[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

本發明公開了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：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。本發明所達到的有益效果：解決了傳統機器學習方法分類器無法準確區分所檢測的煙霧是否為火災導致的問題。本發明利用上下文目標檢測的方法，判斷煙霧所在區域的上下文關系，在提高火情預警率的前提下壓低虛警、漏警率。

技術領域

本發明涉及一種基于機器學習監測視頻圖像煙霧的火情預警方法，屬于視頻圖像處理技術領域。

背景技術

眾所周知，在火災發生的初期處于陰燃階段或者火焰較小時就已經有煙霧產生，煙霧具有在范圍較大的空間中信息傳播速度快的特點。隨著計算機視覺、數字圖像處理、機器學習等技術的發展，人工智能攝像頭的鋪設，基于視頻的火災探測預警技術逐漸得到了研究和進展。基于視頻圖像的火災探測預警技術是一種基于數字圖像處理和分析的新型火災探測預警方法，基于數字圖像處理的火災探測成本低、準確度高、信息量大。

目前視頻煙霧檢測方法根據煙霧的特性，可以分為煙霧的靜態特征檢測和動態特征檢測。靜態特征包括：煙霧顏色矩、高頻能量以及運動區域的緊湊度等；動態特征值包括：煙霧的運動方向、運動速度以及運動區域面積的增長速度等。基于機器學習分類器，根據特征向量將煙霧與非煙霧區別開來，依據正負訓練樣本的特征數據構建2類支持分類器，即煙霧和非煙霧兩類。但是，火災煙霧也與霧霾(特別是濃霧和重霾)具有較高的相似性，且視頻圖像中的煙霧也未必一定意味著火災的發生，因此如何智能地判定煙霧與火情的關系，從而在提高火情預警率的前提下壓低虛警、漏警率是一個技術難題。

發明內容

為解決現有技術的不足，本發明的目的在于提供一種基于機器學習監測視頻圖像煙霧的火情預警方法，解決了傳統機器學習方法分類器無法準確區分所檢測的煙霧是否為火災導致的問題。

為了實現上述目標，本發明采用如下的技術方案：

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。

前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。