[发明专利]一种基于卷积神经网络的森林火灾告警方法

权利要求书

1.一种基于卷积神经网络的森林火灾告警方法，其特征在于，包括如下步骤：

S1：采集有关森林火灾的视频以及图片数据，将视频数据序列化为图片，预处理之后，形成样本数据；

S2：使用样本数据训练一个识别火灾的卷积神经网络模型；

S3：采集实时监控视频数据，输入步骤S2所述的卷积神经网络模型，实时分析是否有火灾发生，如果发生火灾，则产生告警信息。

2.根据权利要求1所述的一种基于卷积神经网络的森林火灾告警方法，其特征在于，所述步骤S1的具体流程如下：

S11：使用FFmpeg库对视频数据进行帧序列化，将视频数据转换为图片数据；

S12：对图片数据进行分类，图片数据中包含火灾的图片分类为正样本，没有火灾发生的图片分类为负样本，根据实际情况再加入合适数量的负样本；

S13：判断是否发生火灾有两个要素：是否产生烟雾或者明火。

3.根据权利要求1所述的一种基于卷积神经网络的森林火灾告警方法，其特征在于，所述步骤S2，还包含以下步骤：

S21：对所有样本数据进行预处理，等比例压缩，归一化操作；

S22：对输入图像数据进行高斯滤波，过滤图像中的噪点；

S23：训练使用的主干网络为MobileNetV3，MobileNetV3是一种卷积神经网络。

4.根据权利要求1所述的一种基于卷积神经网络的森林火灾告警方法，其特征在于，所述步骤S3，还包含以下步骤：

S31：视频数据采集，采用高清广角摄像头，分辨率不低于1080p；

S32：摄像头应架设在森林的山顶或者森林的最高点，使用固定金属架，保证能够提取大范围的森林监控画面；

S33：同一位置，至少应安装三台摄像头，摄像头之间的夹角为120度；

S34：获取视频流之后，使用OpenCV对其进行预处理操作，包括但不限于压缩、通道变换、分离通道操作；

S35：使用高斯滤波算法，过滤图像中的噪点；

S36：计算分离通道之后的帧数据确定监控画面中的运动区域，这些运动区域是烟雾运动或者明火运动区域；

S37：采用非极大值抑制策略过滤掉步骤S36计算出来的面积小于100像素的运动区域目标框；

S38：通过计算帧数据的颜色来判断是否有疑似为明火；

S39：综合上述步骤，获取到了疑似为烟雾或者明火的目标框，提取这些目标框的区域，输入已经训练完成的识别火灾的卷积神经网络模型中，得到每一个目标框的置信度，并与预先设置好的阈值进行比较，超过阈值的判定为有火灾发生。