[发明专利]一种烟火智能识别方法

说明书

本发明涉及数据处理领域，公开了一种烟火智能识别方法，包括获取检测区域图像和烟火图像；将正常图像和烟火图像合成，生成训练样本集；基于目标检测网络对样本集进行训练，得到检测模型；基于检测模型对目标区域进行检测，对烟火区域进行框选，得到框选区域；采用热成像仪对准框选区域获取红外图像；对红外图像进行处理，获取预测温度；当预测温度高于标准值时，判断为着火。即可通过将烟火图像和检测区域图像组合方便地得到样本，然后通过目标检测网络形成检测模型应用于目标区域的检测，当确认有着火点时，还可以通过热成像仪进行照射，以提供温度参考综合进行判断，从而可以提高判断的准确度。

技术领域

本发明涉及数据处理领域，尤其涉及一种烟火智能识别方法。

背景技术

烟火检测是安防的重要方面，如果能在火灾发生初期就能检测到烟火，就能提前预警，将灾害降到最低。在室内等环境中，烟火检测一般都用的是物理(光测度)和化学的(电离)方法，这也是目前的烟火报警器所广泛使用的。然而，在特殊的场景，例如在场景较大的场合中(比如森林大火的预警，或者房屋高层火灾预警)，物理和化学的方法不易使用，基于机器视觉的检测方法更加适合。

对于火灾预防来说，能不能在火灾最初的时候对火灾进行提前的防护对于生命财产安全至关重要。但是烟火识别的难度在于特征抽象，形态多样，特征不明显，并且实际场景中样本较少，且不容易获取，使得现有的检测识别方法精度较低无法，无法满足需要。

发明内容

本发明的目的在于提供一种烟火智能识别方法，旨在解决现有识别方法精确度较低，无法满足正常需要的问题。

为实现上述目的，本发明提供了一种烟火智能识别方法，包括：获取检测区域图像和烟火图像；将正常图像和烟火图像合成，生成训练样本集；基于目标检测网络对样本集进行训练，得到检测模型；基于检测模型对目标区域进行检测，对烟火区域进行框选，得到框选区域；采用热成像仪对准框选区域获取红外图像；对红外图像进行处理，获取预测温度；当预测温度高于标准值时，判断为着火。

其中，所述当预测温度高于标准值时，判断为着火之后，所述方法还包括：着火时通过网络发出警告。

其中，所述获取检测区域图像和烟火图像的具体步骤是：

采用监控摄像头对检测区域进行拍照，得到检测区域图像；

对烟火进行拍照并去掉背景，得到烟火图像。

其中，所述将正常图像和烟火图像合成，生成训练样本集的方式是采用StarGAN将正常图像和烟火图像进行合成以生成训练样本集。

其中，所述基于目标检测网络对样本集进行训练，得到检测模型的具体步骤是：

对样本集中的样品进行处理，获取候选区域；

用CNN网络提取图像特征；

基于所述图像特征训练分类器。

其中，所述基于检测模型对目标区域进行检测，对烟火区域进行框选，得到框选区域的具体步骤是：

采用监控摄像头对检测区域获取实时图像；

每间隔设定时间抽取采样图像；

基于检测模型对预处理后的采样图像进行检测，若发现烟火，则对烟火区域进行框选，得到框选区域。

其中，所述每间隔设定时间抽取采样图像之后，所述基于检测模型对预处理后的采样图像进行检测，若发现烟火，则对烟火区域进行框选，得到框选区域之前，所述步骤还包括：对采样图像进行预处理。

其中，所述预处理包括去雾、画面增强和色值过滤。