[发明专利]一种用于消防机器人的火源探测识别并预警方法

权利要求书

1.一种用于消防机器人的火源探测识别并预警方法，包括消防机器人，其特征在于：按如下步骤进行：

S1：由消防机器人上的可见光相机和红外热成像仪进行目标环境的监测，监测时采集目标环境的可见光图像和红外热图像，对可见光图像和红外热图像进行图像预处理；

S2：对预处理后的可见光图像进行检测是否存在疑似目标，发现疑似目标后并发出预警，再通过对预处理后的红外图像进行测温，判断疑似目标是否超过设定的温度阈值，若超过阈值，则判定为疑似火源目标并发出预警，否则继续监测；

S3：在判定为疑似火源目标后，利用目标融合的方式将可见光图像和红外图像进行图像配准和图像融合，从而确定是否属于真实火源，然后通过双目视差定位真实火源的位置，再将火警预警及火源位置进行上报。

2.根据权利要求1所述的用于消防机器人的火源探测识别并预警方法，其特征在于：所述可见光图像预处理是采用线型变化增强方法将输入图片进行预处理，公式如下：

O_(r，c)＝a×I_(r，c)+b，0≤r≤H，0≤c≤W；

式中：I_(r，c)为原始图片像素点；O_(r，c)为增强图片像素点；H、W分别为图形的高度与宽度；参数a为常数，用于调节图像的对比度；参数b为常数，用于调节图像的亮度。

3.根据权利要求2所述的用于消防机器人的火源探测识别并预警方法，其特征在于：通过Yolo v4目标检测模型对预处理后的可见光图像进行检测是否存在疑似目标；

所述Yolo v4目标检测模型的输入图像尺寸大小为608像素×608像素，经过CSPDarknet53主干特征提取网络进行特征提取，输出大小分别为76×76、38×38、19×19的特征层，分别负责检测小中大三种目标，再经过SSP模块的19×19的特征层，与76×76和38×38的特征层采用PANet模块的网络进行张量拼接，加强网络对不同尺寸物体的检测性能；由Prediction模块输出三种尺寸目标的检测结果；同时在CSPDarknet53的CSP×2与CSP×8两个残差块之间增加一个CSP×4的残差块，利用这一个4倍降采样的特征融合目标检测层对小目标进行训练，提高对小目标检测的准确率。

4.根据权利要求3所述的用于消防机器人的火源探测识别并预警方法，其特征在于：在Yolo v4目标检测模型在构建中，数据集包括火灾火焰数据集和火灾初期火焰数据集；所述数据集是由公开的火焰数据集Image Net、Bo W-Fire中的图像、通用火焰火灾数据集中截取的视频图像以及类似火焰目标的干扰图像组合而成；

在Yolo V4模型的训练中，通过labellmg对数据集进行标注，标注时对图像上的火焰区域进行完整标注，从而避开遮挡物和类似颜色的干扰物，以获得最好的训练效果。