[发明专利]一种基于语义分割和识别的火灾预警方法及系统

说明书

本发明公开了一种基于语义分割和识别的火灾预警方法及系统，属于火灾预警技术领域，包括以下步骤：将待测图像送入分割网络，获取火灾区域的分割结果；将分割网络输出的分割结果与待测图像相结合，获取火灾以及火灾周围区域图像；将火灾及其周围区域图像送入判别网络中，进行火灾的判别；如果是判断存在火灾，则发出预警，否则不进行预警。本发明采用深度学习网络进行火灾区域分割，比利用传统手工方法的分割效果更好；充分利用火灾周围往往存在烟雾的先验知识进行火灾识别，增强了判别的准确性；利用细粒度识别网络，与一般的识别网络相比，能够更好地区分火灾和非火灾区域。

技术领域

本发明涉及火灾预警技术领域，具体涉及一种基于语义分割和识别的火灾预警方法及系统。

背景技术

现有火灾检测的方案多数采用基于深度学习的目标检测方案，虽然深度学习的方法已经很大程度上提升了目标检测的效果，但仍然存在对小目标物体的检测效果较差的问题。目前解决此类问题的方法有：1、融合区域分割的火灾检测，利用传统机器学习的方法提取火灾区域的颜色信息、亮度信息等对火灾区域进行分割，进而获得更好的检测效果；2、结合二氧化碳浓度的检测方法，利用火灾发生后，空气中的二氧化碳浓度增加的现象，提升火灾区域的预警准确率。

仅利用深度学习的目标检测方法：存在对小目标漏检的问题，这是目标检测任务的挑战问题，目前难以解决。融合区域分割的火灾预警方法：仅利用传统机器学习的方法提取火灾区域的颜色和亮度信息进行目标分割，没有利用到火灾特征的高层语义特征，分割效果不理想，对复杂环境的泛化能力较差；同时，由于太阳、路灯等与着火区域颜色相似，容易发生误分割，导致最终错误判断。结合二氧化碳浓度的预警方法：此方案只适用于室内环境，对于森林火灾等场景不适用，为此，提出一种基于语义分割和识别的火灾预警方法及系统。

发明内容

本发明所要解决的技术问题在于：如何解决对小目标火灾区域的检测较差的问题，提供了一种基于语义分割和识别的火灾预警方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：图像分割

将待测图像送入分割网络，获取火灾区域的分割结果；

S2：区域结合

将分割网络输出的分割结果与待测图像相结合，获取火灾以及火灾周围区域图像；

S3：判别及预警

将火灾及其周围区域图像送入判别网络中，进行火灾的判别；如果是判断存在火灾，则发出预警，否则不进行预警。

更进一步地，在所述步骤S1中，人工标注大量图像上的火灾区域，生成训练数据，将训练数据送入卷积神经网络进行模型训练，获得最终分割模型，即所述分割网络。

更进一步地，在所述步骤S1中，所述分割网络基于Unet网络、SegNet网络、DeepLabv3网络中任一种实现。

更进一步地，在所述步骤S1中，所述分割网络基于Unet网络实现，包括编码器和解码器，所述编码器包括多个卷积层和池化层，每经过一次下采样,通道数翻倍，所述解码器包括多个上采样层和卷积层，所述解码器最终得到与待测图像同样大小的特征图,再经过一个核尺寸为1x1的卷积层,得到每个像素属于火焰类别的概率，所述解码器与所述编码器通过横向连接融合了解码器的高层语义信息和编码器的底层细节信息。

更进一步地，在所述步骤S3中，通过人工标注大量图像上的火灾及其周围区域，生成训练数据，将训练数据送入卷积神经网络进行模型训练，获得最终判别模型，即所述判别网络。

更进一步地，在所述步骤S3中，所述判别网络基于vgg16网络、resnet18网络、DFL-CNN网络中任一种实现。