[发明专利]基于时间轨迹特性的火灾烟雾检测方法

权利要求书

1.基于时间压缩轨迹特征识别的火灾烟雾检测方法，其特征在于：取当前时刻t之前长度为T的视频压缩为轨迹图像，经过以vgg为基础的切片卷积子网络抽取特征，再经过以RNNs为基础的时域特征子网络，然后经过全连接的判别子网络，判别场景中是否发生烟、火。

2.一种基于对抗生成的烟火检测模型的生成方法，其特征在于，所述方法采用生成对抗的方法生成对抗网络，利用检测器和生成器进行博弈游戏，其中生成器生成假的数据，总是想意图欺骗检测器；检测器竭力分辨输入数据的真假，阻止生成器的欺骗检。

3.根据权利要求2所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，对于真实数据x～p_data(X)，检测器最大化logD(x)；对于生成数据z～p_z(Z)，检测器最小化log{D[G(x)]},也就是最大化训练的过程优化如下式，获取能高精度分辨输入数据的模型参数：

式中D是检测器Discriminator，G是生成器Generator。

4.根据权利要求2所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述检测器从随机隐变量空间中采样100个随机数生成烟、火前景、遮罩和背景的时间序列，采用3D deconvolution，能够同时提取时序和空间的信息。

5.根据权利要求4所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述检测器生成的背景包括静态背景和天气、光照及混乱干扰，生成器生成的烟、火前景用Simulia XFlow生成烟、火时间序列替代，背景采用真实的背景时间序列替代。

6.根据权利要求5所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述检测器采用三阶段的模型，在第一阶段，检测块中的烟雾特征；在第二阶段，采用循环神经网络抽取动态的时间特征；第三阶段，采用循环神经网络综合多个像素块的运动，判断场景中是否发生了烟雾。

7.根据权利要求3-5任一项所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，所述检测器中的输出有两个头分别为判断输入数据类型和判断输入视频中是否包含有烟、火。

8.根据权利要求6所述的基于对抗生成的烟火检测模型的生成方法，其特征在于，检测时，将每个图像块的烟、火概率按场景中的位置，合并成场景的概率矩阵M_LDF,然后再图像块处理方式，一方面将场景概率矩阵M_LDF向u方向、v方向投影压缩成轨迹，另一方面将概率矩阵M_LDF展平，成一维特征向量，将3个特征的时间序列输入3个循环神经网络JDCN抽取全局动态特征h_ft，然后综合3个输出用全连接网络转换成两值输出，分别表示场景中烟、火概率。