[发明专利]一种基于卷积神经网络的森林火灾告警方法

说明书

本发明提供一种基于卷积神经网络的森林火灾告警方法，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。本发明通过上述技术手段，首先通过大量正负样本数据训练卷积神经网络模型，使得模型很好的学习到了火灾的几乎所有特征，另外卷积神经网络对于处理图像数据有着天然的优势，结合这两个特点，保证了模型的准确率，确保了数据识别过程中的准确性。

技术领域

本发明涉及计算机视觉分析领域和深度神经网络技术，具体涉及一种基于卷积神经网络的森林火灾告警方法。

背景技术

随着我国社会经济不断发展，环境、环保问题日益突出，而森林资源对缓解温室效应、净化空气、保持水土等方面有着重要的作用，同时森林资源也是重要的工业原材料。在我国，每年因为森林火灾，不仅造成了生态环境破坏，而且还造成了人民生命财产的损失，因此对森林火灾实施有效的监控是非常有必要的。

目前，大部分森林区域要么没有监控火情的装置，要么采用人工巡逻发现；或者设置监控，然后护林人员在监控室定时查看；或者使用红外检测系统；这几种种方式实时性差，不能及时的发现火情，而且浪费了很多人力，另外红外检测，常常在火势较小或者只是有烟雾的时候，不能及早发现，效率不高。

发明内容

有鉴于此，本发明提出了一种基于卷积神经网络的森林火灾告警方法，通过卷积神经网络模型和图像识别算法，能够自动的分析监控视频，自动的判断监控区域是否有火灾发生，不需要人员巡逻，也不需要人员去观察监控视频，同时以卷积神经网络模型为代表的深度学习算法在图像识别领域精确度已经达到了很高的精确度，对于早期的森林烟雾和很小的火苗有较好的识别效果，避免了红外监控的缺点，提高了识别的实时性、准确性。

本发明是通过以下技术方案实现的：一种基于卷积神经网络的森林火灾告警方法，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。

作为优选地，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；

作为优选地，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。

作为优选地，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；