[发明专利]烟火检测方法、装置、烟火检测系统及电子设备

权利要求书

1.一种烟火检测方法，其特征在于，包括：

从视频流中提取至少一幅图像；

对所述至少一幅图像进行检测识别，判断图像中是否存在烟火特征，如果存在烟火特征，则获取所述烟火特征的区域信息以及所述烟火特征的类别信息；

至少基于所述烟火特征的区域信息和所述烟火特征的类别信息，对所述至少一幅图像的火情等级进行识别，获取至少一幅图像的火情等级信息；以及

输出所述至少一幅图像的烟火特征的区域信息、烟火特征的类别信息以及火情等级信息。

2.根据权利要求1所述的烟火检测方法，其特征在于，对所述至少一幅图像进行检测识别，判断图像中是否存在烟火特征，如果存在烟火特征，则获取所述烟火特征的区域信息以及所述烟火特征的类别信息，包括：

使用烟火检测识别模型对所述至少一幅图像进行检测识别，判断图像中是否存在烟火特征，如果存在烟火特征，则获取所述烟火特征的区域信息以及所述烟火特征的类别信息。

3.根据权利要求2所述的烟火检测方法，其特征在于，所述烟火检测识别模型通过以下步骤获取：

使用具有预定数量的烟火样本图像的烟火样本集以及具有预定数量的负样本图像的负样本集以及卷积神经网络(CNN)进行模型训练，获得卷积神经网络图像识别模型。

4.根据权利要求3所述的烟火检测方法，其特征在于，在使用具有预定数量的烟火样本图像的烟火样本集以及具有预定数量的负样本图像的负样本集以及卷积神经网络(CNN)进行模型训练之前，对所述烟火样本集进行聚类计算，获取目标数量的烟火特征检测锚(anchors)。

5.根据权利要求3所述的烟火检测方法，其特征在于，在所述模型训练的过程中，对所述烟火样本集中的烟火样本图像进行图像角度、图像饱和度和/或图像色调进行调整，以增加样本量。

6.根据权利要求3所述的烟火检测方法，其特征在于，对所述卷积神经网络图像识别模型进行修正，包括：

使用所述卷积神经网络图像识别模型对至少一幅场景图像进行识别，收集误报图像，将所述误报图像作为负样本图像以更新所述负样本集；以及

至少基于更新后的负样本集对所述卷积神经网络图像识别模型进行修正。

7.一种烟火检测装置，其特征在于，包括：

图像提取模块，所述图像提取模块从视频流中提取至少一幅图像；

烟火检测识别模块，所述烟火检测识别模块对所述至少一幅图像进行检测识别，判断图像中是否存在烟火特征，如果存在烟火特征，则获取所述烟火特征的区域信息以及所述烟火特征的类别信息；

火情等级识别模块，所述火情等级识别模块至少基于所述烟火特征的区域信息和所述烟火特征的类别信息，对所述至少一幅图像的火情等级进行识别，获取至少一幅图像的火情等级信息；以及

输出模块，所述输出模块输出所述至少一幅图像的烟火特征的区域信息、烟火特征的类别信息以及火情等级信息。

8.一种烟火检测系统，其特征在于，包括：

视频获取装置，所述视频获取装置用于获取目标检测区域的视频流；以及

上述任一项所述的烟火检测装置，所述烟火检测装置对所述视频流中的烟火特征进行检测。

9.一种电子设备，其特征在于，包括：

存储器，所述存储器存储执行指令；以及

处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述权利要求中任一项所述的烟火检测方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述权利要求中任一项所述的烟火检测方法。