[发明专利]基于视频图像的火灾识别方法及系统

权利要求书

1.一种基于视频图像的火灾识别方法，其特征在于，包括：

步骤S1：建立火灾数据集并训练基于深度学习的火焰目标检测模型，获取火灾数据集并训练基于深度学习的火焰目标检测模型建立结果信息；

步骤S2：根据火灾数据集并训练基于深度学习的火焰目标检测模型建立结果信息，判别检测到的火焰目标是否为虚假火焰，获取检测到的火焰目标是否为虚假火焰判别结果信息；

步骤S3：获取基于视频图像的火灾识别结果信息；

所述步骤S2包括：

步骤S2.1：火焰检测模型检测到图像中的一个火焰目标后输出6个值：Xmin、Xmax、Ymin、Ymax、name、score；

其中，Xmin表示目标框的x轴最小坐标、Xmax表示x轴最大坐标、Ymin表示y轴最小坐标、Ymax表示y轴最大坐标、name表示目标名称、score表示检测为该目标的概率；

步骤S2.2：若某一帧图像中检测到有火焰，则记录接下来t秒内的所有帧的检测输出结果，当某帧中检测到的火焰目标数量大于2时仅记录score值最大和次大的目标结果，当t秒内有超过一定比例的帧中有检测到火焰目标则将检测结果输入至下一判断环节，否则视为此t秒内检测到的为虚假目标；

步骤S2.3：若t秒内含有火焰目标的帧中均只记录有一个目标则将火焰的检测结果信息序列记为火焰A，若t秒内含有火焰目标的帧中记录两个目标，则计算每一目标中心位置与前一含有两目标的帧中每一目标中心位置的欧式距离，根据就近原则将火焰信息分为两个序列，分别记为火焰A和火焰B；

所述步骤S2还包括：

步骤S2.4：计算火焰A中目标框平均面积，计算火焰B中目标框平均面积，若目标框平均面积小于原始图像面积一定比例，则采取灰度变化条件判别是否为真实火焰；否则采用面积变化条件和运动变化条件进行判别；

步骤S2.5：计算火焰A中每一目标框内像素灰度均值Hn，计算火焰A中所有目标框内像素灰度均值的均值计算Hn在上下跳变频率Hp，若Hp值在一定经验阈值范围内则判断其为真实火焰，否则视为虚假火焰；

步骤S2.6：面积变化条件判别方法为：计算火焰A序列中目标的面积的均值S和标准差δS，计算标准差与均值的比值K，若K值在经验阈值区间内则进入运动变化判断环节，否则为虚假目标；

步骤S2.7：在火焰A信息序列中，从第二个火焰目标开始至最后一个火焰目标，依次计算当前目标框中心坐标y轴值与前一目标框中心坐标y轴值的差值，计算差值由正到负的跳变频率，若频率值在一定经验阈值区间内则判断火焰A为真实目标，否则为虚假目标；

步骤S2.8：判别识别到目标为真实火焰后输出报警信息。

2.根据权利要求1所述的基于视频图像的火灾识别方法，其特征在于，所述步骤S1包括：

步骤S1.1：通过互联网下载及火灾实验录制的方式获取多段火灾视频和图片数据，建立火灾图像数据库。

3.根据权利要求2所述的基于视频图像的火灾识别方法，其特征在于，所述步骤S1还包括：

步骤S1.2：从建立的火灾图像数据库中手动截取火灾图片，采用数据增强的方法对数据集扩增；使用目标检测图片标注工具对图片中的火焰进行数据标注，构建训练火焰目标模型所需数据集；

步骤S1.3：将自建火灾数据集划分为训练集和测试集，使用训练集训练火焰目标检测模型，使用测试集测试模型性能，通过对模型反复优化获取性能良好的火焰检测模型。