[發明專利]一種基于可變卷積核的明火檢測算法

有效

• 申請號: 202010116675.8
• 申請日: 2020-02-25
• 公開（公告）號: CN111368826B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 朱兆亞;朱呂甫;吳飛;李劍英
• 申請（專利權）人: 安徽炬視科技有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/26;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 黃珍玲

本發明公開了一種基于可變卷積核的明火檢測算法，屬于計算機視覺技術領域，包括以下步驟：一、創建目標檢測的感興趣區域；二、采樣計數，訓練可變卷積核；三、根據可變卷積核提取圖片特征值檢測目標。通過對原始圖片的偏移卷積，得到新的圖像，再對新的圖像進行分割，最后進行采樣計數，訓練出具有可變尺寸的卷積核，對不同尺寸的目標采用不同大小卷積核進行檢測，達到去除背景的目的，能有效地降低火焰目標在不同視角下的透視變換存在一定的差異性，大大提高了檢測準確性。

技術領域

本發明涉及計算機視覺技術領域，特別涉及一種基于可變卷積核的明火檢測算法。

背景技術

火焰目標在不同視角下的透視變換存在一定的差異性，導致在深度學習算法中，采用固定尺寸(長寬比)的卷積核進行火焰檢測會存在當目標尺寸變化時，會融入背景信息，導致檢測不準的問題。

目標檢測的難點在于光照變化、視角變化以及自身的形變，在用卷積神經網絡進行目標檢測時，固定大小的卷積核在應對類似于火焰這種易變形的目標時，易在檢測過程中不可避免地在卷積過程中融入背景因素，導致檢測效果不理想，為了獲得理想的效果，卷積核的尺寸應該調整到感興趣目標的尺寸，但感興趣的尺寸通常是無法預知的，因此傳統的火焰目標檢測方法存在不準確的缺陷。

發明內容

本發明的目的就在于為了解決上述火焰目標檢測使易受到自身的多變、光照變化以及背景融入的因素導致檢測不準確的問題提出一種基于可變卷積核的明火檢測算法，具有通過采樣計數，訓練出具有可變尺寸的卷積核，對不同尺寸的目標采用不同大小卷積核進行檢測，達到去除背景的目的，提高檢測效果的優點。

本發明通過以下技術方案來實現上述目的，一種基于可變卷積核的明火檢測算法，包括以下步驟：

一、創建目標檢測的感興趣區域：提取原始數字圖像U中的像素值，經過普通的卷積操作，并根據固定的卷積偏移值得到一個卷積后的新數字圖像V；

二、采樣計數，訓練可變卷積核：將圖像U中圖片的像素索引值與圖像V的像素索引值相加，得到一被限定在圖像U大小以內的偏移坐標值集群，通過對偏移坐標值集群進行分割，并對分割后的坐標進行采樣像素獲取，其中獲取方式如下：

①取分割后的一個坐標值(a,b)，將其轉換為四個整數，并對四個整數進行整合，得到四對坐標，使四對坐標每個坐標都對應圖像U中的一個像素值；

②通過采用雙線性差值的方式計算出坐標值(a,b)的像素；

③依次類推求出所有的坐標值像素；

三、根據可變卷積核提取圖片特征值檢測目標：在得到坐標集群的所有像素后，即得到了一個新圖片M，將這個新圖片M進行特征提取，最后通過提取特征進行目標檢測。

優選的，所述步驟二中的分割范圍在圖像U的最大尺寸范圍內，而且分割數量在4-200之間。

優選的，所述步驟二采樣方式可為抽取圖像中的上下左右四個角的坐標進行像素獲取，并通過四個角確定整體圖像M的像素。

優選的，所述步驟三中采用特征點檢測算法來提取目標特征并檢測，檢測方法如下：

提取抽象特征圖，特征圖包括樣本集特征圖和查詢集特征圖，再通過兩類特征圖級聯構成新的明火檢測特征圖；

訓練一個關系模塊網絡，得到相關性矩陣g₀，用于計算明火特征圖的相關性，利用計算相關得分，采用均方誤差作為損失函數；

給出明火檢測結果。

與現有技術相比，本發明的有益效果是：