[發明專利]基于視頻圖片的人工智能煙火分析方法及系統

在審

• 申請號: 202111163127.1
• 申請日: 2021-09-30
• 公開（公告）號: CN113989735A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 黃嘯晨
• 申請（專利權）人: 南京鐵辰安全技術有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/80;G06V10/20;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京禾易知識產權代理有限公司 32320
• 代理人: 詹慶銣

1.基于視頻圖片的人工智能煙火分析方法，其特征在于：包括以下步驟:

第一步，視頻轉碼

獲取多路視頻源中的視頻數據，對其進行RTMP格式轉碼，以保證不同型號采集設備間的數據兼容；

第二步，視頻數據預處理

S2-1、對視頻數據進行幀采樣，降低所述視頻數據中每幀圖像的幀率；

S2-2，對每幀所述圖像進行幀標識，給每幀圖像增加圖片識別碼ID，并將所述圖片識別碼ID轉化為二進制，生成圖片識別碼ID所對應的序列圖片，基于生成的序列圖片，將其疊加至所述原始幀位置；

S2-3，對經幀標識后的視頻數據進行幀合并

通過預設采樣率在采樣時間點分別抽取多路視頻數據中的一幀圖像放入進行幀合并隊列，以作為合并后視頻數據的1～n幀，其中，n為視頻數據源數量，并將已抽取的源視頻幀送至下一采樣時間點輸出；

S2-4，返回步驟S2-1，順序循環；

第三步，預設圖像識別模型

S3-1，獲取采樣圖像訓練樣本，所述圖像訓練樣本至少標注有第一訓練特征信息和第二訓練特征信息，所述第一訓練特征信息用于表征視頻圖片起煙起火信息，所述第二訓練特征信息用于表征視頻圖片無煙火信息；

S3-2，采用所述第一訓練特征信息和第二訓練特征信息對卷積神經網絡進行訓練，得到圖像識別模型；

第四步，輸出圖像識別結果

S4-1，基于所述圖像識別模型，以所述圖片識別碼ID中的每一幀圖像作為分析對象，提取所述圖像特征信息；

S4-2，將所述圖像特征信息與獲取的采樣圖像訓練樣本中的訓練特征信息進行比對，獲得結果對應關系；

S4-3，依據與S4-1的提取并識別的過程輸出圖像識別結果信息。

2.根據權利要求1所述的基于視頻圖片的人工智能煙火分析方法，其特征在于：還包括以下步驟：

第五步，圖像識別結果信息的區域判定

對所述圖像識別結果信息進行識別區域的勾畫，以用于保證所述圖像識別結果信息處于外部監控圖像范圍內，其具體實施方式為：基于視頻圖片的人工智能煙火分析結果進行圖像識別結果信息的劃定區域。

3.根據權利要求1所述的基于視頻圖片的人工智能煙火分析方法，其特征在于：基于第四步，還需要對所得到的圖像識別結果信息進行信息唯一性判斷，以保證圖像識別模型輸出無誤信息，降低誤報率，其具體實施方式為：當發生報警后，由人工確認警情真偽，如果確認為誤報，則加入負樣本集中，收集一定量負樣本后進行再次訓練。

4.根據權利要求1所述的基于視頻圖片的人工智能煙火分析方法，其特征在于：在第三步中，所述圖像識別結果信息包括火焰信息以及煙霧信息，其中，

若圖像識別結果信息達到外部系統設定的報警闕值，則生成此圖像識別結果信息的存儲信息，所述存儲信息包括圖像信息、視頻圖片存儲路徑信息、所采集圖像信息的設備終端信息、報警時間信息以及報警類型信息。

5.根據權利要求1所述的基于視頻圖片的人工智能煙火分析方法，其特征在于：所述采樣圖像訓練樣本還標注有第三訓練特征信息以及第四訓練特征信息，其中，

所述第三訓練特征信息用于表征視頻圖片發生火或煙的區域位置信息，所述第四訓練特征信息用于表征視頻圖片所發生火或煙類型信息，且，

若所述第一訓練特征信息和第二訓練特征信息對卷積神經網絡進行訓練時，通過預設損失函數分別對所述第一訓練特征信息和第二訓練特征信息的損失值進行計算，以用于圖像識別模型通過對采樣圖像訓練樣本的學習，自動調整其內部參數，從而提高識別率的效果，具體實施方式包括：將原始圖片按不同區塊大小進行特征提取；融合提取的特征信息；對融合后的信息進行卷積；計算損失函數。