[發(fā)明專利]一種基于影像進(jìn)行火災(zāi)檢測(cè)的方法及相關(guān)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202210981090.1
• 申請(qǐng)日: 2022-08-16
• 公開（公告）號(hào): CN115346152A
• 公開（公告）日: 2022-11-15
• 發(fā)明（設(shè)計(jì)）人: 史天朔;鄺智穎;徐一茗;符方英
• 申請(qǐng)（專利權(quán)）人: 中國銀行股份有限公司
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40;G06V40/10;G08B17/06;G08B17/10;G08B17/12
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 馬天琪

本申請(qǐng)?zhí)峁┝艘环N基于影像進(jìn)行火災(zāi)檢測(cè)的方法，可應(yīng)用于公共安全領(lǐng)域或人工智能領(lǐng)域，包括：采集目標(biāo)區(qū)域的實(shí)時(shí)影像；根據(jù)目標(biāo)區(qū)域的實(shí)時(shí)影像，基于火災(zāi)檢測(cè)模型，確定目標(biāo)區(qū)域的火災(zāi)檢測(cè)結(jié)果；當(dāng)火災(zāi)檢測(cè)結(jié)果表征目標(biāo)區(qū)域發(fā)生火災(zāi)，根據(jù)目標(biāo)區(qū)域的實(shí)時(shí)影像，基于火災(zāi)分級(jí)模型，確定目標(biāo)區(qū)域的火災(zāi)分級(jí)結(jié)果。該方法通過構(gòu)建火災(zāi)檢測(cè)模型，快速地檢測(cè)出場(chǎng)景內(nèi)可能發(fā)生的火災(zāi)，并通過構(gòu)建火災(zāi)分級(jí)模型，確定火災(zāi)的分級(jí)結(jié)果，從而提升火災(zāi)檢測(cè)的準(zhǔn)確度。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能領(lǐng)域，尤其涉及一種基于影像進(jìn)行火災(zāi)檢測(cè)的方法、裝置、服務(wù)器、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)

火災(zāi)是一種由于失去控制的燃燒而造成的災(zāi)害，是威脅公眾安全和社會(huì)發(fā)展的主要災(zāi)害之一。火災(zāi)存在擴(kuò)張快、危害大的特點(diǎn)，大多數(shù)火災(zāi)的發(fā)生都是在火勢(shì)較小時(shí)未被及時(shí)注意，從而快速擴(kuò)張導(dǎo)致的。因此，若能在火勢(shì)較小時(shí)及時(shí)響應(yīng)，便可以大大降低火災(zāi)的規(guī)模和造成的危害。

針對(duì)上述問題，業(yè)界可以采集目標(biāo)場(chǎng)景內(nèi)的圖像或影像，通過圖像識(shí)別技術(shù)進(jìn)行識(shí)別，從而檢測(cè)目標(biāo)場(chǎng)景內(nèi)是否發(fā)生火災(zāi)，例如，業(yè)界通常采用貝葉斯算法或區(qū)域卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)火災(zāi)進(jìn)行識(shí)別。然而，上述方法識(shí)別速度較慢，同時(shí)，由于無法看到全局圖像且圖像幀數(shù)較低，從而導(dǎo)致識(shí)別準(zhǔn)確率較低。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N基于影像進(jìn)行火災(zāi)檢測(cè)的方法，該方法可以快速地檢測(cè)出場(chǎng)景內(nèi)可能發(fā)生的火災(zāi)，同時(shí)提升了火災(zāi)檢測(cè)的準(zhǔn)確度。本申請(qǐng)還提供了上述方法對(duì)應(yīng)的裝置、服務(wù)器、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品。

第一方面，本申請(qǐng)?zhí)峁┝艘环N基于影像進(jìn)行火災(zāi)檢測(cè)的方法。所述方法包括：

采集目標(biāo)區(qū)域的實(shí)時(shí)影像；

根據(jù)所述目標(biāo)區(qū)域的實(shí)時(shí)影像，基于火災(zāi)檢測(cè)模型，確定所述目標(biāo)區(qū)域的火災(zāi)檢測(cè)結(jié)果；

當(dāng)所述火災(zāi)檢測(cè)結(jié)果表征所述目標(biāo)區(qū)域發(fā)生火災(zāi)，根據(jù)所述目標(biāo)區(qū)域的實(shí)時(shí)影像，基于火災(zāi)分級(jí)模型，確定所述目標(biāo)區(qū)域的火災(zāi)分級(jí)結(jié)果。

在一些可能的實(shí)現(xiàn)方式中，所述目標(biāo)區(qū)域部署溫濕度探測(cè)器和煙霧濃度探測(cè)器，所述根據(jù)所述目標(biāo)區(qū)域的實(shí)時(shí)影像，基于火災(zāi)檢測(cè)模型，確定所述目標(biāo)區(qū)域的火災(zāi)檢測(cè)結(jié)果，包括：

將所述目標(biāo)區(qū)域的實(shí)時(shí)影像輸入所述火災(zāi)檢測(cè)模型，獲得所述火災(zāi)檢測(cè)模型的輸出結(jié)果；

根據(jù)所述火災(zāi)檢測(cè)模型的輸出結(jié)果，結(jié)合所述溫濕度探測(cè)器的探測(cè)數(shù)據(jù)和所述煙霧濃度探測(cè)器的探測(cè)數(shù)據(jù)，確定所述目標(biāo)區(qū)域的火災(zāi)檢測(cè)結(jié)果。

在一些可能的實(shí)現(xiàn)方式中，所述火災(zāi)檢測(cè)模型，是通過如下步驟構(gòu)建的：

獲取多個(gè)火災(zāi)影像，所述火災(zāi)影像包括火焰或人體；

根據(jù)所述多個(gè)火災(zāi)影像，基于YOLO算法，構(gòu)建火災(zāi)檢測(cè)模型；

所述火災(zāi)分級(jí)模型，是通過如下步驟構(gòu)建的：

獲取所述多個(gè)火災(zāi)影像中的火焰影像或人體影像，所述火焰影像或人體影像為對(duì)所述多個(gè)火災(zāi)影像進(jìn)行框取得到的；

根據(jù)所述火災(zāi)影像或所述人體影像，基于隨機(jī)森林算法，構(gòu)建火災(zāi)分級(jí)模型。

在一些可能的實(shí)現(xiàn)方式中，所述方法還包括：

向用戶發(fā)送所述火災(zāi)檢測(cè)結(jié)果；

接收所述用戶對(duì)火災(zāi)檢測(cè)結(jié)果的反饋；

根據(jù)所述用戶對(duì)火災(zāi)檢測(cè)結(jié)果的反饋，更新所述火災(zāi)檢測(cè)結(jié)果。

在一些可能的實(shí)現(xiàn)方式中，所述方法還包括：

根據(jù)所述目標(biāo)區(qū)域的火災(zāi)分級(jí)結(jié)果，確定響應(yīng)策略。