一种火焰检测方法技术

本发明专利技术实施例提供了一种火焰检测方法

【技术实现步骤摘要】
一种火焰检测方法、火焰检测模型训练方法及装置


[0001]本专利技术涉及图像处理
，特别是涉及一种火焰检测方法
、
火焰检测模型训练方法及装置
。

技术介绍

[0002]相关技术中，在目标场景进行火灾检测时，采集目标场景的目标视频
。
由于发生火灾时，燃烧的火焰亮度较高
。
因此，针对目标视频中的每一视频帧，检测该视频帧中是否存在亮度较高的图像区域
。
如果检测到该视频帧中存在亮度较高的图像区域，计算相邻的视频帧中亮度较高的图像区域的相似度，由于火焰燃烧时形状会发生变化，在相邻的视频帧中亮度较高的图像区域的相似度较低时，则确定目标视频中存火焰区域
。
进而确定目标场景发生火灾
。
[0003]然而，视频火焰探测算法对于高光物体或者颜色相近的目标的抗干扰性较差，容易产生误报
。
例如，视频帧中的灯光区域的亮度也较高，且对于闪烁的灯光，相邻的视频帧中灯光区域的形状也会发生变化，基于相邻的视频帧中亮度较高的图像区域的相似度进行火焰检测，可能会将灯光区域识别为火焰区域
。
可见，相关技术中，进行火焰区域检测的准确性较低
。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种一种火焰检测方法
、
火焰检测模型训练方法及装置，以提高火焰检测的准确性
。
具体技术方案如下：
[0005]第一方面，为了达到上述目的，本专利技术实施例提供了一种火焰检测方法，所述方法包括：获取待检测图像；其中，所述待检测图像为基于待处理视频中检测到包含潜在火焰区域的视频帧得到的；从所述待处理视频中获取位于所述待检测图像之后的多个关联图像；按照各关联图像在所述待处理视频中的先后顺序，依次计算每一关联图像与所述待检测图像的相似度，得到所述待检测图像对应的相似度序列；将所述待检测图像对应的相似度序列输入至预先训练的第一火焰检测模型，得到表示所述待检测图像中的潜在火焰区域的类型标签为预设的各类型标签的概率；其中，所述第一火焰检测模型为基于第一样本图像对应的相似度序列，以及第一样本图像的目标类型标签进行训练得到的；如果预设的各类型中的火焰类型标签对应的概率最大，确定所述待检测图像中包含目标火焰区域
。
[0006]可选的，所述获取待检测图像，包括：获取待处理视频；针对所述待处理视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到待检测图像；其中，所述第二火焰检测模型为基于包含火焰区域的第二样本图像，以及火焰区域在所述第二样本图像中的位置训练得到的；
[0007]所述从所述待处理视频中获取位于所述待检测图像之后的多个关联图像，包括：确定所述待处理视频中位于所述待检测图像所属视频帧之后的，且连续的多个视频帧；从该连续的多个视频帧中，提取与所述待检测图像相同位置的图像区域，得到所述待检测图
像的多个关联图像
。
[0008]可选的，所述针对所述待处理视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到待检测图像，包括：针对所述待处理视频中的每一视频帧，基于第二火焰检测模型对该视频帧进行检测，得到该视频帧中的潜在火焰区域；按照预设的宽高调整参数，对该视频帧中的潜在火焰区域的进行边界外扩，得到调整后的潜在火焰区域，作为待检测图像
。
[0009]第二方面，为了达到上述目的，本专利技术实施例提供了一种火焰检测模型训练方法，用于生成上述第一方面任一所述的第一火焰检测模型，所述方法包括：获取第一样本图像和预设的所述第一样本图像的目标类型标签；其中，所述第一样本图像为基于样本视频中检测到包含潜在火焰区域的视频帧得到的；所述目标类型标签为：表示所述第一样本图像中包含火焰区域的类型标签，或者，表示所述第一样本图像中不包含火焰区域的类型标签；从所述样本视频中获取位于所述第一样本图像之后的多个关联图像；按照各关联图像在所述样本视频中的先后顺序，依次计算每一关联图像与所述第一样本图像的相似度，得到所述第一样本图像对应的相似度序列；将所述第一样本图像对应的相似度序列输入至初始结构的第一火焰检测模型，得到所述第一样本图像中的潜在火焰区域的预测类型标签；基于所述第一样本图像的目标类型标签，以及所述第一样本图像中的潜在火焰区域的预测类型标签，对所述初始结构的第一火焰检测模型的模型参数进行调整，得到训练好的第一火焰检测模型
。
[0010]可选的，所述获取第一样本图像和预设的所述第一样本图像的目标类型标签，包括：获取样本视频；针对所述样本视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到第一样本图像；其中，所述第二火焰检测模型为基于包含火焰区域的第二样本图像，以及火焰区域在第二样本图像中的位置训练得到的；获取预设的所述第一样本图像的目标类型标签；
