[发明专利]适用于嵌入式平台的多因子火焰识别方法

权利要求书

1.一种适用于嵌入式平台的多因子火焰识别方法，其特征在于，包括：

建立火灾样本库，所述火灾样本库来自于网络火灾图片及燃烧实验图片；

分别获取多处现场视频帧；

分别提取每一处现场视频帧中的运动目标，获得一个或多个准火灾区域；

根据所述火灾样本库对一个或多个准火灾区域分别进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息，包括：

分别采用BP神经网络算法、SSD算法及Yolo算法对一个或多个准火灾区域进行检测；

其中采用BP神经网络算法对准火灾区域进行检测时，抽取所述火灾样本库中的网络火灾图片及燃烧实验图片组成BP神经网络训练集；

根据检测分别输出火灾置信度P，P∈[0,1]，根据所述火灾置信度P判断是否存在火灾信息；

采用SSD算法及Yolo算法对准火灾区域进行检测，并分别输出SSD火灾置信度P_A及Yolo火灾置信度为P_B，若P0.8且P_A0.8，则所述火灾信息为大火灾信息；若P0.6且P_B0.7，则所述火灾信息为小火灾信息；

若是，对所述火灾信息进行火灾等级划分，并根据划分的所述火灾等级产生对应的报警信号。

2.根据权利要求1所述的适用于嵌入式平台的多因子火焰识别方法，其特征在于，其中采用所述BP神经网络算法对一个或多个准火灾区域进行检测时，抽取火灾样本库中所包含的至少一半量的网络火灾图片及至少一半量的燃烧实验图片组成BP神经网络训练集。

3.根据权利要求1所述的适用于嵌入式平台的多因子火焰识别方法，其特征在于，对所述火灾信息进行火灾等级划分，并根据所述划分的火灾等级产生对应的报警信号包括：若判断所述火灾信息为大火灾信息，则获取连续30帧以上60帧以下的现场视频帧，当连续30帧以上60帧以下的现场视频帧中均产生大火灾信息，则划分所述火灾信息为一级火灾预警，产生一级报警信号。

4.根据权利要求3所述的适用于嵌入式平台的多因子火焰识别方法，其特征在于，所述对火灾信息进行火灾等级划分，并根据所述划分的火灾等级产生对应的报警信号包括：所述对火灾信息进行火灾等级划分，并根据所述划分的火灾等级产生对应的报警信号包括：若判断所述火灾信息为大火灾信息，则获取连续60帧以上90帧以下的现场视频帧，当连续60帧以上90帧以下的现场视频帧中均出现大火灾信息，则划分所述火灾信息为二级火灾预警，产生二级报警信号。

5.根据权利要求3所述的适用于嵌入式平台的多因子火焰识别方法，其特征在于，所述对火灾信息进行火灾等级划分，并根据所述划分的火灾等级产生对应的报警信号包括：所述对火灾信息进行火灾等级划分，并根据所述划分的火灾等级产生对应的报警信号包括：若判断所述火灾信息为大火灾信息，则获取连续90帧以上现场视频帧，当连续90帧以上的现场视频帧中均出现大火灾信息，则所述火灾信息为三级火灾预警，产生三级报警信号。

6.根据权利要求3所述的适用于嵌入式平台的多因子火焰识别方法，其特征在于，所述对火灾信息进行火灾等级划分，并根据所述划分的火灾等级产生对应的报警信号包括：若判断所述火灾信息为小火灾信息，则获取连续15帧以上30帧以下的现场视频帧，当连续15帧以上30帧以下的现场视频帧中均出现小火灾信息，则所述火灾信息为0级火灾预警，产生0级报警信号。

7.根据权利要求1-6任一所述的适用于嵌入式平台的多因子火焰识别方法，其特征在于，所述提取所述视频帧中的运动目标，获得准火灾区域包括：

采用混合高斯模型建模方法对获取的现场视频帧进行背景建模；

更新混合高斯模型中参数，获得背景图像；

将现场视频帧与获得的背景图像相减，提取到现场视频帧中的运动目标，以获得准火灾区域。