[发明专利]3D立体火灾识别方法和系统

权利要求书

1.一种3D立体火灾识别方法，其特征在于，包括以下步骤：

1)利用虚拟现实技术构建虚拟数字地球，并在虚拟数字地球中加载三维场景；

2)将监控视频的实时图像映射到三维空间场景中，实现监控视频与三维场景的融合；

3)对三维场景中的监控视频进行火灾的诊断分析，以发现火灾并报警；

其中，步骤3)采用基于CNN特征的语义划分和语义融合方法进行火灾的诊断分析，包括以下步骤：

3-1)在训练时采用语义划分方法，利用样本的CNN特征向量将大规模训练集划分为多个紧致的语义子空间，并对每个子空间训练子分类器；

3-2)在检测时采用语义融合方法，根据样本的CNN特征向量选择相应的子分类器进行加权融合，进而计算测试样本的综合得分值，从而给出判别结果，实现烟火的检测；

其中，步骤3-1)将训练集进行语义划分的方法是：将CNN特征从大到小进行排序，将其前k个非零元素所在维度进行子空间语义划分，使同一子空间里的样本具有某种语义共性，不同子空间里的样本反映不同语义，实现子空间多样性的目的。

2.如权利要求1所述的方法，其特征在于，步骤1)利用渲染引擎，根据真实世界构建比例为1:1的虚拟数字地球，然后加载三维场景；步骤2)对多路网络监控视频进行解码，然后融合到三维场景中。

3.如权利要求1所述的方法，其特征在于，步骤3-1)在进行语义划分后，需要满足以下条件才在子空间上训练子分类器：

(a)如果某子空间所含某类别的正样本数小于设定的阈值，则不训练该类别的子分类器；

(b)如果某子空间正负例样本比例小于设定的阈值，则不训练该类别的子分类器。

4.如权利要求1所述的方法，其特征在于，步骤3-2)在进行烟火识别检测时计算每个子空间上子分类器的加权融合权重系数；对当前测试样本，对子分类器的加权融合权重系数进行降序排列，仅选前top-k的非零系数对应的子分类器进行测试，得到相应每个子分类器对应的得分概率值；对于没有选中的子分类器，其相应的得分概率值为0；然后集成多个子分类器预测的结果进行综合判断，实现多分类器融合。

5.如权利要求4所述的方法，其特征在于，采用top-k中的CNN特征向量所占整个CNN特征向量的比重作为加权融合权重系数。

6.如权利要求4所述的方法，其特征在于，所述多分类器融合的得分计算公式为：

其中，α_i为子分类器的加权融合权重系数，f_i(x_t)为对当前测试样本的CNN特征x_t的第i个子分类器对应的得分概率值；当最终的得分F(x_t)大于阈值时，则判定当前样本图像有烟火，进行后续报警处理；否则认为没有烟火。

7.一种采用权利要求1～6中任一权利要求所述方法的3D立体火灾识别系统，其特征在于，包括：

虚拟数字地球构建模块，负责采用虚拟现实技术构建虚拟数字地球，并在虚拟数字地球中加载三维场景；

视频融合模块，负责将监控视频的实时图像映射到三维空间场景中，实现监控视频与三维场景的融合；

火灾诊断分析模块，负责对三维场景中的监控视频进行火灾的诊断分析，以发现火灾并报警。

8.一种针对数字图像的烟火检测方法，其特征在于，包括以下步骤：

1)在训练阶段采用语义划分方法，利用样本的CNN特征向量将大规模的监控视频图像的训练集划分为多个紧致的语义子空间，并对每个子空间训练子分类器；

2)在检测阶段采用语义融合方法，根据样本的CNN特征向量选择相应的子分类器进行加权融合，进而计算测试样本的综合得分值，从而给出判别结果，实现烟火的检测；

其中，步骤1)将训练集进行语义划分的方法是：将CNN特征从大到小进行排序，将其前k个非零元素所在维度进行子空间语义划分，使同一子空间里的样本具有某种语义共性，不同子空间里的样本反映不同语义，实现子空间多样性的目的。