[发明专利]一种结合烟雾运动趋势和纹理特征的火灾检测方法在审
申请号: | 201911405413.7 | 申请日: | 2019-12-30 |
公开(公告)号: | CN111145222A | 公开(公告)日: | 2020-05-12 |
发明(设计)人: | 苏宏业;马龙华;陆哲明;虞斌超 | 申请(专利权)人: | 浙江中创天成科技有限公司 |
主分类号: | G06T7/254 | 分类号: | G06T7/254;G06K9/00;G06K9/62 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 刘静 |
地址: | 315400 浙江省宁波市鄞*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 结合 烟雾 运动 趋势 纹理 特征 火灾 检测 方法 | ||
本发明公开了一种结合烟雾运动趋势和纹理特征的火灾检测方法,该方法首先采集火灾烟雾视频,构建训练视频集;然后构建由烟雾纹理特征深度网络、全连接网络和Softmax层构成的火灾视频烟雾检测模型,并通过提取HOG特征的方法计算训练视频集中火灾烟雾各方向上的运动剧烈程度以及整体趋势。然后将烟雾纹理特征深度网络输出的特征向量和HOG特征进行拼接,共同输入全连接网络中,输出判断火灾烟雾概率的置信度。将待测视频逐帧输入到火灾视频烟雾检测模型中,通过输出结果的置信度是否达到设定的阈值,来判断当前帧中有无火灾产生的烟雾。本方法能够很好的区分出自然界云雾与火灾烟雾的区别,并准确识别出火灾烟雾,提高了火灾烟雾识别的准确率。
技术领域
本发明属于机器视觉应用领域,特别涉及一种结合烟雾运动趋势和纹理特征的火灾检测方法。
背景技术
火灾烟雾检测算法的研究一直以来获得了较大关注,随着深度学习技术的快速发展,它也成为了其中的研究热点之一。基于深度学习的火灾烟雾检测技术具备成本小、反应快、实时性强、覆盖面积广、准确率高等优点,有着广泛的应用前景。由于火灾烟雾的环境的复杂性、光照天气多变性、算法模型的复杂度、对硬件的算力要求等,火灾烟雾检测目前还处于初步落地阶段中。有时即便有烟雾存在,受限于摄像机角度、物体遮挡等,检测效果还有很大的提升空间,所以高精度、低复杂度且能抗遮挡的火灾烟雾检测算法还有待开发。
目前的火灾烟雾检测方法只有两种主流方式:一种是基于深度学习的方法但是算法复杂度高,对硬件算力要求高,较难部署,对神经网络的设计要求比较高。另一种是基于传统方法,利用人工设计的特征,如火灾烟雾的运动特征、光学特征、扩散特征等来进行火灾烟雾识别,但是这种方法准确率较低,识别较慢比较容易失效,精度上远远不如前者。
发明内容
本发明的目的在于针对现有技术的不足,提供一种结合烟雾运动趋势和纹理特征的火灾检测方法。结合深度学习和运动特征来进行火灾烟雾检测,实现了高精度的实时的火灾视频烟雾检测。
本发明的目的是通过以下技术方案来实现的:一种结合烟雾运动趋势和纹理特征的火灾检测方法,包括以下步骤:
(1)采集火灾烟雾视频,并抽取火灾烟雾视频中的定长帧数的视频帧作为训练数据,用矩形框标注出视频帧上的火灾烟雾,并将标注的结果形成标注文件,将标注文件及其对应视频帧作为训练视频集;
(2)构建火灾视频烟雾检测模型,该模型由烟雾纹理特征深度网络、全连接网络和Softmax层构成,所述烟雾纹理特征深度网络结构为LeNet除去全连接层的网络,用于逐帧定位视频中的烟雾位置;将步骤(1)中的训练视频集输入到烟雾纹理特征深度网络中,输出为经过神经网络编码的特征向量。
(3)火灾视频烟雾检测模型通过提取HOG特征的方法计算训练视频集中火灾烟雾各方向上的运动剧烈程度以及整体趋势。
所述提取HOG特征具体为:对输入训练视频集的视频帧通过帧差法计算运动图像,并对运动图像进行灰度化,归一化后,逐像素计算梯度,将输入帧分成6*6的Cell,并统计每个Cell的梯度直方图,将每3*3个Cell内的梯度直方图串联并扫描全图,即得到HOG特征,该HOG特征包含火灾烟雾各方向上的运动剧烈程度以及整体趋势;
(4)将烟雾纹理特征深度网络输出的特征向量和HOG特征进行拼接,然后输入到全连接网络判别训练视频集中是否有烟雾,并通过Softmax层输出训练视频集中的火灾烟雾概率的置信度。
(5)将待测视频逐帧输入到火灾视频烟雾检测模型中,通过输出结果的置信度是否达到设定的阈值,来判断当前帧中有无火灾产生的烟雾,并根据检测结果通过扬声器警告。
进一步地,将采集火灾烟雾视频作为正样本,并采集不含有火灾烟雾的自然云雾视频作为负样本,一起构建训练视频集对火灾视频烟雾检测模型进行训练,提升火灾视频烟雾检测模型的抗干扰能力。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江中创天成科技有限公司,未经浙江中创天成科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911405413.7/2.html,转载请声明来源钻瓜专利网。