[发明专利]使用三维卷积神经网络的视频烟雾识别方法

权利要求书

1.一种使用三维卷积神经网络的视频烟雾识别方法，其特征在于，包括：

利用预训练好的Faster RCNN模型并结合非极大融合算法对目标帧进行烟雾的初步识别定位，得到疑似烟雾区域的结果框及其烟雾评分，并提取目标帧前后一定数量的视频帧组成视频序列；

利用预训练好的三维卷积神经网络对视频序列进行三维特征提取，将提取到的特征向量与结果框的烟雾评分组成新的特征向量输入至SVM分类器，由SVM分类器输出新的特征向量为烟雾或非烟雾的分类结果；

所述利用预训练好的Faster RCNN模型并结合非极大融合算法对目标帧进行烟雾的初步识别定位，得到疑似烟雾区域的结果框的步骤包括：

利用预训练好的Faster RCNN模型中的区域候选网络结合目标帧生成一定数量的目标框，然后将目标框按照烟雾评分递减排序，并结合非极大融合算法生成疑似烟雾区域的结果框，过程如下：

从中选取烟雾评分最高的目标框，并判断其烟雾评分是否高于阈值；若高于阈值，则判断目标框是否与已经选出的任一结果框不重叠；若是，则将相应的目标框保留为一个结果框，并保留相应的烟雾评分；如果此过程为第一次执行，则选出的烟雾评分最高的目标框直接保存为结果框；

若否，则判断目标框是否与已经选出的某一结果框重叠的区域大于设定值；若是，则将目标框与相应结果框合并为一个新的结果框，且所述新的结果框集成合并前结果框的烟雾评分；若否，则删除相应目标框；

通过重复执行上述过程，最终选出一系列疑似烟雾区域的结果框。

2.根据权利要求1所述的一种使用三维卷积神经网络的视频烟雾识别方法，其特征在于，利用预训练好的Faster RCNN模型中的softmax对疑似烟雾区域的结果框进行分类，得到相应的烟雾评分。

3.根据权利要求1所述的一种使用三维卷积神经网络的视频烟雾识别方法，其特征在于，提取目标帧前后一定数量的视频帧组成视频序列后，还按照疑似烟雾区域的结果框的位置对视频序列进行裁剪，得到与各个结果框对应的视频序列。

4.根据权利要求1所述的一种使用三维卷积神经网络的视频烟雾识别方法，其特征在于，所述预训练好的三维卷积神经网络包括：依次连接的五个卷积层与三个全连接层；其中，第三个全连接层只参与三维卷积神经网络的训练阶段，当三维卷积神经网络训练完成后，在测试阶段，将第二个全连接层的输出作为提取到的特征向量。