[发明专利]一种火情检测方法、装置及设备在审
申请号: | 202310596481.6 | 申请日: | 2023-05-25 |
公开(公告)号: | CN116630786A | 公开(公告)日: | 2023-08-22 |
发明(设计)人: | 罗马思阳;王利杰;万印康;刘杰;庞古月 | 申请(专利权)人: | 苏州广目汽车科技有限公司 |
主分类号: | G06V20/00 | 分类号: | G06V20/00;G06V10/82;G06N3/0464;G06N3/08 |
代理公司: | 广州博联知识产权代理有限公司 44663 | 代理人: | 孙倩倩 |
地址: | 215000 江苏省苏州市姑苏区*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 火情 检测 方法 装置 设备 | ||
1.一种火情检测方法,其特征在于,包括:
获取若干初始帧图像;
采用第一检测模型对所述若干初始帧图像分别进行第一检测处理,生成第一检测处理后的若干初始帧图像的第一检测结果集;
判断所述第一检测结果集是否满足第一预设条件;
当所述第一检测结果集不满足第一预设条件时,输入所述第一检测结果集至第二检测模型进行第二检测处理,生成第二检测处理结果;
根据所述第二检测处理结果,确定检测到火情。
2.如权利要求1所述方法,其特征在于,采用第一检测模型对所述若干初始帧图像分别进行第一检测处理,生成第一检测处理后的若干初始帧图像的第一检测结果集,具体包括:
采用YOLOV5模型对所述若干初始帧图像分别进行处理,生成若干初始帧图像的置信度;
根据所述若干初始帧图像的置信度,生成第一检测结果集;
其中,所述第一检测结果集为若干初始帧图像的置信度依次排列生成的集合。
3.如权利要求2所述方法,其特征在于,所述采用YOLOV5模型对所述若干初始帧图像进行处理,生成若干初始帧图像的置信度,具体包括:
采用YOLOV5模型分别对所述若干初始帧图像进行检测,生成若干初始帧图像的若干边界框初始确信分值;
对所述若干初始帧图像的若干边界框初始确信分值进行非极大值抑制处理,生成若干初始帧图像的置信度。
4.如权利要求3所述方法,其特征在于,所述初始帧图像的置信度的生成具体包括以下步骤:
对所述初始帧图像的若干边界框初始确信分值按分值大小排序,生成排序好的若干边界框初始确信分值的排序集合;
选择所述排序集合中若干边界框初始确信分值的最大值对应的边界框与所述排序集合中剩余若干边界框初始确信分值的最大值对应的边界框进行重叠域计算,生成边界框重叠值;
判断所述边界框重叠值是否小于预设重叠阈值;
当所述边界框重叠值小于预设重叠阈值时,确定所述边界框为目标边界框,生成初始帧图像的置信度;
其中,所述预设重叠阈值为0.3。
5.如权利要求2所述方法,其特征在于,判断所述第一检测结果集是否满足第一预设条件,具体包括:
根据所述第一检测结果集中若干初始帧图像的置信度,确定所述若干初始帧图像中发生火情的初始帧图像组;
判断所述发生火情的初始帧图像组的数量是否低于预设发生火情阈值;
其中,所述预设发生火情阈值根据初始帧图像的数量确定。
6.如权利要求2所述方法,其特征在于,所述YOLOV5模型,具体包括:
通过labelimg标注预设训练集中火情图片数据集,生成标注的预设训练集中火情图片数据集;
对所述标注的预设训练集中火情图片数据集至少采用多尺度训练策略、数据增强策略、迭代训练策略进行训练,生成YOLOV5模型。
7.如权利要求5所述方法,其特征在于,所述第二检测处理,具体包括:
对所述发生火情的初始帧图像组中初始帧图像的目标边界框进行比例转换,生成转换后的发生火情的初始帧图像组;
对所述转换后的发生火情的初始帧图像组进行像素温度值处理,生成发生火情的初始帧图像组的温度值集;
采用第一函数运算求解发生火情的初始帧图像组的温度值集的最终函数值,生成第二检测处理结果。
8.如权利要求1所述方法,其特征在于,根据所述第二检测处理结果,确定检测到火情,具体包括:
判断所述第二检测处理结果是否大于第一预设阈值;
当所述最终函数值大于第一预设阈值时,确定发生火情;
其中,所述第一预设阈值根据图像场景确定。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州广目汽车科技有限公司,未经苏州广目汽车科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310596481.6/1.html,转载请声明来源钻瓜专利网。