[发明专利]一种防火门状态的识别方法、装置、电子设备及存储介质

权利要求书

1.一种防火门状态的识别方法，其特征在于，所述方法包括：

获取针对防火门采集的图像；

将所述图像输入预先建立的深度学习模型进行卷积滤波处理，得到所述防火门的状态信息；其中，所述深度学习模型为基于预设训练集进行训练得到的，所述预设训练集包括图像样本，以及所述图像样本对应的防火门的状态信息；

基于所述状态信息确定所述防火门的状态。

2.如权利要求1所述的方法，其特征在于，当确定所述防火门的状态为异常状态时，所述方法还包括：

输出报警信息。

3.如权利要求1所述的方法，其特征在于，所述获取针对防火门采集的图像的步骤，包括：

获取针对防火门采集的监控视频，并从所述监控视频中提取图像帧；

将所述图像帧的分辨率调整为预设分辨率，得到针对所述防火门采集的图像。

4.如权利要求1所述的方法，其特征在于，所述状态信息为所述防火门处于预设状态的概率；

所述基于所述状态信息确定所述防火门的状态的步骤，包括：

根据所述防火门处于预设状态的概率及预设阈值，确定所述防火门的状态。

5.如权利要求1-4任一项所述的方法，其特征在于，所述深度学习模型的训练方式，包括：

获取初始网络模型及多个图像样本；

标记每个图像样本中防火门的状态信息，得到每个图像样本的标定标签；

将所述图像样本输入所述初始网络模型进行卷积滤波处理，得到预测标签；

基于所述预测标签及其对应的图像样本的标定标签的差异，调整所述初始网络模型的网络参数，直到所述初始网络模型的收敛，停止训练，得到所述深度学习模型。

6.一种防火门状态的识别装置，其特征在于，所述装置包括：

图像获取模块，用于获取针对防火门采集的图像；

状态信息确定模块，用于将所述图像输入预先建立的深度学习模型进行卷积滤波处理，得到所述防火门的状态信息；其中，所述深度学习模型为模型训练模块基于预设训练集进行训练得到的，所述预设训练集包括图像样本，以及所述图像样本对应的防火门的状态信息；

防火门状态确定模块，用于基于所述状态信息确定所述防火门的状态。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

报警信息输出模块，用于当确定所述防火门的状态为异常状态时，输出报警信息。

8.如权利要求6所述的装置，其特征在于，所述图像获取模块包括：

图像提取子模块，用于获取针对防火门采集的监控视频，并从所述监控视频中提取图像帧；

图像获取子模块，用于将所述图像帧的分辨率调整为预设分辨率，得到针对所述防火门采集的图像。

9.如权利要求6所述的装置，其特征在于，所述状态信息为所述防火门处于预设状态的概率；

所述防火门状态确定模块包括：

防火门的状态确定子模块，用于根据所述防火门处于预设状态的概率及预设阈值，确定所述防火门的状态。

10.如权利要求6-9任一项所述的装置，其特征在于，所述模型训练模块包括：

图像样本获取子模块，用于获取初始网络模型及多个图像样本；

标定标签确定子模块，用于标记每个图像样本中防火门的状态信息，得到每个图像样本的标定标签；

预测标签确定子模块，用于将所述图像样本输入所述初始网络模型进行卷积滤波处理，得到预测标签；

模型训练子模块，用于基于所述预测标签及其对应的图像样本的标定标签的差异，调整所述初始网络模型的网络参数，直到所述初始网络模型的收敛，停止训练，得到所述深度学习模型。