[发明专利]基于动态分类检测的火焰检测方法、装置、系统与服务器

说明书

本发明提供一种基于动态分类检测的火焰检测方法、装置、系统与服务器，通过选取训练视频中包含火焰的连续N帧图像，采用火焰监测器进行检测，并以该N帧图像中所出现的最大火焰目标的火焰检测框为基准，将连续的N帧图像中的火焰进行裁剪，得到火焰图像；通过裁剪获得的所有火焰图像作为正样本；将视频中不包含火焰的多帧图像进行随机裁剪，获得的随机裁剪图像作为负样本；采用TSM行为动作识别算法训练，获得火焰动态分类检测模型；对于输入的待检测视频，通过火焰检测器检测，判断连续N帧图像中检测的目标是否是真正的火焰。通过本发明可降低现有火焰检测器所出现的误检。

技术领域

本发明涉及图像处理技术领域，尤其是火焰检测，具体而言涉及一种基于动态分类检测的火焰检测方法与系统。

背景技术

基于视频/图像的火焰检测，旨在通过采集监控摄像头的画面，监控特定的区域，及早发火情，从而及时处理，避免发生严重的后果。传统的识别方式中，基于火焰的颜色都是明亮的红色，那么采用颜色过滤的方法，增加一个高低的过滤掩码层,就可以把火焰从图片中单独过滤出来，但容易造成误检，例如在检测火焰时会把一些光亮的物体误检成火焰。

现有技术中，基于视觉火焰检测误检抗干扰方法，主要目的是为了解决传统的目标检测在检测火焰时会把一些光亮的物体误检成火焰。

在常见的火焰检测优化中，一般会采用分类器以及一些常见的动态分析来过滤火焰检测所产生的误检，例如CN112052797A提出的基于MaskRCNN的视频火灾识别方法及系统，在上述二阶的优化方法因为每一个方法都会存在一定的误差，而最终的误检过滤会同时受到这两个影响，意味着误差会进行累加。

发明内容

本发明目的在于提供一种基于动态分类检测的火焰检测方法与系统,采用动态分类器通过一个模型同时对输入的数据的动态性和类型进行分析，提高检测的稳定性。

为实现上述目的，本发明的第一方面提出一种基于动态分类检测的火焰检测方法，包括以下步骤：

获取包含火焰的视频；

选取视频中包含火焰的连续N帧图像，采用火焰监测器进行检测，并以该N帧图像中所出现的最大火焰目标的火焰检测框为基准，将连续的N帧图像中的火焰进行裁剪，得到火焰图像；

将视频中所有包含火焰的图像按照上述方式进行裁剪，获得的所有火焰图像作为训练集的正样本；

将视频中不包含火焰的多帧图像进行随机裁剪，获得的随机裁剪图像作为训练集的负样本；

以正样本和负样本构成的训练集作为输入，采用TSM行为动作识别算法训练，获得火焰动态分类检测模型；以及

对于输入的待检测视频，通过火焰检测器检测，以连续N帧检测到火焰目标的图像为基础，选取连续N帧图像中出现的最大火焰目标的火焰检测框为基准进行裁剪，输入到所述火焰动态分类检测模型中，判断连续N帧图像中检测的目标是否是真正的火焰。

优选地，所述将该连续的N帧图像中的火焰进行裁剪，包括：

根据火焰监测器对连续N帧图像检测获得的火焰检测框为基础，获得火焰检测框的顶点坐标；

选取火焰检测框的左上角和右下角坐标为基准；

以连续N帧图像对应的火焰检测框顶点坐标中最小的左上角顶点和最大的右下角顶点为准，从连续N帧图像中分别裁剪，获得火焰图像。

本发明的第二方面提出一种基于动态分类检测的火焰检测装置，包括：

用于获取包含火焰的视频的视频获取模块；

用于选取视频中包含火焰的连续N帧图像，采用火焰监测器进行检测，并以该N帧图像中所出现的最大火焰目标的火焰检测框为基准，将连续的N帧图像中的火焰进行裁剪，得到火焰图像的火焰图像获取模块；

用于将视频中所有包含火焰的图像按照上述方式进行裁剪，获得的所有火焰图像作为训练集的正样本的正样本构建模块；