[发明专利]基于神经网络的火灾早期预警方法、存储介质及终端设备

说明书

本发明提供一种基于神经网络的火灾早期预警方法、存储介质及终端设备，解决现有火灾预报警类产品需经常维护、铺设成本髙、产品可靠性低，预警具有局限性，效果难以达到预期的问题。该方法包括步骤1)采集红外图像并进行标注；2)搭建神经网络模型并训练，得到训练完成的网络模型；3)将待测图像输入网络模型，得到包含物体预测框的图像，并进行0值填充；对图像物体预测框外部进行处理，得到OSTU阈值T；选OSTU阈值T与设定经验阈值A中最大值，设为N；比较N与图像的物体预测框外部每个像素值，若该像素值≥N，将该像素值赋值为255，否则赋值为0；4)计算物体预测框外部的平均像素值，该平均像素值≥设定的预警阈值B，进行报警。

技术领域

本发明属于火灾预警技术，具体涉及一种基于神经网络的火灾早期预警方法、存储介质及终端设备。

背景技术

在各种灾害中，火灾是威胁公众安全和社会发展的主要灾害之一。居民楼、化工厂和工业仓储的用火用电行为，以及博物馆、大学实验室等场所危险物品、易燃易爆炸物品的存放，都可能引发火灾。火灾具有突发性髙、传播快、危险性大、难扑灭的特点，会给人类生命、财产以及国家经济带来不可估量的损失。为了能够及早发现火灾，达到防患于未然的效果，设置可靠有效的火灾预报警消防系统十分重要。

目前，现有火灾预报警类产品大多采用单点传感器，如感温传感器、感烟传感器，但这些设备常面临疏于维护、铺设成本髙、产品可靠性低等客观现实问题，以及由于其需要的温度、辐射光、浓烟、气体等物理量需在燃烧比较明显，或在传感器周围达到一定阈值才能采集到，此时通常已经失去处理火情的最佳时机，因而对于火灾预警具有一定的局限性，其效果难以达到预期。此外，这类传感器在室外或仓库、体育场等空旷场所，易受空间及气流影响，很难达到设定的阈值，不能起到良好的检测效果。

发明内容

为了解决现有火灾预报警类产品采用单点传感器，需经常维护、铺设成本髙、产品可靠性低，以及预警具有局限性，检测效果难以达到预期的技术问题，本发明提供了一种基于神经网络的火灾早期预警方法、存储介质及终端设备。

为实现上述目的，本发明提供的技术方案是：

一种基于神经网络的火灾早期预警方法，其特殊之处在于，包括以下步骤：

1)采集红外图像并对物体标注

1.1)采集预警场所的红外图像；

1.2)将采集的红外图像分辨率归一化为与神经网络输入端相适配的尺寸；

1.3)使用图像标注软件对归一化后红外图像中有温度但没有火灾隐患的物体进行标注，在图像上创建包围该物体的矩形框；

2)搭建并训练神经网络

搭建神经网络模型，将步骤1.3)的图像数据作为训练集，对神经网络模型进行训练，得到训练完成的网络模型；

3)判断火灾隐患

3.1)将待测红外图像输入步骤2)训练完成的网络模型中，得到包含物体预测框的红外图像，并对得到的检测图像的物体预测框内部进行像素0值填充；

3.2)使用OSTU自适应阈值算法对红外图像的物体预测框外部进行处理，得到OSTU阈值T；

3.3)选择OSTU阈值T与设定的经验阈值A中最大值，设为N；

3.4)比较N与图像的物体预测框外部的每个像素值，若该像素值大于等于N，将该像素值赋值为255，否则将该像素赋值为0；

4)火灾报警

计算图像物体预测框外部的平均像素值，若该平均像素值大于等于设定的预警阈值B，进行本地和远程报警，否则不予报警。

进一步地，步骤2具体为：