[发明专利]基于分块的轻便网络的烟检测装置在审
| 申请号： | 201810978487.9 | 申请日： | 2018-08-27 |
| 公开（公告）号： | CN109272511A | 公开（公告）日： | 2019-01-25 |
| 发明（设计）人： | 罗胜 | 申请（专利权）人： | 温州大学激光与光电智能制造研究院 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/20;G06N3/08;G06N3/04 |
| 代理公司： | 温州市品创专利商标代理事务所(普通合伙) 33247 | 代理人： | 叶晶 |
| 地址： | 325000 浙江省*** | 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： | 烟检测装置 把子图像 轻便 分块 抽取 卷积神经网络 方向投影 概率矩阵 静态特征 神经网络 输入循环 数据样本 网络分析 运动特征 综合判断 帧图像 子图像 准确率 向量 聚合 视频 网络 图像 场景 压缩 概率 检测 | ||
1.一种烟雾检测装置，其特征在于，包括分割模块、动态特征获取模块、静态特征获取模块、概率矩阵获取模块和检测模块：
分割模块，用于将待检测视频中每帧图像分成多个子图像；
动态特征获取模块，用于将各子图像在U、V方向投影，得到各子图像对应u-t和v-t方向的两个向量；将各子图像对应u-t和v-t方向的两个向量以及所述各子图像之前连续n帧子图像对应u-t和v-t方向的两个向量，分别输入两个预先构建的循环神经网络，分别输出各子图像在u-t和v-t方向的动态特征向量；
静态特征获取模块，用于将各子图像输入预先构建的卷积神经网络，输出得到各子图像的静态特征向量；
概率矩阵获取模块，用于将各子图像在u-t和v-t方向的动态特征向量、和待检测图像的静态特征向量合并成各子图像对应的单个特征向量；基于各子图像对应的单个特征向量，获得各子图像中存在烟的概率；将各子图像中存在烟的概率按在对应帧图像中的位置，聚合获得待检测视频中每帧图像中包含烟的概率矩阵；
检测模块，用于将待检测视频中各帧图像中包含烟的概率矩阵以及所述各子图像之前连续n帧子图像对应的概率矩阵，输入预先构建的烟综合判断网络，输出待检测视频中包含烟的概率；其中，预先构建的烟综合判断网络依次包含两个并列设置的RNN网络、一个全连接层和一个softmax层。
2.根据权利要求1所述的装置，其特征在于，预先构建的循环神经网络包括依次先后设置的两个LSTM单元；所述预先构建的循环神经网络后连接两个全连接层。
3.根据权利要求1所述的装置，其特征在于，预先构建的卷积神经网络包括依次先后设置的三个卷积层，每个卷积层后接一个下采样层。
4.根据权利要求1所述的装置，其特征在于，概率矩阵获取模块，进一步用于：
将各子图像对应的单个特征向量输入softmax层，输出得到各子图像包含烟的概率；
基于各子图像在对应帧图像中的位置，重新聚合获得概率矩阵。
5.根据权利要求1所述的装置，其特征在于，预先构建的烟综合判断网络中包含的两个RNN网络中各依次包含单层LSTM和两个全连接层。
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温州大学激光与光电智能制造研究院，未经温州大学激光与光电智能制造研究院许可，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/201810978487.9/1.html，转载请声明来源钻瓜专利网。
