[发明专利]分布式机器学习系统及其方法

摘要

本发明公开了一种分布式机器学习系统及其方法，要解决的技术问题是提高检测火灾的准确程度。本发明的系统设有监控中心和前端设备，监控中心与前端设备由网络连接，监控中心设有监控中心服务器，前端设备设有摄像机、智能图像处理器和火灾监控探测器。本发明的方法包括图像预处理，颜色检测，火焰特征提取，决策树训练。本发明与现有技术相比，对被监控区域内可能发生的火灾进行监控，根据火焰颜色特征，找出候选火焰点集，视频块中火焰像素点集所对应的特征向量作为正样本，类火焰视频块中所对应的特征向量作为负样本，对样本集进行决策树训练生成决策树分类模型，根据决策树分类模型来检测当前图像是否存在火焰，提高视频火焰检测的精确度。

主权项

1.一种分布式机器学习系统，其特征在于：所述分布式机器学习系统设有监控中心和前端设备，监控中心与前端设备由网络连接构成监控系统；所述监控中心设有监控中心服务器；所述前端设备设有摄像机、智能图像处理器和火灾监控探测器；所述摄像机采集被监控区域的视频图像信息，转换为数字图像，压缩成视频，将视频传送到智能图像处理器；所述智能图像处理器接收到视频，将其分解成视频图像序列，根据视频图像序列的火焰像素在RGB与YCbCr颜色空间的特征，找出视频图像中满足火焰条件的所有候选火焰点；然后，将视频图像分块得到视频块，计算视频块中火焰像素集颜色和亮度属性所对应的协方差矩阵，提取颜色和亮度协方差矩阵中的上三角或下三角部分作为特征向量，随机选择正负样本作为训练集，基于决策树分类器进行训练，建立决策树分类模型；最后，计算候选火焰点视频块的特征向量，将特征向量输入决策树分类模型进行预测，判断火焰，智能图像处理器向监控中心发出报警信息，同时将火焰信息通过网络反馈给监控中心；所述火灾监控探测器用于对火灾发生时产生的烟雾、温度、火焰燃烧时所产生的气体特征作出有效反应，将表征火灾的探测值的物理量转换为电信号，当探测值的电信号超过设定值时，火灾监控探测器向监控中心发出报警信息，同时将探测值通过网络反馈给监控中心；监控中心服务器用于管理整个监控系统信息、检查智能图像处理器和火灾监控探测器的工作状态。