[发明专利]一种火灾识别方法和装置

说明书

本发明公开了一种火灾识别方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：从视频中获取连续帧的图像；采用经过训练的神经网络计算每帧图像的状态概率，从而得到初始状态序列；根据概率转移矩阵和所述初始状态序列，计算出联合概率最大的转移状态序列；其中，所述概率转移矩阵中的每个元素表示从前一帧图像到下一帧图像发生状态转移的概率，所述转移状态序列表示所述每帧图像经过状态转移后的状态概率；根据所述联合概率最大的转移状态序列判断是否有火灾风险。该实施方式能够解决普通摄像头识别火灾的准确度较低的技术问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种火灾识别方法和装置。

背景技术

目前，对火灾的识别主要依赖烟感设备，或者使用带有红外线装置的摄像头通过融合温度和图像的方式来对是否有火灾进行判断。但是烟感设备的缺点是只有在火势已经大到一定程度以后才能发现火情；带有红外装置的摄像头的缺点是设备需要定制化，并且与软件算法强绑定，通用性差，而且需要重新布置定制化的摄像头才能够使用这种技术，而不能复用已经存在的普通摄像头，导致改造成本过高。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

使用普通摄像头识别火灾的最大的问题是容易把红色或黄色的灯光识别成火光，导致识别的准确度较低。

发明内容

有鉴于此，本发明实施例提供一种火灾识别方法和装置，以解决普通摄像头识别火灾的准确度较低的技术问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种火灾识别方法，包括：

从视频中获取连续帧的图像；

采用经过训练的神经网络计算每帧图像的状态概率，从而得到初始状态序列；

根据概率转移矩阵和所述初始状态序列，计算出联合概率最大的转移状态序列；其中，所述概率转移矩阵中的每个元素表示从前一帧图像到下一帧图像发生状态转移的概率，所述转移状态序列表示所述每帧图像经过状态转移后的状态概率；

根据所述联合概率最大的转移状态序列判断是否有火灾风险。

可选地，所述状态概率包括有火光的概率、无火光的概率、有烟雾的概率和无烟雾的概率。

可选地，采用经过训练的神经网络计算每帧图像的状态概率，包括：

采用经过训练的卷积神经网络对每帧图像进行特征提取，得到每帧图像的特征向量；

将所述每帧图像的特征向量输入到经过训练的长短期记忆网络中，以输出所述每帧图像的状态概率。

可选地，从视频中获取连续帧的图像之前，还包括：

从多个样本视频中分别获取连续帧的样本图像，对每帧样本图像标记标签，所述标签包括是否有火光和是否有烟雾；

采用所述样本图像对卷积神经网络进行有监督训练；

采用所述样本图像对长短期记忆网络进行有监督训练，并进一步训练所述卷积神经网络，从而得到经过训练的卷积神经网络、经过训练的长短期记忆网络和概率转移矩阵。

可选地，根据概率转移矩阵和所述初始状态序列，计算出联合概率最大的转移状态序列，包括：

根据概率转移矩阵和所述初始状态序列，采用连乘积公式分别计算每个转移状态序列的联合概率，从而筛选出联合概率最大的转移状态序列。

可选地，根据概率转移矩阵和所述初始状态序列，采用连乘积公式分别计算每个转移状态序列的联合概率，从而筛选出联合概率最大的转移状态序列，包括：

将所述初始状态概率序列分为火光初始状态序列和烟雾初始状态序列；