本正确识别数量，获取所述火灾识别模型的误报率，所述误报率公式如下：
[0028][0029]其中，FAR为所述火灾识别模型的误报率。
[0030]第二方面，本申请实施例提供了一种火灾识别模型识别准确率的确定装置，该装置包括：
[0031]样本获取模块，用于获取预设区域的样本数据，其中，所述样本数据包括所述预设区域的图像数据和时间序列数据；
[0032]第一处理模块，用于将所述图像数据输入第一模型，获取所述第一模型输出的特征图像数据，以及将所述时间序列数据输入第二模型中，获取所述第二模型输出的目标时间序列数据，所述火灾识别模型包括所述第一模型和所述第二模型；
[0033]第二处理模块，用于将所述特征图像数据和所述目标时间序列数据进行激活处理和随机失活处理后输入所述第一模型，获取所述第一模型输出的第一数据；
[0034]准确率确定模块，用于基于所述第一数据，获取所述火灾识别模型的识别准确率。
[0035]可选地，所述图像数据包括如下至少一项：火灾图像和非火灾图像，其中，所述火灾图像包括火焰图像和烟雾图像，所述非火灾图像包括行人吸烟图像、周边地形图像、周边建筑图像；
[0036]所述时间序列数据包括如下至少一项：温度变化曲线、烟雾浓度曲线、二氧化碳浓度曲线、空气湿度变化曲线、照明变化曲线。
[0037]可选地，所述准确率确定模块用于：
[0038]基于所述样本数据，区分火灾样本和非火灾样本；
[0039]将所述第一数据与所述火灾样本和非火灾样本进行比对，获取所述火灾识别模型中火灾样本正确识别数量、非火灾样本正确识别数量、将非火灾样本识别为火灾样本的错误识别数量以及将火灾样本识别为非火灾样本错误识别数量；
[0040]基于所述火灾样本正确识别数量、所述非火灾样本正确识别数量、所述将非火灾样本识别为火灾样本的错误识别数量以及所述将火灾样本识别为非火灾样本的错误识别数量，确定所述火灾识别模型的识别准确率，所述识别准确率的公式如下：
[0041][0042]其中，ACC为所述火灾识别模型的识别准确率；
[0043]N
TF
为所述火灾样本正确识别数量；
[0044]N
TN
为所述非火灾样本正确识别数量；
[0045]N
FN
为所述将火灾样本识别为非火灾样本的错误识别数量；
[0046]N
FF
为所述将非火灾样本识别为火灾样本的错误识别数量。
[0047]第三方面，本申请还提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的一种火灾识别模型识别准确率的确定方法的步骤。
[0048]第四方面，本申请还提供了一种计算机可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的一种火灾识别模型识别准确率的确定方法的步骤。
[0049]在本申请实施例中，通过获取预设区域的样本数据，将样本数据输入到第一模型和第二模型中，获取包括特征图像数据和目标时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火灾识别模型识别准确率的确定方法，其特征在于，包括：获取预设区域的样本数据，其中，所述样本数据包括所述预设区域的图像数据和时间序列数据；将所述图像数据输入第一模型，获取所述第一模型输出的特征图像数据，以及将所述时间序列数据输入第二模型中，获取所述第二模型输出的目标时间序列数据，所述火灾识别模型包括所述第一模型和所述第二模型；将所述特征图像数据和所述目标时间序列数据进行激活处理和随机失活处理后输入所述第一模型，获取所述第一模型输出的第一数据；基于所述第一数据，获取所述火灾识别模型的识别准确率。2.根据权利要求1所述的方法，其特征在于，所述图像数据包括如下至少一项：火灾图像和非火灾图像，其中，所述火灾图像包括如下至少一项：火焰图像和烟雾图像，所述非火灾图像包括如下至少一项：行人吸烟图像、周边地形图像、周边建筑图像；所述时间序列数据包括如下至少一项：温度变化曲线、烟雾浓度曲线、二氧化碳浓度曲线、空气湿度变化曲线、照明变化曲线。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一数据，获取所述火灾识别模型的识别准确率，包括：基于所述样本数据，区分火灾样本和非火灾样本；将所述第一数据与所述火灾样本和非火灾样本进行比对，获取所述火灾识别模型中火灾样本正确识别数量、非火灾样本正确识别数量、将非火灾样本识别为火灾样本的错误识别数量以及将火灾样本识别为非火灾样本错误识别数量；基于所述火灾样本正确识别数量、所述非火灾样本正确识别数量、所述将非火灾样本识别为火灾样本的错误识别数量以及所述将火灾样本识别为非火灾样本的错误识别数量，确定所述火灾识别模型的识别准确率，所述识别准确率的公式如下：其中，ACC为所述火灾识别模型的识别准确率；N
TF
为所述火灾样本正确识别数量；N
TN
为所述非火灾样本正确识别数量；N
FN
为所述将火灾样本识别为非火灾样本的错误识别数量；N
FF
为所述将非火灾样本识别为火灾样本的错误识别数量。4.根据权利要求3所述的方法，其特征在于，还包括：基于所述将火灾样本识别为非火灾样本的错误识别数量和所述火灾样本正确识别数量，获取所述火灾识别模型的漏报率，所述漏报率的公式如下：其中，FDR为所述火灾识别模型的漏报率。5.根据权利要求3所述的方法，其特征在于，还包括：基于所述将非火灾样本识别为火灾样本的错误识别数量和所述非火灾样本正确识别
数量，获取所述火灾识别模型的误报率，所述误报率公式如下：其中，...

【专利技术属性】
技术研发人员：胡威，何杰，张新，李娟，陈兰文，聂昌，于龙广睿，吴旭东，彭泽洋，杨萌，刘路刚，高峰，郭晓伟，剧梦婕，蒋琦，洪智，宋泽明，
申请(专利权)人：铁塔智联技术有限公司，
类型：发明
国别省市：