[发明专利]一种社区监控场景下烟火检测方法

权利要求书

1.一种社区监控场景下烟火检测方法，其特征在于：包括以下步骤：

步骤1：获得社区监控场景下的烟火视频流，解码获得烟火图像；

步骤2：将部分烟火图像输入生成对抗网络GAN中，生成大量社区环境下的烟火图像；对烟火图像标注烟火添加标签制作数据集，为后续检测模型有监督训练提供数据基础；

步骤3：对数据集做PCA白化预处理，减少图像的冗余信息，降低图像像素之间的关联强度；

步骤4：将处理后的数据集输入烟火检测网络模型SFD-CNN中进行训练学习，直至得到最后参数；

步骤5：利用训练好的SFD-CNN模型对待识别图形进行检测，是否有烟火迹象；并将结果传给终端做进一步处理；

步骤6：采用GPU调度策略进行GPU调度；

步骤7：安装红外线烟火探测仪检测烟火迹象。

2.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤1中，还包括在社区各处安装高清摄像头或者视频采集装置，选择需要监测的区域，获取该区域下所有的烟火视频流，并进行解码得到烟火图像集。

3.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤2中，还包括烟火检测网络模型属于有监督训练，根据对步骤1中采集的稀少烟火图像，利用生成对抗网络GAN生成社区环境下烟火图像集，并对其进行区域标注，标注工具使用LabelImg，并添加smog、fire标签，为后续检测模型有监督训练提供数据基础；其中LabelImg是一个可视化的图像标定工具；其中生成对抗网络GAN具体包括：使用采集的部分烟火图像对生成器进行训练，产生越来越多的模拟烟火图像；并将图像作为输入对鉴别器进行训练，并预测图像是来自训练集还是由生成器网络创建，直到鉴别器对生成器产生的图像不再区分；此时利用生成器生成大量烟火图像以供烟火检测模型训练学习。

4.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤3中，还包括为进一步提高检测模型的检测精度，对输入图像做白化预处理操作，降低输入图像的冗余性，削弱图像像素之间的强相关性；白化分为PCA白化和ZCA白化，根据图像特点与检测需求采用PCA白化对图像进行预处理操作；PCA白化分为两步：PCA进行数据降维，白化进行数据方差处理；具体操作：通过协方差矩阵对图像高纬特征向量做投影操作，得到新的低维向量；然后针对每一维的特征向量做标准差归一化处理。

5.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤4中，所述烟火检测网络模型SFD-CNN的网络结构：第1，2层均包含conv、pool、norm，3、4层用了相同的conv，然后接连conv5、pool5，第6层是fc，使用softmax对结果进行二分类处理；训练过程：首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到所述网络以预设的效率达到最优的检测效果。

6.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤5中，还包括利用训练好的SFD-CNN模型对待识别图形进行检测，是否有烟火迹象；并将结果传给安保端做进一步处理。

7.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤6中，还包括实时监控GPU处理集群中的GPU使用情况，采取适当的调度策略对GPU进行实时调度。

8.根据权利要求1所述的社区监控场景下烟火检测方法，其特征在于：在所述步骤7中，还包括烟火以红外线的方式辐射。