[发明专利]一种基于深度学习的消防器材图像识别方法及系统

说明书

本发明提出了一种基于深度学习的消防器材图像识别方法及系统，涉及图像识别领域。一种基于深度学习的消防器材图像识别方法包括：采集消防器材图像信息，对采集的消防器材图像进行处理，获取消防器材图像；对消防器材图像进行特征提取，得到图像特征点；将图像特征点输入至预先训练完成的神经网络模型中，输出图像特征点对应的特征数据；将特征数据进行分类并标记上相对应的标签。其能够根据特征提取结果生成图像识别结果以此实现对消防器材图像的高效识别，也提高了对批量消防器材图像的处理速度，便于快速定位消防器材图像对应的消防器材对象。此外本发明还提出了一种基于深度学习的消防器材图像识别系统。

技术领域

本发明涉及图像识别领域，具体而言，涉及一种基于深度学习的消防器材图像识别方法及系统。

背景技术

近年来，图像识别技术发展迅猛。例如，在PASCAL VOC物体检测基准测试中，检测器的性能从平均准确率百分之三十飙升到了今天的超过百分之九十。对于图像分类，在极具挑战性的ImageNet数据集上，先进算法的表现甚至超过了人类。图像识别技术的发展，为安全视频监控技术提供了更为广阔的发展前景。

然而，现有技术却缺乏相应的图像识别技术来实现对消防器材的管理全过程的安全监管，使得消防作业中存在的安全隐患较大，且违规作业行为不能实时预警。

数据增强可以有效增加深度学习网络的训练数据的多样性。常用的数据增强方式中，通常在源数据层面进行增强，例如对训练图像进行随机的旋转、平移、缩放等；但是这些方式通常都需要人工设计，导致增强后的数据种类有限。另一种方式中，可以在网络输出的特征层面进行增强。

但是现有的在特征层面进行增强的方式，难以适用于特征归一化的情况，不利于从整体上提高网络训练的精确度。

发明内容

本发明的目的在于提供一种基于深度学习的消防器材图像识别方法，其能够根据特征提取结果生成图像识别结果以此实现对消防器材图像的高效识别，也提高了对批量消防器材图像的处理速度，便于快速定位消防器材图像对应的消防器材对象。

本发明的另一目的在于提供一种基于深度学习的消防器材图像识别系统，其能够运行一种基于深度学习的消防器材图像识别方法。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种基于深度学习的消防器材图像识别方法，其包括采集消防器材图像信息，对采集的消防器材图像进行处理，获取消防器材图像；对消防器材图像进行特征提取，得到图像特征点；将图像特征点输入至预先训练完成的神经网络模型中，输出图像特征点对应的特征数据；将特征数据进行分类并标记上相对应的标签。

在本发明的一些实施例中，上述采集消防器材图像信息，对采集的消防器材图像进行处理，获取消防器材图像包括：对采集的消防器材图像进行区域分割，分割出多个图像，对分割后的每一张图像均进行增强处理。

在本发明的一些实施例中，上述还包括：基于预设图像分割方法，对增强处理后的多个图像均进行图像分割处理，分割出每张图像的目标区域图像。

在本发明的一些实施例中，上述对消防器材图像进行特征提取，得到图像特征点包括：将消防器材图像进行粗提取，得到数据点，利用训练完成的神经网络模型对数据点进行消防器材的细提取，得到图像特征点以完成消防器材的检测。

在本发明的一些实施例中，上述将图像特征点输入至预先训练完成的神经网络模型中，输出图像特征点对应的特征数据包括：获取图像特征点对应的样本类别向量，根据样本图像特征和样本类别向量放入向量机中进行训练，以获得预先训练完成的神经网络模型。

在本发明的一些实施例中，上述还包括：将样本图像特征作为向量机的输入特征，将样本类别向量作为向量机的输出特征对向量机进行训练，获得预先训练完成的神经网络模型。