[发明专利]基于视频的火灾判定方法、装置、计算机设备及存储介质有效

专利信息
申请号: 202010598840.8 申请日: 2020-06-28
公开(公告)号: CN111814617B 公开(公告)日: 2023-01-31
发明(设计)人: 王栋;刘伟华;肖敏 申请(专利权)人: 智慧眼科技股份有限公司
主分类号: G06V20/40 分类号: G06V20/40;G06V10/25;G06V10/764;G06V10/82;G06V10/80;G06V10/774
代理公司: 深圳众鼎汇成知识产权代理有限公司 44566 代理人: 张宏杰
地址: 410000 湖南省长沙市高新*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 视频 火灾 判定 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种基于视频的火灾判定方法,其特征在于,包括:

获取环境视频;

获取所述环境视频中每帧图像的候选区域;

对其中一帧所述图像的候选区域进行初步检测,得到第一分类结果;

根据每帧所述图像的所述候选区域生成与每帧所述图像对应的空间特征向量;

以所述其中一帧所述图像在所述环境视频中的时刻为时间起点,对与所述其中一帧图像相邻时刻的多帧所述图像的所述空间特征向量进行聚合,得到与多帧所述图像对应的第二分类结果;

对所述第一分类结果和所述第二分类结果进行加权计算,得到所述环境视频的火灾判定结果;

所述以所述其中一帧所述图像在所述环境视频中的时刻为时间起点,对与所述其中一帧图像相邻时刻的多帧所述图像的所述空间特征向量进行聚合,得到与多帧所述图像对应的第二分类结果包括:

以所述其中一帧所述图像在所述环境视频中的时刻为时间起点,得到与所述其中一帧所述图像之间满足预设关联关系的多帧连续图像;

通过预先训练好的长短期记忆网络对所述多帧连续图像的所述空间特征向量进行聚合,得到与所述多帧连续图像对应的第二分类结果。

2.根据权利要求1所述的基于视频的火灾判定方法,其特征在于,所述获取所述环境视频中每帧图像的候选区域包括:

通过预先训练好的检测分类网络提取每帧所述图像的特征,生成与所述图像对应的特征通道图;

根据所述特征通道图获取每帧所述图像中的所述候选区域。

3.根据权利要求2所述的基于视频的火灾判定方法,其特征在于,所述根据每帧所述图像的所述候选区域生成与每帧所述图像对应的空间特征向量包括:

对所述候选区域进行区分,得到包含火灾特征的所述候选区域和包含非火灾特征的所述候选区域;

将所述包含火灾特征的所述候选区域映射到所述特征通道图的对应位置进行加强,将所述包含非火灾特征的所述候选区域映射到所述特征通道图的对应位置进行过滤,得到赋权特征通道图;

对所述赋权特征通道图进行全局平均池化处理,得到所述空间特征向量。

4.根据权利要求1所述的基于视频的火灾判定方法,其特征在于,获得所述预先训练好的长短期记忆网络包括:

获取多个样本环境视频;

分别获取所述样本环境视频中每帧样本图像的样本候选区域;

根据每帧所述样本图像的所述样本候选区域生成与每帧所述样本图像对应的样本空间特征向量;

以其中一帧所述样本图像在所述样本环境视频中的时刻为起点,对与所述其中一帧样本图像相邻的多帧所述样本图像的所述样本空间特征向量进行聚合,得到与多帧所述样本图像对应的样本分类结果;

根据与所述多帧所述样本图像对应的实际分类结果和所述样本分类结果得到当前所述长短期记忆网络的损失函数值,当所述损失函数值未达到预设损失函数值时,调整所述长短期记忆网络中的权重参数,重新对多帧所述样本图像的所述样本空间特征向量进行聚合,直至所述损失函数值达到预设损失函数值。

5.根据权利要求4所述的基于视频的火灾判定方法,其特征在于,所述预先训练好的长短期记忆网络包括两级长短记忆网络结构。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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智慧眼科技股份有限公司,未经智慧眼科技股份有限公司许可,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/202010598840.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top