基于深度神经网络的森林烟火智能检测方法及系统技术方案

本发明专利技术公开的属于森林烟火检测技术领域，具体为基于深度神经网络的森林烟火智能检测方法及系统，所述森林烟火智能检测方法包括以下步骤：S1：收集预设数量的森林烟火图像，对所述森林烟火图像预处理形成森林烟火样本图像，多个所述森林烟火样本图像形成森林烟火样本图像集，所述森林烟火样本图像集分为训练集和测试集；S2：采用深度神经网络模型对实时采集到的森林烟火图像信息执行前向计算，得到烟火区域及可靠度；当所述可靠度超过所设定的阈值后，则判断此处拍摄区域存在森林烟火，若是存在则直接进行报警处理，通知工作人员，降低了视频监控中干扰信息的影响，提高了检测的准确性，便于更好的对森林烟火进行智能检测。便于更好的对森林烟火进行智能检测。便于更好的对森林烟火进行智能检测。

【技术实现步骤摘要】
基于深度神经网络的森林烟火智能检测方法及系统


[0001]本专利技术涉及森林烟火检测领域，具体为基于深度神经网络的森林烟火智能检测方法及系统。

技术介绍

[0002]森林资源是一种非常重要的自然资源，每年因森林火灾造成的损失非常巨大，所以，森林火灾的预防非常重要。传统的森林火灾预防手段主要是基于人工巡视，这种方法具有时效性差、效率低下和成本高昂等缺点。为解决现有人工巡视手段预防森林火灾的问题，以计算机技术和光电传感器为基础的森林火灾预防的检测系统，能够对森林进行大范围、长时间、快速扫描监控火情，得到了大规模应用。随之而来，基于数字图像处理和数字视频处理的森林烟火自动检测定位技术，也得到了广泛应用，大大提高了森林烟火巡检预警效率和精度。
[0003]森林防火视频监控中通常会引入许多干扰信息，例如飞鸟、树枝晃动、蚊虫、监控云台晃动等，会在一定程度上对算法的精确性产生干扰；监控中场景通常也比较复杂，阴影、路面上的车辆以及晃动树梢等都容易引起误检。现有的森林烟火检测的准确性有待进一步提高，故本专利技术提供一种基于深度神经网络的森林烟火智能检测方法及系统。

