险情识别方法、设备、介质和程序产品技术

本公开涉及计算机技术领域，尤其是提供一种险情识别方法、设备、介质和程序产品，险情识别方法包括：接收图像采集设备发送的当前视频流，将当前视频流中的待处理图像帧输入预先训练的险情识别模型中的首个险情识别网络组，得到特征图像和识别概率值；在识别概率值小于或者等于预设阈值的情况下，将与第一险情识别网络组相邻的第二险情识别网络组，确定为更新后的首个险情识别网络组；重复上述过程，直至遍历险情识别模型中的每个险情识别网络组，得到当前的险情识别结果。本公开可以提升险情识别效率和实时性。

【技术实现步骤摘要】

本公开涉及计算机，尤其涉及一种险情识别方法、设备、介质和程序产品。

技术介绍

1、在日常生活中，常有火灾、洪涝或者交通事故等险情出现，为了防止险情对生命和财产造成的损害，通常会在险情频发地区设备图像采集设备，通过图像采集设备采集的视频或者图像画面判定是否发生险情。

2、相关技术中，可以基于险情识别技术和深度学习技术，预先训练的神经网络模型，并通过将实时采集的现场画面提供给神经网络模型，以判断当前是否发生险情。

3、但是，由于深度学习模型通常模型结构复杂，基于深度学习模型识别险情时不仅需要大量的资源消耗，也会导致识别效率低下，影响险情识别的实时性和可靠性。

技术实现思路

1、鉴于上述问题而提出了本公开。本公开提供了一种险情识别方法、设备、介质和程序产品，可以提升险情识别效率。

2、根据本公开的一个方面，提供了一种险情识别方法，所述方法应用于险情识别设备中，包括：

3、接收图像采集设备发送的当前视频流，其中，所述当前视频流包括多个待处理图像帧；</p>

4、将所本文档来自技高网...

【技术保护点】

1.一种险情识别方法，其特征在于，所述方法应用于险情识别设备中，包括：

2.如权利要求1所述的险情识别方法，其特征在于，所述险情识别模型是基于SqueezeNet网络构建的，所述险情识别网络为Fire Module网络，

3.如权利要求1所述的险情识别方法，其特征在于，所述将所述特征图像输入与所述Fire Module网络相邻的门限网络，得到识别概率值，包括：

4.如权利要求1所述的险情识别方法，其特征在于，所述方法还包括：

5.如权利要求1所述的险情识别方法，其特征在于，所述方法还包括：

6.如权利要求1所述的险情识别方法，其...

【技术特征摘要】

1.一种险情识别方法，其特征在于，所述方法应用于险情识别设备中，包括：

2.如权利要求1所述的险情识别方法，其特征在于，所述险情识别模型是基于squeezenet网络构建的，所述险情识别网络为fire module网络，

3.如权利要求1所述的险情识别方法，其特征在于，所述将所述特征图像输入与所述fire module网络相邻的门限网络，得到识别概率值，包括：

4.如权利要求1所述的险情识别方法，其特征在于，所述方法还包括：

5.如权利要求1所述的险情识别方法，其特征在于，所述方法还包括：

6.如权利要求1所述的险情识别方法，其特征在于，所...

【专利技术属性】
技术研发人员：吕沂松，谭武功，董其秀，吴光勤，郎森，
申请(专利权)人：中移物联网有限公司，
类型：发明
国别省市：