[0011]所述从所述样本视频中获取位于所述第一样本图像之后的多个关联图像，包括：针对每一第一样本图像，从所述样本视频中，确定位于该第一样本图像所属视频帧之后的，且连续的多个视频帧；从该连续的多个视频帧中，提取与该第一样本图像相同位置的图像区域，得到该第一样本图像的多个关联图像
。
[0012]可选的，所述针对所述样本视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到第一样本图像，包括：针对所述样本视频中的每一视频帧，基于第二火焰检测模型对该视频帧进行检测，得到该视频帧中的潜在火焰区域；按照预设的宽高调整参数，对该视频帧中的潜在火焰区域的进行边界外扩，得到调整后的潜在火焰区域，作为第一样本图像
。
[0013]可选的，在所述获取预设的所述第一样本图像的目标类型标签之后，所述方法还包括：将目标类型标签相同的第一样本图像划分为一个图像组；将属于同一图像组的第一样本图像，以及第一样本图像的关联图像存储至对应的指定存储位置；
[0014]在所述按照各关联图像在所述样本视频中的先后顺序，依次计算每一关联图像与所述第一样本图像的相似度，得到所述第一样本图像对应的相似度序列之前，所述方法还包括：从所述指定存储位置获取所述第一样本图像，以及所述第一样本图像的关联图像
。
[0015]可选的，所述第一火焰检测模型为多层感知机；
[0016]所述将所述第一样本图像对应的相似度序列输入至初始结构的第一火焰检测模型，得到表示所述第一样本图像是否包含火焰区域的预测类型标签，包括：将所述第一样本图像对应的相似度序列输入至初始结构的第一火焰检测模型的第一隐层，得到所述第一隐层输出的所述第一样本图像的第一时域特征；将所述第一样本图像的第一时域特征输入至所述初始结构的第一火焰检测模型的第二隐层，得到所述第二隐层输出的所述第一样本图像的第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种火焰检测方法，其特征在于，所述方法包括：获取待检测图像；其中，所述待检测图像为基于待处理视频中检测到包含潜在火焰区域的视频帧得到的；从所述待处理视频中获取位于所述待检测图像之后的多个关联图像；按照各关联图像在所述待处理视频中的先后顺序，依次计算每一关联图像与所述待检测图像的相似度，得到所述待检测图像对应的相似度序列；将所述待检测图像对应的相似度序列输入至预先训练的第一火焰检测模型，得到表示所述待检测图像中的潜在火焰区域的类型标签为预设的各类型标签的概率；其中，所述第一火焰检测模型为基于第一样本图像对应的相似度序列，以及第一样本图像的目标类型标签进行训练得到的；如果预设的各类型中的火焰类型标签对应的概率最大，确定所述待检测图像中包含目标火焰区域
。2.
根据权利要求1所述的方法，其特征在于，所述获取待检测图像，包括：获取待处理视频；针对所述待处理视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到待检测图像；其中，所述第二火焰检测模型为基于包含火焰区域的第二样本图像，以及火焰区域在所述第二样本图像中的位置训练得到的；所述从所述待处理视频中获取位于所述待检测图像之后的多个关联图像，包括：确定所述待处理视频中位于所述待检测图像所属视频帧之后的，且连续的多个视频帧；从该连续的多个视频帧中，提取与所述待检测图像相同位置的图像区域，得到所述待检测图像的多个关联图像
。3.
根据权利要求2所述的方法，其特征在于，所述针对所述待处理视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到待检测图像，包括：针对所述待处理视频中的每一视频帧，基于第二火焰检测模型对该视频帧进行检测，得到该视频帧中的潜在火焰区域；按照预设的宽高调整参数，对该视频帧中的潜在火焰区域的进行边界外扩，得到调整后的潜在火焰区域，作为待检测图像
。4.
一种火焰检测模型训练方法，其特征在于，用于生成权利要求1至3任一项所述的第一火焰检测模型，所述方法包括：获取第一样本图像和预设的所述第一样本图像的目标类型标签；其中，所述第一样本图像为基于样本视频中检测到包含潜在火焰区域的视频帧得到的；所述目标类型标签为：表示所述第一样本图像中包含火焰区域的类型标签，或者，表示所述第一样本图像中不包含火焰区域的类型标签；从所述样本视频中获取位于所述第一样本图像之后的多个关联图像；按照各关联图像在所述样本视频中的先后顺序，依次计算每一关联图像与所述第一样本图像的相似度，得到所述第一样本图像对应的相似度序列；