技术实现思路

[0004]本专利技术的目的在于提供一种基于深度神经网络的森林烟火智能检测方法及系统，以解决上述
技术介绍
中提出的上述问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于深度神经网络的森林烟火智能检测方法，包括以下步骤：
[0006]S1：收集预设数量的森林烟火图像，对所述森林烟火图像预处理形成森林烟火样本图像，多个所述森林烟火样本图像形成森林烟火样本图像集，所述森林烟火样本图像集分为训练集和测试集；
[0007]S2：采用深度神经网络模型对实时采集到的森林烟火图像信息执行前向计算，得到烟火区域及可靠度；当所述可靠度超过所设定的阈值后，则判断此处拍摄区域存在森林烟火，若是存在则直接进行报警处理，通知工作人员，若是不存在则不做任何处理；
[0008]其中，对森林烟火样本图像集中的训练集的图像单帧进行特征提取，采用开源数据对神经网络模型进行训练，得到初始深度神经网络，通过所述训练集训练初始深度神经网络得到第N深度神经网络模型，将所述第N深度神经网络模型训练初始深度神经网络得到第N+1深度神经网络模型，构成深度神经网络模型。
[0009]优选的，将森林烟火样本图像集中的测试集的图像单帧进行特征提取导入所构成的深度神经网络模型，并执行前向计算，得到烟火区域及可靠度，所述森林烟火样本图像集中的测试集具有确定的森林烟火信息，当所得到的可靠度超过所设定的阈值，判断存在森林烟火后，或所得到的可靠度未超过所设定的阈值，判断不存在森林烟火后，通过与实际的
测试集中的森林烟火信息进行对比，确定是否准确，经过多次测试得到准确率，当准确率不低于设定的达标准确率后，使用此深度神经网络模型。
[0010]优选的，所述森林烟火样本图像中的烟火区域用坐标形式进行边界框标注，并将标注的边界框转化为量化信息。
[0011]优选的，所述森林烟火样本图像采集时覆盖各种场景，包括不同地形地貌、不同距离、不同光照、不同摄像机拍摄角度。
[0012]优选的，所述森林烟火图像预处理形成森林烟火样本图像的过程中，选取森林烟火图像的第一帧，进行自适应区域分割获取图像，并通过算法得到自适应分割阈值，透射率最高的部分将被认为是无效的检测区域，被划分为无效检测区域的部分，在后续的运动检测中将被屏蔽。
[0013]基于深度神经网络的森林烟火智能检测系统，包括：
[0014]收集模块：所述收集模块用于收集预设数量的森林烟火图像；
[0015]预处理模块：所述预处理模块用于对森林烟火图像预处理形成森林烟火样本图像；
[0016]深度神经网络模型模块：所述深度神经网络模型模块用于构建和训练深度神经网络模型；
[0017]检测模块：所述检测模块用于将视频监控设备采集到待识别森林烟火图像进行检测，判断是否出现森林烟火；
[0018]报警模块：当所述检测模块检测到出现森林烟火后，所述报警模块进行报警，通知工作人员。
[0019]与现有技术相比，本专利技术的有益效果是：
[0020]本专利技术中通过收集预设数量的森林烟火图像构成森林烟火样本图像集，采用深度神经网络模型对实时采集到的森林烟火图像信息执行前向计算，得到烟火区域及可靠度，按照设定的阈值，将可靠度与阈值进行对比，当可靠度超过所设定的阈值后，则判断此处拍摄区域存在森林烟火，报警处理，通知工作人员，降低了视频监控中干扰信息的影响，提高了检测的准确性，便于更好的对森林烟火进行智能检测。
附图说明
[0021]图1为本专利技术步骤流程图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]在本专利技术的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解
为指示或暗示相对重要性。
[0024]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0025]实施例：
[0026]请参阅图1，本专利技术提供一种技术方案：基于深度神经网络的森林烟火智能检测方法，包括以下步骤：
[0027]S1：收集预设数量的森林烟火图像，对所述森林烟火图像预处理形成森林烟火样本图像，多个所述森林烟火样本图像形成森林烟火样本图像集，所述森林烟火样本图像集分为训练集和测试集；
[0028]S2：采用深度神经网络模型对实时采集到的森林烟火图像信息执行前向计算，得到烟火区域及可靠度；当所述可靠度超过所设定的阈值后，则判断此处拍摄区域存在森林烟火，若是存在则直接进行报警处理，通知工作人员，若是不存在则不做任何处理；当报警后工作人员在限定时间内没有对此次报警进行响应，则对其它设定的用户进行报警，确定为火灾后，同时向相应消防单位发送火灾报警通知。通过无人机对确定的进行烟火区域进行拍摄，了解火场的面积大小、火灾蔓延速度和蔓延方向等。
[0029]其中，对森林烟火样本图像集中的训练集的图像单帧进行特征提取，采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度神经网络的森林烟火智能检测方法，其特征在于：包括以下步骤：S1：收集预设数量的森林烟火图像，对所述森林烟火图像预处理形成森林烟火样本图像，多个所述森林烟火样本图像形成森林烟火样本图像集，所述森林烟火样本图像集分为训练集和测试集；S2：采用深度神经网络模型对实时采集到的森林烟火图像信息执行前向计算，得到烟火区域及可靠度；当所述可靠度超过所设定的阈值后，则判断此处拍摄区域存在森林烟火，若是存在则直接进行报警处理，通知工作人员，若是不存在则不做任何处理；其中，对森林烟火样本图像集中的训练集的图像单帧进行特征提取，采用开源数据对神经网络模型进行训练，得到初始深度神经网络，通过所述训练集训练初始深度神经网络得到第N深度神经网络模型，将所述第N深度神经网络模型训练初始深度神经网络得到第N+1深度神经网络模型，构成深度神经网络模型。2.根据权利要求1所述的基于深度神经网络的森林烟火智能检测方法，其特征在于：将森林烟火样本图像集中的测试集的图像单帧进行特征提取导入所构成的深度神经网络模型，并执行前向计算，得到烟火区域及可靠度，所述森林烟火样本图像集中的测试集具有确定的森林烟火信息，当所得到的可靠度超过所设定的阈值，判断存在森林烟火后，或所得到的可靠度未超过所设定的阈值，判断不存在森林烟火后，通过与实际的测试集中的森林烟火信息进行对比，确定是否准确，经过多次测试得...

【专利技术属性】
技术研发人员：符祥，李钢，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：