[发明专利]一种基于人工智能和双目视觉的火灾识别方法及系统

说明书

本发明涉及一种基于人工智能和双目视觉的火灾识别方法及系统，方法包括：1)获取待测区域的待测双目图像；2)利用目标检测网络模型判断待测双目图像中是否存在火焰，若是则输出火焰区域图像，否则执行步骤1)；3)对火焰区域图像进行三维空间定位，获得火焰区域图像的三维信息；4)计算红外测温传感器的最佳视场角；5)控制红外测温传感器以最佳视场角对火焰区域进行测温，获得火焰区域的温度测量值；6)判断温度测量值是否超过设定值，若是则判定火焰区域发生火灾，否则判定火焰区域未发生火灾，执行步骤1)。与现有技术相比，本发明准确性好，可靠性高，安全性高，适用范围广，布设和维护成本低，提供火焰定位，提高了灭火效率。

技术领域

本发明涉及人工智能机器视觉领域，尤其是涉及一种基于人工智能和双目视觉的火灾识别方法及系统。

背景技术

当火灾发生时，如果能够及时发现并报警，就能最大程度的减少损失。现有的火灾检测方法主要包括传感器检测法和图像检测法。

传感器检测法主要利用传感器对检测区域进行温度监测，但是传感器的安装过程以及探测范围均受到空间制约，进行室内检测时，需要多点、全范围布置传感器才能保证不遗漏任何一个角落，甚至在火焰形成一定规模时才能检测到，监测不及时、布置麻烦、安装要求较高并且成本较大，进行室外检测时，传感器的测量准确度受到火点距离影响，可靠性低，同时存在误判报警的可能，例如高温的汽车发动机以及夏天高速运转导致温度过高的车轮胎，虽然温度达到着火温度，但并未发生火灾，此时报警不能产生实用价值。

图像检测法利用网络模型对图像进行识别，判断是否发生火灾。文献“孙琛.基于视频图像的火灾检测算法研究与设计[D].山东大学,2018”先使用残差卷积神经网络进行火灾识别，再使用滑动窗口方法进行火灾定位；文献“严云洋,朱晓妤,刘以安,高尚兵.基于Faster R-CNN模型的火焰检测[J].南京师大学报(自然科学版),2018,41(03):1-5.”基于Faster-RCNN模型实现了端到端的火焰检测，在多种复杂环境下均保持较高的火焰检测率，检测速度也较快；“Aslan,Sileyman,Giidikbay,Ugur,Toreyin,B.Ugur,et al.DeepConvolutional Generative Adversarial Networks Based Flame Detection in Video[J].arXiv:1902.01824[cs.CV],2019”利用时空火焰演化，结合真实火焰数据和生成火焰数据训练深度生成对抗网络，取得了较高的检测率和较低的虚警率。上述文献都是基于检测模型对二维图像进行检测，需要利用大量的样本数据对检测模型进行训练，此过程依赖样本数据，在样本数据不平衡的情况下，检测模型往往陷入局部最优，导致其对二维图像中火焰的提取精度不高，对于火焰边缘稀疏的地方，以及有烟雾笼罩的地方不能很好的完全检测出火焰区域，而且与火焰相似颜色的物体容易被误检，准确性和可靠性不高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人工智能和双目视觉的火灾识别方法及系统，准确性好，可靠性高，安全性高，适用范围广，布设和维护成本低，提供火焰定位，提高了灭火效率。

本发明的目的可以通过以下技术方案来实现：

一种基于人工智能和双目视觉的火灾识别方法，用于对待测区域进行火灾监测，所述的待测区域附近设有双目摄像头和红外测温传感器探头，所述的方法包括：

1)利用标定好的双目摄像头拍摄待测区域的待测双目图像；

2)利用目标检测网络模型判断待测双目图像中是否存在火焰，若是则输出待测双目图像中的火焰区域图像，否则执行步骤1)；

3)利用双目视觉三维重建技术对火焰区域图像进行三维空间定位，获得火焰区域图像的三维信息；

4)根据火焰区域图像的三维信息和红外测温传感器的三维坐标计算红外测温传感器的最佳视场角；