[發明專利]一種火焰識別方法、系統、介質和設備

有效

• 申請號: 201910294777.6
• 申請日: 2019-04-12
• 公開（公告）號: CN110033040B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 馬瓊雄;唐鋼;張宇航;羅智明;蔡鈺波;王葉寧;陳更生
• 申請（專利權）人: 華南師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鄭浦娟

1.一種火焰識別方法，其特征在于，包括如下步驟：

模型構建步驟：

獲取訓練樣本集，訓練樣本集中包括多個帶標簽的訓練樣本，訓練樣本為有火焰圖像或無火焰圖像，各訓練樣本的標簽即為有火焰或無火焰；

將各訓練樣本作為輸入，各訓練樣本的標簽作為輸出對卷積神經網絡進行訓練，得到訓練好的卷積神經網絡，將訓練好的卷積神經網絡中全連接層去除后作為深度特征提取模型；

將各訓練樣本輸入到深度特征提取模型中提取出深度特征；從訓練樣本中提取出手工特征；將各訓練樣本提取出的深度特征和手工特征作為輸入，各訓練樣本的標簽作為輸出對分類器進行訓練，得到訓練好的分類器，作為火焰識別模型；

火焰識別步驟：

獲取火焰待識別圖像，作為測試樣本；

從測試樣本中提取出手工特征，將測試樣本輸入到深度特征提取模型中提取出深度特征；

將測試樣本中提取出的手工特征和深度特征輸入到火焰識別模型，通過火焰識別模型輸出火焰識別結果；

還包括對當前火焰識別模型進行優化訓練，步驟如下：

步驟S1、從火焰識別的應用場合中獲取到有火焰的視頻和無火焰的視頻；

步驟S2、針對于有火焰視頻中的每幀有火焰圖像，將其作為測試樣本進行火焰識別步驟，在火焰識別步驟后，若火焰識別模型輸出的火焰識別結果為無火焰，則將該幀圖像判定為漏報圖像，將有火焰視頻中的漏報圖像按照其所在視頻幀序號順序存儲到第一文件夾中；

針對于無火焰視頻中的每幀圖像，將其作為測試樣本進行火焰識別步驟，在火焰識別步驟后，若火焰識別模型輸出的火焰識別結果為有火焰，則將該幀圖像判定為誤報圖像；將無火焰視頻中的誤報圖像按照其所在視頻幀序號順序存儲到第二文件夾中；

步驟S3、針對于第一文件夾，首先提取第一文件夾中各張圖像的手工特征，并且通過深度特征提取模型提取出深度特征，各張圖像的手工特征和深度特征組合拼接成一維數組后作為特征向量；然后將第一文件夾的第一張圖像作為當前圖像，執行步驟S31；

S31、計算第一文件夾中當前圖像與當前圖像的下一張圖像之間特征向量的余弦相似度，若兩者余弦相似度大于閾值T1，則再計算當前圖像與當前圖像的下下一張圖像之間特征向量的余弦相似度，一直找到與當前圖像之間特征向量的余弦相似度小于等于閾值T1的圖像P；此時將當前張圖像作為典型樣本；

S32、將步驟S31中找到的圖像P作為當前圖像，執行步驟S31；直到第一文件夾中所有的典型樣本均找到；

針對于第二文件夾，首先提取第二文件夾中各張圖像的手工特征，并且通過深度特征提取模型提取出深度特征，各張圖像的手工特征和深度特征組合拼接成一維數組后作為特征向量；然后將第二文件夾的第一張圖像作為當前圖像，執行步驟S33；

S33、計算第二文件夾中當前圖像與當前圖像的下一張圖像之間特征向量的余弦相似度，若兩者余弦相似度大于閾值T1，則再計算當前圖像與當前圖像的下下一張圖像之間特征向量的余弦相似度，一直找到與當前圖像之間特征向量的余弦相似度小于等于閾值T1的圖像Q；此時將當前張圖像作為典型樣本；

S34、將步驟S33中找到的圖像Q作為當前圖像，執行步驟S33；直到第二文件夾中所有的典型樣本均找到；

步驟S4、將步驟S3獲取到的各典型樣本作為新訓練樣本，將新訓練樣本的手工特征和深度特征作為輸入，新訓練樣本的標簽作為輸出對當前火焰識別模型進行訓練，得到優化訓練后的火焰識別模型。