[发明专利]一种基于卷积网络的火灾场景中烟雾的检测方法

权利要求书

1.一种基于卷积网络的火灾场景中烟雾的检测方法，其特征在于，包括：获取待检测火灾场景影像中n张连续图像，其中n≥3；

将n张连续图像输入预先训练得到的烟雾检测卷积网络，输出得到待检测火灾场景中是否包含烟雾的检测结果；其中，所述烟雾检测卷积网络包括卷积层、最大池化层、全连接层和softmax函数。

2.根据权利要求1所述的方法，其特征在于，将n张连续图像输入预先训练得到的烟雾检测卷积网络，输出得到待检测火灾场景中是否包含烟雾的检测结果，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，对烟雾检测卷积网络进行训练。

3.根据权利要求2所述的方法，其特征在于，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，对烟雾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烟雾检测卷积网络，获得训练检测矩阵

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

4.根据权利要求3所述的方法，其特征在于，所述烟雾检测卷积网络进一步用于：

获取待检测火灾场景影像中n张连续图像，将n张连续图像依次输入5个3×3×3的3D卷积层，其中，在5个3D卷积层中依次将输入的连续图像输出为64、128、256、512和512通道；

将最后一个3D卷积层的输出依次输入两个全连接层，将动态信息转变为1024个特征；

将全连接层的输出，输入到softmax函数中，判断待检测火灾场景影像中是否包含烟雾。

5.根据权利要求4所述的方法，其特征在于，Y与的差异loss(θ)通过以下公式计算获得：

其中，N为一组训练样本图像的数量；j为判断错的样本图像的编号；y_i为标注过的标签；p_j为判断正确分类的概率；p_yi为判断错误分类中的最大概率值；w为第二个全连接层的所有权重的二阶范数。

6.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。

7.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一项所述的方法。