[发明专利]一种基于深度学习模型的火焰识别方法

说明书

本发明涉及一种基于深度学习模型的火焰识别方法，其包括(1)采集视频信息，读取每一帧图像，接着进行高斯滤波得到滤波后的鱼眼图像；(2)校正鱼眼图像内部参数；(3)校正鱼眼图像外部参数；(4)构建球面模型，将校正后的鱼眼图像投影到球面模型上，然后去除投影在球面模型上的重复区域，形成球面图像；(5)通过去烟雾模型去除球面图像中烟雾对火焰部分识别的干扰信息；(6)获取球面图像上动态区域；(7)将动态区域部分生成透视图像；(8)正规化透视图像，将透视图像作为已训练七层架构卷积神经网络的输入，识别动态区域是否为火焰，若动态区域为火焰，则进入步骤(9)，否则结束本次操作；(9)显示识别结果并产生报警信息。

技术领域

本发明属于通信领域，具体涉及一种基于深度学习模型的火焰识别方法。

背景技术

随着我国工业化与城镇水平的不断提高，现代设施大型公共建筑朝着空间大、进深广功能复杂的多元化方向发展，这对于防烟火朝着空间大、进深广功能复杂的多元化方向发展，也对于防烟、防火以及消防安全系统的可靠、稳定、高精度设计与运行提出了更高的要求。

目前，通过信息领域的相关技术有效提升消防安全对于现场感知能力，有效提升消防安全对于火灾现场预警处置的快速性、准确性水平是安全工程领域的一项重要研究问题。

目前，陈文辉等设计了一款基于火灾烟雾图像模糊特性的地铁列车火灾探测报警系统,该方法采用图像空域微分法检测火灾的发生。李世玮等采用红外滤光片过滤后得到过滤图像实现火焰目标提取。王文豪等通过图像分割、图像增强、特征提取等步骤进行火焰识别。王祖龙等分析火焰的动态特征和静态特征包括边缘抖动、面积变化和形状、颜色、文理等。但是，上述火焰识别系统的设计系统存在以下一些共同的问题：

(1)传统的方法误检或漏检的概率比较高；

(2)考虑现场动态区域是否存在火焰特征，算法的复杂度高；

(3)检测的区域，可能不是火焰，或是与火焰的纹理特征比较相像，则很可能出现误检的情况；

(4)可观察的火灾范围视野小。

发明内容

发明目的：本发明针对上述现有技术存在的问题做出改进，即本发明公开了一种基于深度学习模型的火焰识别方法。

技术方案：一种基于深度学习模型的火焰识别方法，包括以下步骤：

(1)通过背对背的两台鱼眼相机采集视频信息，然后读取采集的视频信息每一帧图像，接着将获取的鱼眼图像进行高斯滤波，得到滤波后的鱼眼图像；

(2)校正步骤(1)得到鱼眼图像的内部参数，然后进入步骤(3)，内部参数包括切向误差、径向误差和光心误差；

(3)校正鱼眼图像的外部参数，进入步骤(4)；

(4)构建球面模型，将步骤(3)校正后的鱼眼图像投影到球面模型上，然后去除投影在球面模型上的重复区域，形成球面图像，然后进入步骤(5)；

(5)通过去烟雾模型去除步骤(4)得到的球面图像中烟雾对火焰部分识别的干扰信息，然后进入步骤(6)；

(6)采用改进Codebook方法获取球面图像上动态区域，然后进入步骤(7)；

(7)将步骤(6)获取的动态区域部分生成透视图像；

(8)正规化步骤(7)得到的透视图像，将透视图像作为已训练七层架构卷积神经网络的输入，识别动态区域是否为火焰，若动态区域为火焰，则进入步骤(9)，否则结束本次操作；

(9)将识别结果传输到下位机，在下位机显示识别结果并产生报警信息。