将所述第一样本图像对应的相似度序列输入至初始结构的第一火焰检测模型，得到所述第一样本图像中的潜在火焰区域的预测类型标签；基于所述第一样本图像的目标类型标签，以及所述第一样本图像中的潜在火焰区域的预测类型标签，对所述初始结构的第一火焰检测模型的模型参数进行调整，得到训练好的第一火焰检测模型
。5.
根据权利要求4所述的方法，其特征在于，所述获取第一样本图像和预设的所述第一样本图像的目标类型标签，包括：获取样本视频；针对所述样本视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到第一样本图像；其中，所述第二火焰检测模型为基于包含火焰区域的第二样本图像，以及火焰区域在第二样本图像中的位置训练得到的；获取预设的所述第一样本图像的目标类型标签；所述从所述样本视频中获取位于所述第一样本图像之后的多个关联图像，包括：针对每一第一样本图像，从所述样本视频中，确定位于该第一样本图像所属视频帧之后的，且连续的多个视频帧；从该连续的多个视频帧中，提取与该第一样本图像相同位置的图像区域，得到该第一样本图像的多个关联图像
。6.
根据权利要求5所述的方法，其特征在于，所述针对所述样本视频中的每一视频帧，如果基于第二火焰检测模型检测到该视频帧中存在潜在火焰区域，基于该视频帧中的潜在火焰区域，得到第一样本图像，包括：针对所述样本视频中的每一视频帧，基于第二火焰检测模型对该视频帧进行检测，得到该视频帧中的潜在火焰区域；按照预设的宽高调整参数，对该视频帧中的潜在火焰区域的进行边界外扩，得到调整后的潜在火焰区域，作为第一样本图像
。7.
根据权利要求5所述的方法，其特征在于，在所述获取预设的所述第一样本图像的目标类型标签之后，所述方法还包括：将目标类型标签相同的第一样本图像划分为一个图像组；将属于同一图像组的第一样本图像，以及第一样本图像的关联图像存储至对应的指定存储位置；在所述按照各关联图像在所述样本视频中的先后顺序，依次计算每一关联图像与所述第一样本图像的相似度，得到所述第一样本图像对应的相似度序列之前，所述方法还包括：从所述指定存储位置获取所述第一样本图像，以及所述第一样本图像的关联图像
。8.
根据权利要求4所述的方法，其特征在于，所述第一火焰检测模型为多层感知机；所述将所述第一样本图像对应的相似度序列输入至初始结构的第一火焰检测模型，得到表示所述第一样本图像是否包含火焰区域的预测类型标签，包括：将所述第一样本图像对应的相似度序列输入至初始结构的第一火焰检测模型的第一隐层，得到所述第一隐层输出的所述第一样本图像的第一时域特征；将所述第一样本图像的第一时域特征输入至所述初始结构的第一火焰检测模型的第
二隐层，得到所述第二隐层输出的所述第一样本图像的第二时域特征；将所述第一样本图像的第二时域特征输入至所述初始结构的第一火焰检测模型的输出层，得到所述第一样本图像中的潜在火焰区域的类型标签为预设的各类型标签的概率；从预设的各类型标签中，确定对应的概率最大的类型标签，作为所述第一样本图像中的潜在火焰区域的预测类型标签
。9.
根据权利要求4所述的方法，其特征在于，所述按照各关联图像在所述样本视频中的先后顺序，依次计算每一关联图像与所述第一样本图像的相似度，得到所述第一样本图像对应的相似度序列，包括：将所述第一样本图像输入至预先训练的特征提取模型，得到表示所述第一样本图像的图像特征的样本特征向量；针对每一关联图像，将该关联图像输入至所述特征提取模型，得到表示该关联图像的图像特征的关联特征向量；按照各关联图像在所述样本视频中的先后顺序，依次计算每一关联图像的关联特征向量与所述样本特征向量的相似度，得到所述第一样本图像对应的相似度序列
。10.
根据权利要求4所述的方法，其特征在于，所述基于所述第一样本图像的目标类型标签，以及所述第一样本图像中的潜在火焰区域的预测类型标签，对所述初始结构的第一火焰检测模型的模型参数进行调整，得到训练好的第一火焰检测模型，包括：基于所述第一样本图像的目标类型标签，以及所述第一样本图像中的潜在火焰区域的预测类型标签，计算预设的损失函数的函数值；其中，所述损失函数的函数值表示所述目标类型标签与所述预测类型标签之间的差异；基于计算得到的损失函数的函数值，对所述初始结构的第一火焰检测模型的模型参数进行调整，直至达到预设的收敛条件，得到训练好的第一火焰检测模型
。11.
一种火焰检测装置，其特征在于，所述装置包括：待检测图像获取模块，用于获取待检测图像；其中，所述待检测图像为基于待处理视频中检测到包含潜在火焰区域的视频帧得到的；关联图像获取模块，用于从所述待处理视频中获取位于所述待检测图像之后的多个关联图像；相似度序列确定模块，用于按照各关联...

【专利技术属性】
技术研发人员：李诚，沈西，杨再初，周晓，
申请(专利权)人：合肥英特灵达信息技术有限公司，
类型：发明
国别省市：