[發(fā)明專利]識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法

在審

• 申請?zhí)枺?/td>: 201910251036.X
• 申請日: 2019-03-29
• 公開（公告）號: CN110059588A
• 公開（公告）日: 2019-07-26
• 發(fā)明（設(shè)計）人: 羅勝
• 申請（專利權(quán)）人: 溫州大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 溫州市品創(chuàng)專利商標(biāo)代理事務(wù)所(普通合伙) 33247
• 代理人: 洪中清

本發(fā)明實施例提供一種識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，提出一種先生成顏色通道、再從顏色通道中生成紋理、形狀等空間特征的煙霧識別網(wǎng)絡(luò)。具有以下特點：(1)多層1x1卷積自動生成類間差異顯著的顏色通道模式；(2)在顏色通道上自動抽取紋理、形狀等空間特征；(3)綜合多層次的顏色、紋理特征識別場景中的煙霧。這種方法具有以下優(yōu)點：(1)比起RGB、YCbCr、CIE Lab、HSI、YUV、dark channel等簡單的顏色模型，自動訓(xùn)練生成的顏色通道能覆蓋更多的樣本；(2)比采用通用的卷積神經(jīng)網(wǎng)絡(luò)指向性明確，簡單的網(wǎng)絡(luò)具有更好的性能，輕型網(wǎng)絡(luò)也意味著不大的數(shù)據(jù)依賴；(3)比傳統(tǒng)人工抽取特征的方法通用性更強，比通用卷積網(wǎng)絡(luò)輕，并且準(zhǔn)確度更高。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及圖像識別技術(shù)領(lǐng)域，尤其涉及一種識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法。

背景技術(shù)

火災(zāi)對人類生產(chǎn)生活造成巨大損害。火災(zāi)預(yù)警的時間越遲，人員傷亡就越大，財產(chǎn)損失越高。而煙霧作為火災(zāi)初期產(chǎn)生的重要特征，如果能通過視覺裝置有效的捕捉到煙霧，就能在火情尚未擴大時提供及時、有效的預(yù)警，從而減小人員傷亡和財產(chǎn)損失。由于監(jiān)控相機易于架設(shè)且存在普遍，因此開展基于視覺的煙霧檢測/火災(zāi)研究具有重要的實際應(yīng)用意義。

早期的煙霧識別多圍繞顏色、紋理以及輪廓等靜態(tài)特征展開，例如通過分析煙霧像素點的RGB、YCbCr、CIE Lab、HSI、YUV、dark channel等顏色信息建立煙霧識別模型。但是煙霧的靜態(tài)特征變化范圍大，例如不同的火源就有不同顏色的煙霧，因此人工抽取的特征難以應(yīng)對各式各樣的煙霧。卷積網(wǎng)絡(luò)能夠自動抽取特征，因此Frizzi、ZHIJIAN Yin、Mengxia Yin等人采用多層卷積神經(jīng)網(wǎng)絡(luò)進行火焰和煙霧檢測。但是直接采用傳統(tǒng)的深度卷積網(wǎng)絡(luò)往往結(jié)構(gòu)復(fù)雜、參數(shù)繁多，樣本不充分，不得不采用遷移學(xué)習(xí)和數(shù)據(jù)增強，但檢測效果并不理想。注意到傳統(tǒng)方法的有效性，王正來將RGB和HSI圖像輸入單路深度殘差網(wǎng)絡(luò),再兩個單路深度殘差網(wǎng)絡(luò)模型獲得的特征結(jié)合,作為Softmax分類器的輸入特征進行訓(xùn)練。Oleksii Maksymiv覺得煙霧的紋理與眾不同，因此先采用adaboost和LBP來定位可能區(qū)域，然后用傳統(tǒng)卷積網(wǎng)絡(luò)來決定場景中是否存在煙霧。陳俊周等人采用卷積網(wǎng)絡(luò)生成靜態(tài)紋理信息，與動態(tài)紋理結(jié)合降低誤檢率。Yi Zhao先生成saliency image，再用Alexnet改造而來的卷積網(wǎng)絡(luò)分析saliency image是否有目標(biāo)。

事實上，煙霧的確在顏色、紋理以及輪廓上具有與眾不同的特點，從這些方面的確可以把煙霧從背景中區(qū)分出來。早期的研究將注意力放在顏色、紋理以及輪廓上的特征是正確的。從卷積神經(jīng)網(wǎng)絡(luò)攝取的特征來看，卷積神經(jīng)網(wǎng)絡(luò)也是依據(jù)這些信息來進行綜合分析的。但是采用通用的卷積神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)會過于巨大，并且往往樣本不充足，并不能發(fā)揮深度網(wǎng)絡(luò)的長處。王正來、Oleksii Maksymi、Yi Zhao意識到顏色、紋理以及輪廓的作用，有意識地將這些信息結(jié)合到網(wǎng)絡(luò)里，但是這些網(wǎng)絡(luò)往往分成兩個部分，第一個部分采用傳統(tǒng)方法，第二個部分再采用卷積神經(jīng)網(wǎng)絡(luò)來進行判斷。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，用以解決現(xiàn)有技術(shù)中的缺陷，實現(xiàn)通用性更強，比通用卷積網(wǎng)絡(luò)輕，并且準(zhǔn)確度更高的有益效果。

本發(fā)明實施例提供一種識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，所述識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)，包括顏色通道卷積子網(wǎng)絡(luò)和紋理卷積子網(wǎng)絡(luò)：

顏色通道卷積子網(wǎng)絡(luò)，用于抽取圖像中顏色特征；

紋理卷積子網(wǎng)絡(luò)在紋理空間操作，在顏色通道上抽取圖像中形狀特征；

識別煙霧的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，包括：

S1，基于像素級圖像標(biāo)簽訓(xùn)練顏色通道卷積子網(wǎng)絡(luò)N1次；

S2，基于降采樣的像素級圖像標(biāo)簽一起訓(xùn)練顏色通道卷積子網(wǎng)絡(luò)和紋理卷積子網(wǎng)絡(luò)N2次；