[發明專利]一種在復雜環境下判斷物體燃燒區域的方法

在審

• 申請號: 201711078234.8
• 申請日: 2017-11-06
• 公開（公告）號: CN107862333A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 馬忠麗;李慧欣;張蘭勇;李隴南;李倩倩;李志鵬
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種在復雜環境下判斷物體燃燒區域的方法，其特征在于，包含如下步驟：

(1)圖像預處理：

通過監控攝像頭采集監控場景下的火焰視頻圖像作為火焰樣本庫中的樣本，將火焰視頻圖像抽成幀，然后轉換為灰度圖并歸一化，然后對歸一化后的圖像添加數值標簽，即：沒有火焰的圖像添加數值“0”、有火焰的圖像添加數值“1”，再將這些圖像作為火焰圖像樣本；

(2)計算第t個火焰圖像樣本的期望最大回報值：

將第t個火焰圖像樣本組成行向量，按照Q-學習理論，計算出第t個火焰圖像樣本的未來匯報，然后利用最優動作-值函數，代入第t個火焰圖像樣本的未來匯報，計算出第t個火焰圖像樣本的期望最大回報值，通過選擇不同的數值標簽來計算獎勵的期望，期望值最大時對應的數值標簽即該火焰圖像樣本的數值標簽；

(3)構建深度學習網絡的權值更新方程：

由第t個火焰圖像樣本的期望最大回報值，計算第t個火焰圖像樣本的目標輸出，然后通過第t個火焰圖像樣本的目標輸出，用最小化損失函數來更新深度學習網絡的權值參數，最后將最小化損失函數對第t個火焰圖像樣本的權值參數求導，得到深度學習網絡的權值更新方程，并更新第t個火焰圖像樣本的權值；

(4)訓練深度學習網絡：

a)將火焰樣本庫中的火焰圖像樣本作為訓練樣本，將訓練樣本分為N份，且每一個訓練樣本均處理成行向量x_t，并作為深度學習網絡的輸入，設置兩個輸出神經元；

b)根據先驗知識確定出訓練樣本中的火焰圖像樣本，再以第一份訓練樣本的行向量x_t為輸入，若輸出為“10”，樣本中不含火焰；輸出為“01”，樣本中含有火焰；通過權值更新方程調節深度學習網絡中的權值，第一次訓練深度學習網絡；

c)找出第一份訓練樣本中實際輸出與先驗知識不同的訓練樣本，設共找出n個不同的訓練樣本，再將該n個不同的訓練樣本分別進行逆時針旋轉2°并加入σ＝0.2的高斯噪音；

d)在第二份訓練樣本中隨機抽出n個訓練樣本，并將用第c)步處理后的n個不同的訓練樣本補齊到第二份訓練樣本中，再用新得到的第二份訓練樣本按第b)步進行第二次訓練深度學習網絡；

e)以此類推，直到完成第N次訓練深度學習網絡，得到最終的深度學習網絡；

(5)利用訓練好的深度學習網絡來識別火焰：

將待檢測的火焰樣本圖像處理成行向量x_t，再輸入到訓練完畢的深度學習網絡，根據深度學習網絡的輸出結果識別出圖像中的火焰的有無。