[发明专利]一种基于卷积网络的火灾场景中内容的检测装置

说明书

本发明提供一种基于卷积网络的火灾场景中内容的检测装置，所述方法包括：获取至少一张待检测火灾场景的图像；将待检测火灾场景的图像输入预先训练得到的火灾检测卷积网络，输出得到待检测火灾场景中各像素为各内容的概率。本发明基于待检测火灾场景的静态图像特征，具有高效、准确识别火灾场景中内容信息的有益效果。

技术领域

本发明涉及人工智能技术领域，更具体地，涉及一种基于卷积网络的火灾场景中内容的检测装置。

背景技术

火灾能对人类生产生活造成巨大损害。以NFPA提供的数据为例，美国2015年总共发生约134万场火灾，3千人死于火灾中，1.5万人受伤，造成143亿美元损失，防火部门每隔23秒就要应对一次火灾的发生。据统计火灾预警的时间越迟，其伤亡人员可能性越高，财产损失越大。而烟、雾和火光作为火灾初期产生的重要特征，如果能通过视觉装置有效的捕捉到烟、雾和火光，就能在火情尚未扩大时提供及时、有效的预警，从而减小人员伤亡和财产损失的几率。由于监控相机相易于架设且存在普遍，因此开展基于视觉的烟、雾和火光检测研究具有实际应用意义。

早期的烟、雾和火光识别多围绕颜色、纹理以及轮廓等静态特征展开，例如Chen和Yin等人通过分析烟、雾和火光的像素点颜色信息，统计并建立了烟雾彩色模型来进行烟、雾和火光检测。袁非牛等人采用金字塔纹理和多边尺度特征方法提取烟、雾和火光图像边缘和纹理信息进行烟、雾和火光检测。

现有烟、雾和火光检测技术存在检测效率和准确率低等问题。

发明内容

为了解决上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的基于卷积网络的火灾场景中内容的检测装置。

根据本发明实施例的第一方面，提供了一种火灾场景中内容的检测方法，包括：

获取至少一张待检测火灾场景的图像；

将待检测火灾场景的图像输入预先训练得到的火灾检测卷积网络，输出得到待检测火灾场景中各像素为各内容的概率；其中，所述烟雾检测卷积网络包括卷积层、最大池化层、上采样层和非线性激活函数；火灾场景中内容为烟、雾和火光中的至少一种。

进一步，将待检测火灾场景的图像输入预先训练得到的火灾检测卷积网络，输出得到待检测火灾场景中各像素为各内容的概率，之前还包括：

获取训练样本集；

对训练样本集进行标注；

基于训练样本集和训练样本集的标注信息，对火灾检测卷积网络进行训练。

进一步，获取训练样本集；对训练样本集进行标注；基于训练样本集和训练样本集的标注信息，对火灾检测卷积网络进行训练，进一步包括：

获取训练样本图像；

对训练样本图像所对应的标准检测矩阵Y进行标注；将训练样本图像输入火灾检测卷积网络，获得训练检测矩阵

重复执行上一步骤，通过调整火灾检测卷积网络的参数，最终使得Y与的差异loss(θ)达到最小。

进一步，Y与的差异包括对应点间的差异dl和相邻点间的差异dn，其中，相邻点间的差异dn是邻接区域内所有元素标签代数和Nneighbor(yi,j)：

其中，y_i,j为检测矩阵中的元素，i,j是训练样本图像、检测矩阵Y和中元素的坐标；λ为平衡d_l与dn的参数；label_ij为训练样本图像在i,j坐标的标注。

进一步，所述火灾检测卷积网络进一步用于：