[發明專利]一種深度神經網絡的圖像煙火檢測方法及系統

在審

• 申請號: 202110441498.5
• 申請日: 2021-04-23
• 公開（公告）號: CN113128422A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 陳秀祥;張大福;李秋華;胡俊
• 申請（專利權）人: 重慶市海普軟件產業有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T5/50
• 代理公司: 重慶強大凱創專利代理事務所(普通合伙) 50217
• 代理人: 陳家輝

本發明涉及圖像處理技術領域，具體涉及一種深度神經網絡的圖像煙火檢測方法及系統，方法包括：描出圖像樣本集中樣本圖像上煙火區域的邊界點，并生成對應的掩膜圖像，將掩膜圖像與樣本圖像相乘得到僅包含煙火區域的區域圖像；構建條件深度卷積生成對抗網絡的煙火目標仿真框架，將區域圖像送入條件深度卷積生成對抗網絡中訓練擬合產生新的煙火樣本；獲取森林火災監控系統不包含煙火目標的初始圖像并與S2中煙火樣本融合，構建成訓練數據集，系統包括攝像模塊、圖像集模塊、圖像操作模塊、處理模塊、神經網絡搭建模塊和數據操作模塊。本發明在森林環境火災監控初始時無需人工點火獲取煙火樣本，更方便，防止人工點火造成森林火災的風險，節省成本。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種深度神經網絡的圖像煙火檢測方法及系統。

背景技術

森林資源是一種非常重要的自然資源，每年因森林火災造成的損失非常巨大，所以，森林火災的預防非常重要。傳統的森林火災預防手段主要是基于人工巡視，這種方法具有時效性差、效率低下和成本高昂等缺點。為解決現有人工巡視手段預防森林火災的問題，以計算機技術和光電傳感器為基礎的森林火災預防的檢測系統，能夠對森林進行大范圍、長時間、快速掃描監控火情，得到了大規模應用。隨之而來，基于數字圖像處理和數字視頻處理的森林煙火自動檢測定位技術，也得到了廣泛應用，大大提高了森林煙火巡檢預警效率和精度。

然而，傳統的基于人工設計特征的數字圖像處理技術，在處理森林巡檢圖像和視頻時，面臨著適應能力差、虛警率高等諸多問題，如對不同季節、不同光照的適應能力不好，難以區分云朵、霧氣和煙火等。

基于適應性差的問題，深度神經網絡技術以其強大的擬合能力，在圖像處理中得到了廣泛的應用。將深度神經網絡應用于森林巡檢視頻圖像中煙火檢測，大大改善了檢測精度，降低了虛警率。在訓練時，深度神經網絡需要大量的在不同場景下的煙火圖像樣本，提高深度神經網絡的泛化能力。但是，大量的關于實際場景的煙火圖像獲取的難度很大，特別是對新部署的監控設備場景，通常依靠人工點火獲取煙火樣本，風險和成本極高。在部署時，常規深度神經網絡需要的計算資源大，對運算能力要求高，通常需要GPU運算服務器，成本高昂，且難以集成到攝像機前端，實現端到端的低成本、實時、高效檢測。

發明內容

本發明意在提供一種深度神經網絡的圖像煙火檢測方法，以解決人工點火獲取煙火樣本風險和成本高的問題。

本方案中的深度神經網絡的圖像煙火檢測方法，包括以下步驟：

步驟S1，獲取多張具有煙火目標的樣本圖像，將包含了煙火目標的樣本圖像形成圖像樣本集，描出圖像樣本集中樣本圖像上煙火區域的邊界點，并生成對應的掩膜圖像，將掩膜圖像與樣本圖像相乘得到僅包含煙火區域的區域圖像；

步驟S2，構建條件深度卷積生成對抗網絡的煙火目標仿真框架，將區域圖像送入條件深度卷積生成對抗網絡中訓練，擬合產生新的煙火樣本；

步驟S3，獲取森林火災監控系統不包含煙火目標的初始圖像，將初始圖像與S2中煙火樣本融合，構建成訓練數據集。

本方案的有益效果是：

通過采用已獲得的含有煙火的樣本圖像形成圖像樣本集，即拍攝的實際環境中火災的圖像，從樣本圖像中描出煙火區域的邊界點生成掩膜圖像，將掩膜圖像與樣本圖像相乘得到煙火區域的區域圖像，再進行訓練得到煙火樣本，將煙火樣本融合至未發生火災的初始圖像中得到訓練數據集，初始圖像即為待檢測森林環境處未發送火災時的圖像，以訓練數據集中的圖像為煙火樣本，無需再在需要監控火災的森林環境處進行人工點火獲取煙火樣本，更方便，防止人工點火造成森林火災的風險，節省成本。

進一步，所述步驟S2包括以下子步驟：

S2.1：采用反卷積神經網絡構建生成對抗網絡中的生成網絡，輸入為隨機噪聲，輸出為仿真樣本；