[发明专利]基于神经网络与图像识别技术的火灾探测方法及系统

说明书

本发明涉及一种基于神经网络与图像识别技术的火灾探测方法，包括以下步骤：步骤S1:获取火灾探测传感器的传感器信息，并进行归一化处理；步骤S2:将归一化后的传感器信息输入BP神经网络进行融合，得到火情概率；步骤S3:根据现场图像，采用图像识别模型进行明火识别，识别到火焰则输出为1，否则为0；步骤S4:根据BP神经网络得到火情概率和图像识别模型的识别结果，进行火情判断，得到最终的火情判断情况。本发明能够有效的对探测区域的火情进行判定，其判定过程智能，判定结果准确率高。

技术领域

本发明涉及火灾探测技术领域，具体涉及一种基于神经网络与图像识别技术的火灾探测方法及系统。

背景技术

智能消防系统应该具备在火灾发生的初期能够自动报警的功能，并且可以在火灾发生时具有自动灭火和火警广播等功能。对于智能消防系统来说，最关键的问题就是火灾判断的问题，即得到一种既快速又准确有效的火灾探测系统。将数据融合算法应用在火灾探测中，不仅对减少火灾的危害，维护人们的财产和生命安全有着重大的意义，同时也为智能型的消防系统的设计提供了一定的科学依据。用数据融合技术的火灾探测方法是具有一定的发展前景的，是未来火灾探测领域发展的趋势。目前关于数据融合技术在火灾探测上的研究，主要针对神经网络。但由于神经网络系统有时输出的火情概率情况接近，很难对其进行火情判定。

发明内容

有鉴于此，本发明的目的在于提供一种基于神经网络与图像识别技术的火灾探测方法及系统，能够有效的对探测区域的火情进行判定，其判定过程智能，判定结果准确率高。

为实现上述目的，本发明采用如下技术方案：

一种基于神经网络与图像识别技术的火灾探测方法，包括以下步骤：

步骤S1:获取火灾探测传感器的传感器信息，并进行归一化处理；

步骤S2:将归一化后的传感器信息输入BP神经网络进行融合，得到火情概率；

步骤S3:根据现场图像，采用图像识别模型进行明火识别，识别到火焰则输出为1，否则为0；

步骤S4:根据BP神经网络得到火情概率和图像识别模型的识别结果，进行火情判断，得到最终的火情判断情况。

进一步的，所述火灾探测传感器包括温度传感器、烟雾传感器和CO传感器。

进一步的，所述火情概率包括明火概率，阴燃火概率以及无火概率。

进一步的，所述BP神经网络模型分为输入层，隐藏层以及输出层；所述输入层包括三个输入节点，分别为温度，烟雾，一氧化碳传感器归一化数值，隐藏层包括N个节点，N的值可以通过训练获得，输出层包括明火概率，阴燃概率以及无火概率三个节点；并通过使用特征传感器数值以及获得的相对应的火情概率，训练出该BP神经网络不同层之间的连接权值；

进一步的，所述步骤S4具体为：根据BP神经网络得到火情概率和图像识别模型的识别结果进行火情判别；

正常情况下，根据BP神经网络得到火情概率进行火情判断，

若出现下列情况，有火概率和无火概率接近，且概率都在0.4-0.5左右；明火概率与阴燃火概率接近，且概率都在0.4-0.5左右；则辅助图像识别模型的识别结果进行火情判断。

一种基于神经网络与图像识别技术的火灾探测系统，包括温度传感器、烟雾传感器、CO传感器、图像传感器、信号处理单元、图像数据处理单元、和火情判断单元；所述信号处理单元与温度传感器、烟雾传感器、CO传感器分别连接；所述图像传感器与图像数据处理单元连接；所述火情判断单元与信号处理单元、图像数据处理单元分别连接。

本发明与现有技术相比具有以下有益效果：

本发明能够有效的对探测区域的火情进行判定，其判定过程智能，判定结果准确率高。