[发明专利]烟火隐患识别方法和设备

说明书

一种烟火隐患识别方法，包括以下步骤：获取目标场景的热红外图像；分割并获取热红外图像中的初筛隐患区域，建立初筛隐患区域集，初筛隐患区域集中包括至少一个初筛隐患区域；获取目标场景的可见光图像；将初筛隐患区域集中的每一个初筛隐患区域映射至可见光图像中，提取可见光图像中的疑似隐患区域，疑似隐患区域为初筛隐患区域在可见光图像中的映像；将疑似隐患区域输入卷积神经网络，判定疑似隐患区域中是否存在烟火隐患和/或识别烟火隐患的种类。还提供一种设备。本发明可以有效降低系统的数据处理量，具有更高的识别分类精度，特别适用于输电运检领域。

技术邻域

本发明属于输电智能运检领域，尤其涉及一种烟火隐患识别方法和设备。

背景技术

在输电场景下，线下区域内出现烟火隐患，会对输电安全造成危害。近年来随着深度学习技术的发展，出现了一些基于可见光图像和卷积神经网络的烟火隐患识别方法，缓解了输电线路运维的压力。但是值得注意的是，在一些场景中，由于烟火外观的复杂性和多样性，并且云雾和夜间灯光在外观特征上与烟火的外观特征有极高的相似度，会给烟火隐患的识别带来干扰，造成漏检率高和误报率高的问题。

为解决上述问题，现有技术进一步提供基于可见光和热成像的火焰检测方法，例如中国专利申请(CN111027541A)中所公开的技术方案：“火焰检测方法包括：获取现场的可见光图像；采用训练好的目标检测模型根据可见光图像确定火焰的位置以得到第一火焰检测区域；采用自适应图像分割方法和朴素贝叶斯方法根据红外热图像确定火焰的位置以得到第二火焰检测区域；采用图像配准方法对可见光图像和红外热图像进行匹配计算；采用综合决策策略根据第一火焰检测区域、第二火焰检测区域以及匹配计算的结果确定现场是否发生火警。”

上述对比文件所提出的火焰检测方法，虽然可以降低漏检率和误报率，但是需要对于每一幅获得的可见光图像和红外热图像独立处理，再将处理后的可见光图像和红外热图像匹配计算。对于图像处理量较大的输电场景，这种方式需要耗费巨大的算力，增加运维成本，实用性较低。

发明内容

本发明针对现有技术中基于可见光和热成像的火焰检测方法需要对每一幅获得的可见光图像和红外热图像分别基于训练好的模型独立处理，再将处理后的可见光图像和红外热图像匹配计算，需要耗费巨大的算力，在图像处理量大的输电场景中实用性较低的问题，本发明的第一个方面设计并提供一种改进的烟火隐患识别方法。

一种烟火隐患识别方法，包括以下步骤：获取目标场景的热红外图像；分割并获取所述热红外图像中的初筛隐患区域，建立初筛隐患区域集，所述初筛隐患区域集中包括至少一个初筛隐患区域；获取所述目标场景的可见光图像；将所述初筛隐患区域集中的每一个初筛隐患区域映射至所述可见光图像中，提取所述可见光图像中的疑似隐患区域，所述疑似隐患区域为所述初筛隐患区域在所述可见光图像中的映像；将所述疑似隐患区域输入卷积神经网络，判定所述疑似隐患区域中是否存在烟火隐患和/或识别烟火隐患的种类。

本发明的第二个方面提供一种烟火隐患识别设备，包括第一获取单元，所述第一获取单元配置为获取目标场景的热红外图像；分割单元，所述分割单元配置为分割并获取热红外图像中的初筛隐患区域，建立初筛隐患区域集；所述初筛隐患区域集包括至少一个初筛隐患区域；第二获取单元，所述第二获取单元配置为获取所述目标场景的可见光图像；映射单元，所述映射单元配置为将所述初筛隐患区域集中的每一个初筛隐患区域映射至所述可见光图像中，提取所述可见光图像中的疑似隐患区域，所述疑似隐患区域为所述初筛隐患区域在所述可见光图像中的映像；和卷积神经网络单元，所述卷积神经网络单元配置为判定所述疑似隐患区域中是否存在烟火隐患和/或识别烟火隐患的种类。