[发明专利]一种基于深度学习的消防器材图像识别方法及系统

权利要求书

1.一种基于深度学习的消防器材图像识别方法，其特征在于，包括：

采集消防器材图像信息，对采集的消防器材图像进行处理，获取消防器材图像；

对消防器材图像进行特征提取，得到图像特征点；

将图像特征点输入至预先训练完成的神经网络模型中，输出图像特征点对应的特征数据；

将特征数据进行分类并标记上相对应的标签。

2.如权利要求1所述的一种基于深度学习的消防器材图像识别方法，其特征在于，所述采集消防器材图像信息，对采集的消防器材图像进行处理，获取消防器材图像包括：

对采集的消防器材图像进行区域分割，分割出多个图像，对分割后的每一张图像均进行增强处理。

3.如权利要求2所述的一种基于深度学习的消防器材图像识别方法，其特征在于，还包括：

基于预设图像分割方法，对增强处理后的多个图像均进行图像分割处理，分割出每张图像的目标区域图像。

4.如权利要求1所述的一种基于深度学习的消防器材图像识别方法，其特征在于，所述对消防器材图像进行特征提取，得到图像特征点包括：

将消防器材图像进行粗提取，得到数据点，利用训练完成的神经网络模型对数据点进行消防器材的细提取，得到图像特征点以完成消防器材的检测。

5.如权利要求1所述的一种基于深度学习的消防器材图像识别方法，其特征在于，所述将图像特征点输入至预先训练完成的神经网络模型中，输出图像特征点对应的特征数据包括：

获取图像特征点对应的样本类别向量，根据样本图像特征和样本类别向量放入向量机中进行训练，以获得预先训练完成的神经网络模型。

6.如权利要求5所述的一种基于深度学习的消防器材图像识别方法，其特征在于，还包括：

将样本图像特征作为向量机的输入特征，将样本类别向量作为向量机的输出特征对向量机进行训练，获得预先训练完成的神经网络模型。

7.如权利要求1所述的一种基于深度学习的消防器材图像识别方法，其特征在于，所述将特征数据进行分类并标记上相对应的标签包括：

根据图像处理、特征提取、灰度共生矩阵方法及局部二值化方法后的标签图像，构建出基于卷积神经网络回归的图像识别模型，将特征数据通过卷积神经网络回归的图像识别模型进行分类并标记上相对应的标签。

8.一种基于深度学习的消防器材图像识别系统，其特征在于，包括：

采集模块，用于采集消防器材图像信息，对采集的消防器材图像进行处理，获取消防器材图像；

特征提取模块，用于对消防器材图像进行特征提取，得到图像特征点；

特征数据模块，用于将图像特征点输入至预先训练完成的神经网络模型中，输出图像特征点对应的特征数据；

分类模块，用于将特征数据进行分类并标记上相对应的标签。

9.如权利要求8所述的一种基于深度学习的消防器材图像识别系统，其特征在于，包括：

用于存储计算机指令的至少一个存储器；

与所述存储器通讯的至少一个处理器，其中当所述至少一个处理器执行所述计算机指令时，所述至少一个处理器使所述系统执行：采集模块、特征提取模块、特征数据模块及分类模块。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。