[发明专利]适用于嵌入式平台的多因子火焰识别方法

说明书

本申请揭示一种适用于嵌入式平台的多因子火焰识别方法，包括建立火灾样本库，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；若是，对火灾信息进行火灾等级划分，并根据划分的火灾等级产生对应的报警信号。本申请通过分别处理获取的现场视频帧，实时分析现场监控环境中是否出现有可能发展成为火灾的火灾信息，并再次进行火灾确认，进一步判断是否真存在火灾信息，还会对火灾信息进行火灾等级分析并且并生警报，火灾信息识别更准确。

技术领域

本申请涉及电子智能消防技术领域，具体地，涉及一种适用于嵌入式平台的多因子火焰识别方法。

背景技术

目前火灾识别主流方法有三种，第一种采用传统的火灾探测传感器进行火灾信息的探测，普遍存在检测时间长准确率低的缺点。第二种是采用图像识别进行火灾信息的检测，即采用传统的数字图像处理手段，人工设定火灾的特征维度进行火灾识别，也即人工通过设计多个具有代表性的特征来表征火灾信息，但由于人工表征火灾的特征有限，因而对不同场景或者不同背景下的火灾信息无法正常表达，普遍存在误判率高，鲁棒性偏低的缺点。第三种则是采用深度学习的方式，自动学习样本图片中的火灾特征，通过自动学习样本图片中的火灾特征代替人工设计火灾的特征维度，提高了鲁棒性以及准确率。如图1所示，其为传统火灾识别系统图，通用型的深度学习方法在进行火灾识别时，多个视频采集端采集到的现场视频统一经交换机传送至后台服务器，由后台服务器进行集中计算，导致计算量巨大。

发明内容

针对现有技术的不足，本申请提供一种适用于嵌入式平台的多因子火焰识别方法。

本申请公开的一种适用于嵌入式平台的多因子火焰识别方法，包括：

建立火灾样本库，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；

根据火灾样本库对一个或多个准火灾区域进行火灾确认，判断一个或多个准火灾区域是否存在火灾信息；

若是，对火灾信息进行火灾等级划分，并根据划分的火灾等级产生对应的报警信号。

根据本申请的一实施方式，根据火灾样本库对一个或多个准火灾区域进行火灾确认，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；

根据火灾置信度判断是否存在火灾信息。

根据本申请的一实施方式，其中采用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。

根据本申请的一实施方式，根据火灾置信度判断是否存在火灾信息包括：采用BP神经网络算法检测时，输出BP网络火灾置信度P，P∈[0,1]，根据火灾置信度P判断是否存在火灾信息。

根据本申请的一实施方式，分别采用SSD算法及Yolo算法对火灾信息进行检测，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，则火灾信息为大火灾信息；若P0.6且P_B0.7，则火灾信息为小火灾信息。