[發(fā)明專利]基于插值的CN和膠囊網(wǎng)絡(luò)的森林火災(zāi)識別方法及裝置

有效

• 申請?zhí)枺?/td>: 202010117046.7
• 申請日: 2020-02-25
• 公開（公告）號: CN111291712B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 趙運基;周夢林;張楠楠;魏勝強(qiáng);劉曉光;孔軍偉
• 申請（專利權(quán)）人: 河南理工大學(xué)
• 主分類號: G06V20/20
• 分類號: G06V20/20;G06V10/56;G06V10/774;G06V10/77;G06V10/764;G06V10/82;G06N3/04;G06N3/096;G06T3/40;G06T5/30;G06T7/11;G08B17/00;G06T7/90
• 代理公司: 廣州智斧知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44649
• 代理人: 孔德超

本發(fā)明公開了一種基于插值的CN和膠囊網(wǎng)絡(luò)的森林火災(zāi)識別方法，其包括以下步驟：構(gòu)建森林火災(zāi)火焰的初始樣本集合；對初始樣本集合進(jìn)行灰度化操作，對灰度化后的樣本圖像進(jìn)行連續(xù)空間域插值以實現(xiàn)尺度的標(biāo)準(zhǔn)化；通過遷移學(xué)習(xí)方法對CapsNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練，形成最終的火災(zāi)識別模型；應(yīng)用CN算法構(gòu)建火焰樣本集合描述的主元顏色空間向量；采集目標(biāo)圖像，確定疑似火焰區(qū)域；提取疑似火焰圖像并灰度化，應(yīng)用連續(xù)空間線性插值的方法進(jìn)行尺度標(biāo)準(zhǔn)化；將目標(biāo)標(biāo)準(zhǔn)化圖像輸入火災(zāi)識別模型，得到最終的識別結(jié)果。本發(fā)明還公開了一種基于插值的CN和膠囊網(wǎng)絡(luò)的森林火災(zāi)識別裝置。本發(fā)明提高了火災(zāi)檢測的實時性和有效性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于連續(xù)空間域線性插值的CN和膠囊網(wǎng)絡(luò)的森林火災(zāi)識別方法和裝置。

背景技術(shù)

森林火災(zāi)是一種嚴(yán)重影響生態(tài)環(huán)境的因素之一。它給森林帶來的危害是毀滅性的，給環(huán)境帶來的危害也是毀滅性的。森林火災(zāi)一旦發(fā)生，撲滅難度較大。因此，對森林火災(zāi)的及時預(yù)警顯得格外重要。

隨著科技的進(jìn)步，對森林火災(zāi)的預(yù)警取得了長足的進(jìn)步。森林火災(zāi)檢測方法有多種，基于圖像識別的森林火災(zāi)檢測算法較多。其中，有多種算法是基于顏色空間的火災(zāi)檢測與識別算法。基于顏色的火災(zāi)識別算法在檢測過程中無法擺脫顏色空間固有的缺陷——顏色容易受到光照的影響，最終造成基于顏色空間的火災(zāi)檢測算法存在較高的誤報率。傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)特征是基于局部信息的，而膠囊網(wǎng)絡(luò)提取的特征是基于整體的，在數(shù)字識別，自然語言的理解中得到了有效的驗證。膠囊網(wǎng)絡(luò)不但能夠提取到識別對象的局部特征，同時能夠提取局部特征之間的相對信息，因此，將膠囊網(wǎng)絡(luò)引入于火災(zāi)的識別。火焰的不同位置特征之間存在某種約束關(guān)系，基于局部紋理的火災(zāi)識別方法已經(jīng)得到過有效的驗證。Hition所公布的CapsNet網(wǎng)絡(luò)結(jié)構(gòu)是基于Mnist手寫數(shù)據(jù)集識別手寫數(shù)字的膠囊網(wǎng)絡(luò)。整個網(wǎng)絡(luò)結(jié)構(gòu)的輸入固定為28×28，因此，在實際的工程引用中，輸入的圖像必須確保為28×28的單通道圖像尺度，也即是標(biāo)準(zhǔn)化的圖像尺度。針對火災(zāi)檢測中，尺度不一致的問題，單純的圖像強(qiáng)制尺度變換容易導(dǎo)致原始圖像變形，從而改變了原始圖像的分辨率，影響膠囊網(wǎng)絡(luò)的特征提取結(jié)果，最終影響識別精度。

發(fā)明內(nèi)容

為了克服基于顏色空間對火焰檢測過程中受光照變換的影響，造成基于顏色空間描述的火災(zāi)檢測算法誤報率較高的缺陷，檢測結(jié)果圖像輸入膠囊網(wǎng)絡(luò)時尺度不一致，強(qiáng)制的尺度轉(zhuǎn)換對原始圖像的深度特征的影響，確保不同尺度條件下的空間特征一致性，本發(fā)明提供一種基于插值的CN和膠囊網(wǎng)絡(luò)的森林火災(zāi)識別方法和裝置。

第一方面，本發(fā)明實施例公開了一種基于插值的CN和膠囊網(wǎng)絡(luò)的森林火災(zāi)識別方法，其包括以下步驟：

選擇不同光照條件下的森林火災(zāi)圖像，構(gòu)建森林火災(zāi)火焰的初始樣本集合；所述初始樣本集合包括正樣本和負(fù)樣本；

對初始樣本集合的所有樣本的火焰區(qū)域的彩色圖像進(jìn)行灰度化操作，對灰度化后的樣本圖像進(jìn)行連續(xù)空間域插值以實現(xiàn)尺度的標(biāo)準(zhǔn)化，將所述尺度標(biāo)準(zhǔn)化處理后的樣本圖像的集合稱為火焰樣本集合；

通過Mnist數(shù)據(jù)集對CapsNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練，采用遷移學(xué)習(xí)方法使用火焰樣本集合對訓(xùn)練后的CapsNet網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí)，形成最終的火災(zāi)識別模型；

應(yīng)用CN算法的顏色空間轉(zhuǎn)換矩陣將火焰樣本集合對應(yīng)的RGB圖像轉(zhuǎn)換到 10維的多顏色空間，應(yīng)用主元分析的方法在10維的多顏色空間中構(gòu)建火焰樣本集合描述的主元顏色空間向量；

采集目標(biāo)圖像，并將所述目標(biāo)圖像通過所述主元顏色空間向量進(jìn)行投影變換，得到目標(biāo)投影圖像，在所述目標(biāo)投影圖像中應(yīng)用閾值處理確定疑似火焰區(qū)域；

提取目標(biāo)圖像在疑似火焰區(qū)域中的部分，記為疑似火焰圖像，將所述疑似火焰圖像灰度化后應(yīng)用連續(xù)空間線性插值的方法進(jìn)行尺度標(biāo)準(zhǔn)化，得到目標(biāo)標(biāo)準(zhǔn)化圖像；

將所述目標(biāo)標(biāo)準(zhǔn)化圖像輸入所述火災(zāi)識別模型，得到最終的識別結(jié)果。