[發明專利]一種基于機器學習監測視頻圖像煙霧的火情預警方法

有效

• 申請號: 201810212672.7
• 申請日: 2018-03-15
• 公開（公告）號: CN108363992B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 張登銀;趙烜;朱昊;趙莎莎
• 申請（專利權）人: 南京鉅力智能制造技術研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 楊曉玲

1.一種基于機器學習監測視頻圖像煙霧的火情預警方法，其特征是，包括如下步驟：

步驟1)收集并標記各種煙霧場景的圖片數據集，其中非火情預警煙霧場景歸為A類，火情預警煙霧場景歸為B類；

步驟2)上下文目標檢測層非火災預警煙霧場景訓練：

21)將標注好的A類煙霧場景圖片作為訓練集；

22)獲得所給圖像的Gist特征；

23)對圖片的場景進行劃分；

24)單一基礎目標檢測；

25)子場景下的子樹模型學習；

26)子樹型模型參數的學習；

步驟3)上下文目標檢測層火情預警煙霧場景訓練，重復步驟2)，訓練圖片為B類火情預警煙霧圖片；

步驟4)疑似火情煙霧圖片檢測：

41)進行場景選擇；

42)利用單一基礎檢測器DPM獲得每個目標的檢測窗口和分值；

43)利用獲得的基于上下文信息的多層目標檢測模型推理出目標位置和目標出現的判斷是否正確；

所述步驟43)的判斷方法為：

如果場景選擇為B類，且步驟43)判斷結果正確，則圖片判斷為火情預警圖片，發出預警，并將圖片添加入相應場景，訓練特征值；

如果場景選擇為A類，且步驟43)判斷結果正確，則圖片判斷為非火情預警圖片，不發出預警,并將圖片添加入相應場景，訓練特征值；

如果場景選擇不為A類且不為B類，則發出預警，人為干預判斷，將圖片添加入新的場景，并對其特征進行訓練。

2.根據權利要求1所述的一種基于機器學習監測視頻圖像煙霧的火情預警方法，其特征是，所述步驟1)中非火情預警煙霧場景歸為A類，包括：燃放爆竹場景、汽車尾氣排放場景、已有消防人員滅火場景、寺廟焚香冒煙場景、野炊生火冒煙場景和煙囪冒煙場景；火情預警煙霧場景歸為B類，包括：建筑物失火場景、森林失火場景、倉庫失火場景、廠房失火場景和田野失火場景。

3.根據權利要求1所述的一種基于機器學習監測視頻圖像煙霧的火情預警方法，其特征是，所述步驟22)具體內容為：

a)利用一組不同尺度和方向的Gabor濾波器組對圖像進行濾波，得到一組經過處理濾波之后的圖像；

b)把濾波后的圖像按照大小進行無重疊的網格劃分，并對圖像劃分后的每個網格求取均值；

c)把圖像組獲得的每個網格均值級聯形成全局特征，獲得圖像最終的Gist特征：x^j表示第j個樣本圖像的Gist特征，cat表示特征級聯，I^j表示劃分網格后的第j個圖像灰度圖，表示圖像灰度圖與Gabor濾波器的卷積運算；g代表Gabor濾波器，二維Gabor濾波器定義為一個用高斯函數調制的復指函數，即其中x，y為二維圖像像素點坐標值，λ為正弦函數波長，θ為Gabor核函數方向，為相位偏移，σ為高斯函數的標準差，γ為空間的寬高比，i為虛數單位。

4.根據權利要求3所述的一種基于機器學習監測視頻圖像煙霧的火情預警方法，其特征是，所述步驟23)的具體內容為：

231)利用機器學習中隨機森林分類器獲得表示訓練集中每個樣本之間相似性的相似矩陣；

232)將該相似矩陣作為輸入，利用譜聚類的方法，對訓練集圖片進行聚類；

233)圖片場景的劃分，分為燃放爆竹場景、汽車尾氣排放場景、已有消防人員滅火場景、寺廟焚香冒煙場景、野炊生火冒煙場景和煙囪冒煙場景。

5.根據權利要求4所述的一種基于機器學習監測視頻圖像煙霧的火情預警方法，其特征是，所述步驟24)的具體內容為：

241)利用單一目標基礎檢測器DPM獲得每個目標檢測的窗口和分值；

242)給出先驗目標位置和出現的判斷結果，檢測到每個場景下目標對。