[发明专利]一种基于SSD的电缆隧道明火识别方法

权利要求书

1.一种基于SSD的电缆隧道明火识别方法，其特征在于，包括以下步骤：

S1.通过隧道巡检机器人摄像头拍摄采集隧道明火样本图像，获得图像集；

S2.遍历步骤S1中所述图像集中所有的样本图像，对每张样本图像用包围框包围完整的明火区域并进行标记处理为具有包围框的明火样本图像，将包围框内的像素点标记为明火类别，将包围框外的像素点标记为背景类别，获得第一训练集；

S3.针对步骤S2中所述的具有包围框的明火样本图像进行尺度缩放处理，将每张明火样本图像的包围框的较长边变换到预设目标尺寸，较短边根据较长边变换到预设目标尺寸的缩放尺度进行相同比例的缩放，获得第二训练集；

S4.采用COCO数据集输入SSD模型进行预训练并迭代预训练得到预训练后模型，将步骤S3中所述的第二训练集输入预训练后模型进行针对训练并迭代针对训练得到隧道明火检测模型；

S5.实时采集隧道待测图像，按照步骤S3中所述的缩放尺度进行缩放后输入至步骤S4中所述的隧道明火检测模型中，计算输出置信度大于90％的分类结果作为待测图像的识别结果；

其中，步骤S4中，所述的SSD模型由VGG-16网络和四个卷积层构建，步骤S4中预训练后模型的建立步骤如下：

S41.以隧道明火样本图像为输入，在卷积层中核对图像卷积运算得到的特征图；

S42.对VGG-16网络中的Conv4_3层、Conv7层、Conv8_2～Conv11_2层的特征图用两种不同的3×3卷积核进行卷积，一种输出分类用的置信度，一种输出回归用的定位信息；

S43.将所有的输出结构合并，通过非极大值抑制处理得到检测结果。

2.根据权利要求1所述的基于SSD的电缆隧道明火识别方法，其特征在于，步骤S1中，摄像头以明火区域为目标物，拍摄范围为水平左偏差为15°～30°视角、水平右偏差为15°～30°视角之间的范围以及俯视偏差为50°～70°视角、仰视偏差为50°～70°视角之间的范围。

3.根据权利要求1所述的基于SSD的电缆隧道明火识别方法，其特征在于，步骤S2中所述的包围框为长方形框，完整的明火区域为包围框内非目标物的区域面积占包围框面积的比例小于15％的明火区域。

4.根据权利要求1所述的基于SSD的电缆隧道明火识别方法，其特征在于，输出分类用的置信度时，每个边框生成两个类别的置信度；输出回归用的定位信息时，每个边框的生成四个坐标值(x,y,w,h)；其中，x表示边框左上角点的横坐标值，y表示边框左上角点的纵坐标值，w表示边框的宽度值，h表示边框的高度值。

5.根据权利要求1所述的基于SSD的电缆隧道明火识别方法，其特征在于，步骤S41中特征图按下述方法进行运算：

步骤1：将Conv4_3层输出的特征图分成38×38个单元，每个单元上使用四种默认边界框，每个默认边界框上使用大小为3×3的卷积核进行卷积运算，输出边框的四个元素和类别的两个元素，边框的四个元素分别是输出边框的左上角点的横坐标值x、纵坐标值y和边框回归层所输出边框的宽度值w、高度值h，类别的两个元素分别是边框中的物体属于明火和背景的置信度；

步骤2：按照步骤S41中相同的方法依次在Conv7层、Conv8_2～Conv11_2层输出的特征图上进行计算；其中，各层特征图分别被分为19×19、10×10、5×5、3×3、1×1个单元，每个单元所使用的默认边界框数分别为6、6、6、4、4。

6.根据权利要求1所述的基于SSD的电缆隧道明火识别方法，其特征在于，步骤S4中预训练后模型的模型训练误差小于10％，隧道明火检测模型的模型训练误差的平均值小于5％。