[發明專利]一種基于深度學習模型的火焰識別方法

有效

• 申請號: 201710047239.8
• 申請日: 2017-01-22
• 公開（公告）號: CN106845410B
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 鄧軍;秦學斌;王偉峰
• 申請（專利權）人: 西安科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/254;G06T3/00;G08B17/12
• 代理公司: 西安中科匯知識產權代理有限公司 61254
• 代理人: 韓冰

1.一種基于深度學習模型的火焰識別方法，其特征在于，包括以下步驟：

(1)通過背對背的兩臺魚眼相機采集視頻信息，然后讀取采集的視頻信息每一幀圖像，接著將獲取的魚眼圖像進行高斯濾波，得到濾波后的魚眼圖像；

(2)校正步驟(1)得到魚眼圖像的內部參數，然后進入步驟(3)，內部參數包括切向誤差、徑向誤差和光心誤差；

(3)校正魚眼圖像的外部參數，進入步驟(4)；

(4)構建球面模型，將步驟(3)校正后的魚眼圖像投影到球面模型上，然后去除投影在球面模型上的重復區域，形成球面圖像，然后進入步驟(5)；

(5)通過去煙霧模型去除步驟(4)得到的球面圖像中煙霧對火焰部分識別的干擾信息，然后進入步驟(6)；

(6)采用改進Codebook方法獲取球面圖像上動態區域，然后進入步驟(7)；

(7)將步驟(6)獲取的動態區域部分生成透視圖像；

(8)正規化步驟(7)得到的透視圖像，將透視圖像作為已訓練七層架構卷積神經網絡的輸入，識別動態區域是否為火焰，若動態區域為火焰，則進入步驟(9)，否則結束本次操作；

(9)將識別結果傳輸到下位機，在下位機顯示識別結果并產生報警信息。

2.根據權利要求1所述的一種基于深度學習模型的火焰識別方法，其特征在于，當步驟(3)中的魚眼圖像轉換為640×480像素的圖時，若魚眼圖像上檢測到角點數大于300，步驟(3)包括以下步驟：

(31)在球面模型上以檢測的特征點為中心生成透視角度一定、大小確定的正規化圖像塊；

(32)在相鄰的兩幀圖像上的確定范圍內計算特征點對的相關度值，

(33)最終得到最佳匹配對，優化相機的相對姿勢。

3.根據權利要求1所述的一種基于深度學習模型的火焰識別方法，其特征在于，當步驟(3)中的魚眼圖像轉換為640×480像素的圖時，若魚眼圖像上檢測到角點數少于300，步驟(3)包括以下步驟：

(31)利用圖像上檢測出的邊和幾何結構，在球面模型上得到消失點對，

(32)以消失點對為基礎得到圖像上結構的變換關系，從而計算并優化相機的相對姿勢，從而優化外部參數。

4.根據權利要求1所述的一種基于深度學習模型的火焰識別方法，其特征在于，當步驟(3)中校正魚眼圖像中大視野圖像的重復視野的角度大于15度時，步驟(3)包括以下步驟：

(31)通過球面模型生成大角度的透視圖像，

(32)在透視圖像重復視野上計算其相關度，從而反饋調整相機姿勢，調整以后再次生成透視圖像進行優化。