[发明专利]一种火源目标的识别方法和装置

说明书

本发明涉及一种火源目标的识别方法和装置，涉及图像检测技术领域。其中，本发明的火源目标识别方法基于Faster RCNN算法进行火源目标识别，包括：将待测图像输入特征提取网络，以得到所述待测图像的特征图；将所述特征图输入候选区域生成网络，以得到候选框，然后将所述候选框映射至所述特征图上，以得到感兴趣区ROI；基于最小外接矩形算法对所述ROI进行处理，以得到固定尺寸的候选特征图；将所述候选特征图输入分类与回归网络，以预测所述候选特征图是否包括火源目标，并对所述候选框进行位置调整。通过以上步骤，能够解决现有火源目标识别方法存在的检测速度慢、检测精度低、鲁棒性差的问题。

技术领域

本发明涉及图像检测技术领域，尤其涉及一种火源目标的识别方法和装置。

背景技术

目标识别是指一个特殊目标(或一种类型的目标)从其它目标(或其它类型的目标)中被区分出来的过程。在消防领域，对图像进行火源目标识别，准确定位火源目标所在位置，便于后续跟踪、分析火灾情况。

目前，对于火源目标的图像识别主要是根据火源目标所具有的特性，比如色谱特性、可见光和红外辐射特性、蔓延趋势情况等，来区分出火源或烟雾区。在现有技术中，主要包括以下两种火源目标检测方法：一是基于BP神经网络对人工选取的图像颜色特征、纹理特征和形状特征进行分析，以识别火源目标；另一种是先对图像进行分割，然后基于火源目标特性从图像中识别出火灾区域。

本发明的发明人发现：第一种方法对人工选取的特征具有较强的依赖性，识别效果受人工选取的特征的影响较大；第二种方法虽然能识别出火源目标，但是存在处理时间长、复杂度高、鲁棒性差等问题。

因此，针对以上不足，需要提供一种新的火源目标识别方法和装置。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是解决现有火源目标识别方法存在的检测速度慢、检测精度低、鲁棒性差的问题。

(二)技术方案

为了解决上述技术问题，一方面，本发明提供了一种火源目标识别方法。

本发明的火源目标识别方法基于Faster RCNN算法进行火源目标识别，包括：将待测图像输入特征提取网络，以得到所述待测图像的特征图；将所述特征图输入候选区域生成网络，以得到候选框，然后将所述候选框映射至所述特征图上，以得到感兴趣区ROI；基于最小外接矩形算法对所述ROI进行处理，以得到固定尺寸的候选特征图；将所述候选特征图输入分类与回归网络，以预测所述候选特征图是否包括火源目标，并对所述候选框进行位置调整。

可选地，所述方法还包括：在执行所述将待测图像输入特征提取网络的步骤之前，对采集的彩色图像进行灰度处理，以得到所述待测图像。

可选地，所述特征提取网络采用VGG16网络结构的一部分，包括：第一至第五卷积单元；其中，第一、二卷积单元各自包括两个卷积层；第三、四、五卷积单元各自包括三个卷积层；以及，在每个卷积层后设置的非线性单元和在相邻两个卷积单元之间设置的池化层。

可选地，所述非线性单元采用Leaky ReLu函数，其表达式为：

其中，x为非线性单元的输入，f(x)为非线性单元的输出，α为常系数。

为了解决上述技术问题，另一方面，本发明还提供了一种火源目标识别装置。