[发明专利]一种基于深度学习图像火灾识别的安全预警管理系统

权利要求书

1.一种基于深度学习图像火灾识别的安全预警管理系统，其特征在于：从前到后依次包括系统管理模块、图像预处理模块、火灾识别模型模块、预警管理模块和可视化模块。

2.根据权利要求1所述基于深度学习图像火灾识别的安全预警管理系统，其特征在于：

系统管理模块的功能是

1)通过管理端系统配置视频识别服务及图像采集端需要的各种配置数据，配置信息包括：

a.通过硬盘录像机管理模块配置硬盘录像机的厂商、型号、编号、状态、访问路径等主要信息；

b.通过摄像机管理模块配置摄像机的厂商、挂载硬盘录像机、编号、序列号、分区位置、延时时间、间隔帧数等主要信息；

2)配置图像预处理运行时依赖的参数信息；

3)对用户信息及用户角色进行维护，同为角色设置模块及操作的访问权限；

图像预处理模块的功能是

1)配置的摄像头信息；

2)获取摄像头监控实时画面；

3)对实时画面进行灰度转换、高斯模糊、帧差、腐蚀膨胀、前景提取；

4)经过3提取到的视频帧数据通过url库传送给到火灾识别模型模块；

火灾识别模型模块的功能是

利用基于深度学习算法的图像火灾识别方法建立识别模型，通过对接收到的视频进行识别，将识别结果传递给预警管理模块；

预警管理模块的功能是

预警管理模块，结合人员工作经验，建立人工模型，针对火灾识别模块的结果进行分析，进一步减少了误报的发生；

可视化模块的功能是

1)配置的摄像头信息和队列地址等信息；

2)获取动态报警信息，得到报警信息，并在摄像头窗口中弹出报警的视频画面，在相应的视频画面中标出报警位置。

3.根据权利要求2所述基于深度学习图像火灾识别的安全预警管理系统，其特征在于：

基于深度学习算法的图像火灾识别方法是通过火灾识别卷积神经网络结构进行的；

火灾识别卷积神经网络结构包括：

第一层池化：maxpooling2x2的核步长为2、

第二层卷积：5x5大小的卷积核64个步长为2、

第二层池化：maxpooling2x2的核步长为2、

第三层为全连接层：512个神经单元，dropout为0.6、

第四层为子网络输出层：输出为两个节点，即两个类别有火、无火；

用Softmax激活函数将输出的两个节点值映射到概率空间即有火、无火的概率；

Softmax函数表达式为:

除了最后一层之外，其他各层激活函数均采用ReLU函数；

达式为ReLU(x)＝max(0,x)；

权值W的初始化采用μ＝0，std＝0.1的高斯截断；

训练模型时的学习率为0.001。

4.根据权利要求2述基于深度学习图像火灾识别的安全预警管理系统，其特征在于：

火灾识别是

基于CNN及HSV算法的火灾识别；和/或，

基于faster-rcnn算法的火灾识别；和/或，

基于CNN及帧间差分算法的火灾识别。