[发明专利]一种基于深度学习模型的火焰识别方法

摘要

本发明涉及一种基于深度学习模型的火焰识别方法，其包括(1)采集视频信息，读取每一帧图像，接着进行高斯滤波得到滤波后的鱼眼图像；(2)校正鱼眼图像内部参数；(3)校正鱼眼图像外部参数；(4)构建球面模型，将校正后的鱼眼图像投影到球面模型上，然后去除投影在球面模型上的重复区域，形成球面图像；(5)通过去烟雾模型去除球面图像中烟雾对火焰部分识别的干扰信息；(6)获取球面图像上动态区域；(7)将动态区域部分生成透视图像；(8)正规化透视图像，将透视图像作为已训练七层架构卷积神经网络的输入，识别动态区域是否为火焰，若动态区域为火焰，则进入步骤(9)，否则结束本次操作；(9)显示识别结果并产生报警信息。

主权项

一种基于深度学习模型的火焰识别方法，其特征在于，包括以下步骤：(1)通过背对背的两台鱼眼相机采集视频信息，然后读取采集的视频信息每一帧图像，接着将获取的鱼眼图像进行高斯滤波，得到滤波后的鱼眼图像；(2)校正步骤(1)得到鱼眼图像的内部参数，然后进入步骤(3)，内部参数包括切向误差、径向误差和光心误差；(3)校正鱼眼图像的外部参数，进入步骤(4)；(4)构建球面模型，将步骤(3)校正后的鱼眼图像投影到球面模型上，然后去除投影在球面模型上的重复区域，形成球面图像，然后进入步骤(5)；(5)通过去烟雾模型去除步骤(4)得到的球面图像中烟雾对火焰部分识别的干扰信息，然后进入步骤(6)；(6)采用改进Codebook方法获取球面图像上动态区域，然后进入步骤(7)；(7)将步骤(6)获取的动态区域部分生成透视图像；(8)正规化步骤(7)得到的透视图像，将透视图像作为已训练七层架构卷积神经网络的输入，识别动态区域是否为火焰，若动态区域为火焰，则进入步骤(9)，否则结束本次操作；(9)将识别结果传输到下位机，在下位机显示识别结果并产生报警信息。