[发明专利]基于深度学习的火情识别定位系统及方法

说明书

本发明公开了一种基于深度学习的火情识别定位系统及方法，主要解决传统火情检测方法中存在的检测可靠性差问题；其实现方案为：在主机端对深度学习卷积神经网络进行算法改进，并基于现有火焰数据集得到火情检测模型权重文件；将卷积神经网络模型及权重文件移植到边缘嵌入式计算设备，并将设备部署到火情监控点，由摄像头获取监控画面传入设备；在边缘端对输入的图像画面进行深度学习火情识别，获得画面监控点的火情信息，同时北斗卫星获取定位信息；采用双通道通信链路传输火情识别定位信息；主机端接收信息后于浏览器页面呈现。本发明在保证系统传输可靠性的同时，准确完成火情检测，并能够将火情现场状况在浏览器页面直观展示。

技术领域

本发明属于通信技术领域，涉及图像识别与计算机视觉技术，具体为一种基于深度学习的火情识别定位系统及方法，可用于室内外重点消防监控区域的火情防控。

技术背景

火是人类文明发展不可或缺的部分，极大的推动了人类历史发展进程，但与此而来，火在一些重点消防区域的燃烧给人们的生产生活带来的危害也是灾难性的，火灾的发生不仅直接造成巨大的经济损失，更严重的威胁到人们的生命安全。因此，及时发现火情，做好火灾的预防工作对于保障人们正常的生产生活具有重要意义。

当前的火情识别定位方法主要包括人工巡检法、传感器识别定位法和火焰特征识别定位法。其中：1.人工巡检法是消防人员对消防布控区域进行走访排查，发现并上报火情相关情况，这种火情识别定位方法效率极其低下，并且成本高昂，还存在一定的危险性。2.传感器识别定位法是通过在消防布控区域内安装火情检测传感器，主要包括感光型、感烟型、感温型以及气体传感器，结合现场环境的光照程度、烟雾程度以及温度高低是否超过传感器的检测阈值，对范围内的环境变化进行火情预警，此方法需要对不同环境来设计检测阈值，易受环境中其他因素的干扰，且容易造成误检和漏检，对于大范围空间的检测效果较差，在实际应用中往往存在着诸多不足。3.火焰特征识别定位法是指通过火焰的颜色特征、形状特征、纹理特征等，利用传统的数字图像处理方法对火焰进行识别定位；这类方法需要人工提取火焰特征，在无法全面描述火焰特征的前提下，特征提取的好坏直接影响火焰识别定位的结果。

在专利申请公开号为CN109801466A，名称为“北斗定位设备的火灾预警系统”的专利文献中，公开了一种北斗定位设备的火灾预警系统，通过使用烟雾传感器和温度传感器来识别是否发生火情，并在火情发生后通过北斗定位设备将火情位置信息发送至后台服务器。该方法虽然能够实现火情识别定位，但其火情识别工作是通过传感器来完成的，容易出现误检和漏检的情况，且在户外宽阔场景中无法推广应用；此外，该方法通过北斗卫星完成火情定位工作，在火情信息处理中却仅通过无线通信方式进行位置信息的传输，后台不能直观的观察火情现场状况，不利于后续救援工作的开展。

上海海事大学提出的“一种基于深度学习的火灾智能监控系统及其方法”，专利申请公开号：CN109903507A，其通过训练深度学习模型对监控视频图像中的火焰进行实时识别，虽然克服了传感器识别的弊端，且可以保证较高的火情识别的准确性，但该方案将网络模型部署在服务器端，因此需要耗费大量的资源来支撑整个火情识别模型的工作运转，此外，该方法中仅提供了火情的识别方法，无法直接定位到当前火情实际发生的地理位置，且对于火情现场的实际状况并未进行展示，对于后续迅速开展消防救援工作造成不便；同时，将监控点的火情变化传输到服务器端需要充足的网络带宽，且具有一定的延时，若监控点处于户外偏远地区则无法正常工作，实际应用中受环境因素限制。

综上，目前在国内外提出的火情识别定位方案大都存在识别定位方法不够完善、识别准确度无法保证、定位工作及定位信息传输存在弊端、受环境因素影响较大、抗干扰能力差、无法直观展示火情现场状况的缺点，在火情消防中的应用效果不够理想。

发明内容