[發明專利]煙火識別方法、裝置、計算機設備和可讀存儲介質

有效

• 申請號: 202010136038.7
• 申請日: 2020-03-02
• 公開（公告）號: CN111476086B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 李寧鳥;王文濤;韓雪云;方麗;李楊
• 申請（專利權）人: 西安天和防務技術股份有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06N20/00;G06N5/04
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 李紅艷

1.一種煙火識別方法，其特征在于，所述方法包括：

獲取待識別圖像數據；

構建深度學習優化模型，將煙火識別模型導入所述深度學習優化模型，確定目標深度學習優化模型，其中，所述煙火識別模型是根據收集的目標圖像樣本數據和預設煙火識別模型進行訓練得到的；

根據所述目標深度學習優化模型，創建推理引擎，獲得目標煙火識別模型；

將所述待識別圖像數據輸入所述目標煙火識別模型，確定煙火識別信息，其中，所述煙火識別信息至少包括目標圖像數據、目標類別和目標位置中的一種。

2.根據權利要求1所述的方法，其特征在于，所述構建深度學習優化模型，將煙火識別模型導入所述深度學習優化模型，確定目標深度學習優化模型，包括：

將所述煙火識別模型導入所述深度學習優化模型，得到初始深度學習優化模型；

利用模型解析器對所述煙火識別模型進行解析，獲取權值參數；

將所述權值參數輸入所述初始深度學習優化模型，得到所述目標深度學習優化模型。

3.根據權利要求1所述的方法，其特征在于，所述將所述待識別圖像數據輸入所述目標煙火識別模型，確定煙火識別信息，包括：

將所述待識別圖像數據輸入所述目標煙火識別模型，得到目標預測框信息；

對所述目標預測框信息進行非極大值抑制，得到煙火識別信息。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

判斷是否存在流圖，其中，所述流圖是對所述目標煙火識別模型序列化處理得到的；

若不存在所述流圖，則執行所述構建深度學習優化模型，將煙火識別模型導入所述深度學習優化模型，確定目標深度學習優化模型。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

若存在所述流圖，則對所述流圖進行反序列化處理，得到所述目標煙火識別模型；

執行所述將所述待識別圖像數據輸入所述目標煙火識別模型，確定煙火識別信息。

6.根據權利要求1所述的方法，其特征在于，所述獲取待識別圖像數據，包括：

獲取原始圖像數據；

對所述原始圖像數據進行預處理，得到所述待識別圖像數據。

7.根據權利要求6所述的方法，其特征在于，所述原始圖像數據包括抓圖模式下的抓圖數據、位置編號和時間；和/或，所述原始圖像數據包括視頻模式下的視頻流數據。

8.一種煙火識別裝置，其特征在于，所述裝置包括：

待識別圖像數據獲取模塊，用于獲取待識別圖像數據；

目標深度學習優化模型獲取模塊，用于構建深度學習優化模型，將煙火識別模型導入所述深度學習優化模型，確定目標深度學習優化模型，其中，所述煙火識別模型是根據收集的目標圖像樣本數據和預設煙火識別模型進行訓練得到的；

目標煙火識別模塊，用于根據所述目標深度學習優化模型，創建推理引擎，獲得目標煙火識別模型；

煙火識別信息確定模塊，用于將所述待識別圖像數據輸入所述目標煙火識別模型，確定煙火識別信息，其中，所述煙火識別信息至少包括目標圖像數據、目標類別和目標位置中的一種。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。