[发明专利]一种明火检测方法、装置、设备及可读存储介质

说明书

本发明公开了一种明火检测方法，该方法通过采集图像的灰度化二值化处理来查找白色图块的方法来确定高亮物体，进而找出物体轮廓来提取特征的方法，能够简单方便的定位高温高亮部分；另外，该方法中定义用于区分识别明火与非明火轮廓特征的特征项，即Hu矩特征、方向向量列表特征，该些特征项很好的描述了白色图块的轮廓形状，通过这个轮廓形状特征可以实现精准区分；另外，针对提取的目标特征，本方法中应用分类器实现特征分类，可以保证针对于特征的精准类别划分，从而实现精准识别。本发明还公开了一种明火检测装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及火焰检测技术领域，特别是涉及一种明火检测方法、装置、设备及可读存储介质。

背景技术

当前火灾预防报警领域中，主要应用的是气体型，感烟型，温度型，感光型等各类传感器检测系统。随着人工智能AI和图像设备的发展，利用摄像头监控视频画面来检测和识别明火预防火灾的技术和系统越来越成熟，具有无接触、速度快、可视化、保护范围广、无人值守等优点。开发适用性广，兼容不同应用环境的明火检测和识别方法对此项技术的实用化和广泛应用具有重要价值。

现有的基于图像的明火识别主要是通过深度学习来实现的，调用深度学习网络对采集的图像进行直接识别。该种方式可以保证一定的准确度，但是准确度与模型的复杂度以及训练程度息息相关，为保证识别准确度，往往需要构造复杂的深度神经网络，网络的构造成本高，难度大，模型训练成本高；而且深度神经网络训练的图像数量巨大，在训练前需要对每个输入至深度神经网络的图像进行明火标注，工作量巨大。

综上所述，如何简化基于图像的明火识别实现难度，同时保证识别精准度，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种明火检测方法、装置、设备及可读存储介质，可以简化基于图像的明火识别实现难度，同时保证识别精准度。

为解决上述技术问题，本发明提供如下技术方案：

一种明火检测方法，包括：

获取待监测区域的采集图像；

对所述采集图像进行像素二值转换，得到二值图；

对所述二值图中白色团块进行小面积剔除处理，作为主轮廓二值图；

对所述主轮廓二值图中各白色团块进行目标特征提取，得到特征值；其中，所述目标特征包括：Hu矩特征、方向向量列表特征；

将所述特征值输入至预训练的分类器中进行火焰轮廓特征分类，生成明火检测结果。

可选地，所述目标特征中还包括：圆形度特征、正三角形度特征、方形度特征中的一种或多种。

可选地，所述获取待监测区域的采集图像，包括：

获取待监测区域的红外采集图像；

则相应地，对所述采集图像进行像素二值转换，包括：对所述红外采集图像进行像素二值转换。

可选地，所述分类器的训练方法包括：

分别获取黑夜以及白天中只有明火、无其他高亮物体的图像，黑夜以及白天中无明火、有其他高亮物体的图像，作为训练图像；

根据所述训练图像对所述分类器进行模型训练。

可选地，对所述采集图像进行像素二值转换，包括：

将所述采集图像进行RGB格式转换，生成RGB图像；

对所述RGB图像进行像素灰度处理，得到灰度图；

将所述灰度图中像素值小于阈值的像素点置0，达到所述阈值的像素点置255，作为所述二值图。