[發明專利]一種基于圖像目標檢測的火焰檢測方法

有效

• 申請號: 201810243014.4
• 申請日: 2018-03-23
• 公開（公告）號: CN108537215B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 趙勁松;吳昊
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/62;G06T7/00;G06T7/90;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 廖元秋

本發明提出一種基于圖像目標檢測的火焰檢測方法，屬于圖像處理、火災檢測和視頻監控領域。該方法首先建立包含火焰圖片和每張圖片標注信息的火焰檢測數據集，并劃分為訓練集和測試集；構建深度卷積神經網絡模型，利用訓練集對模型進行迭代更新，利用測試集對更新的模型計算損失函數，若當前模型的損失函數不再下降，則模型訓練完畢；拍攝實時視頻，利用訓練完畢的模型對每一幀畫面進行檢測，若存在火焰，則模型輸出火焰在畫面中的坐標位置，并用矩形框進行標記。本發明無需手工設計特征生成疑似火焰的候選區域，能夠直接使用深度卷積神經網絡對整張圖片進行火焰檢測，得到火焰的位置信息，從而早期預警火災發生，最大限度減小火災帶來的危害。

技術領域

本發明涉及圖像處理、火災檢測和視頻監控領域，特別涉及一種基于圖像目標檢測的火焰檢測方法。

背景技術

火災是一類嚴重危害人民生命財產安全的頻發災害，早期預警火災的發生能夠避免火災的蔓延，最大限度地減小火災帶來的危害。對于火焰檢測任務尤其是室外和大型室內空間等場景的火焰檢測任務，普通的物理傳感器不能有效地完成，因此，基于圖像處理技術的火焰檢測方法是目前安全工程領域的一個重要研究方向。

基于圖像處理技術的火焰檢測方法的發展主要有兩個階段。第一個階段是根據火焰的顏色、形狀、紋理等視覺特征，結合模式識別中的分類算法，判斷圖像中是否存在火焰。這些手工設計特征的方法檢測速度快，但是穩定性和泛化能力差，檢測與火焰顏色相近的物體時容易出現誤報，檢測顏色超出設定閾值的火焰時也容易出現漏報。為了解決這類方法存在的問題，近年來研究人員開始利用深度卷積神經網絡來進行火焰檢測。深度卷積神經網絡是近五年在計算機視覺領域研究和應用最廣泛的方法，通常利用卷積層、池化層、批規范層(Batch Normalization,BN)等從圖像中自動提取特征，并利用全連接層進行分類，判斷圖像中是否存在火焰。該類方法的優點是不需要手工設計特征，可以利用神經網絡來實現圖像特征提取和模式分類的任務。相比于傳統火焰檢測方法，基于深度卷積神經網絡的技術具有更高的準確率、召回率和更強的泛化能力。近年來，隨著CPU、GPU等硬件計算能力的發展，該類方法的計算速度已經能夠滿足火焰檢測的實時性要求。現有的基于深度卷積神經網絡的火焰檢測方法的問題在于，仍然需要從原始圖像中生成疑似火焰的候選區域，再利用神經網絡對候選區域進行分類判斷是否存在火焰。

目前有研究提出了一種基于深度卷積神經網絡的火焰檢測方法，該方法首先提取彩色圖像中的疑似火焰點，將疑似火焰點作為前景獲取二值圖像，利用連通區域法獲取一系列的連通區域，經過篩選得到候選區域，再利用卷積神經網絡對候選區域是否有火焰進行分類判斷。該方法的問題在于，疑似火焰候選區域的生成過程仍然由手工設計特征來實現。該過程仍然需要利用火焰的顏色特征和動態特征，這導致其檢測方法對環境變化的適應能力較差。到目前為止，尚未出現能夠完全不依賴手工設計特征來實現圖像火焰檢測方法。

發明內容

本發明的目的是為克服現有方法的不足之處，提出一種基于圖像目標檢測的火焰檢測方法。本發明不需要利用手工設計特征生成疑似火焰的候選區域，能夠直接使用深度卷積神經網絡對整張圖片進行火焰檢測，并得到火焰的位置信息，從而早期預警火災的發生，最大限度地減小火災帶來的危害。

本發明提出一種基于圖像目標檢測的火焰檢測方法，其特征在于，該方法包括以下步驟：

1)收集N張帶有火焰畫面的彩色圖片建立火焰圖片數據集F_image，N≥5000；