[发明专利]火灾特征分辨模型的训练方法、系统及相关设备

权利要求书

1.一种火灾特征分辨模型的训练方法，其特征在于，包括：

收集多张图像建立火焰样本数据集，部分所述多张图像中具有火焰画面，部分所述多张图像中具有假火焰画面；

在所述火焰样本数据集的图像中标注出具有火焰特征的第一目标区域，并从原图像中切割所述第一目标区域，切割下来的所述第一目标区域的图像构成正样本分类数据集；

将所述火焰样本数据集输入训练好的第一火灾检测模型，所述第一火灾检测模型用于检测所述火焰样本数据集中的所述火焰特征，在假阳性输出结果的图像中标注出具有假火焰特征的第二目标区域，并从原图像中切割所述第二目标区域，切割下来的所述第二目标区域的图像构成负样本分类数据集；

基于所述正样本分类数据集和所述负样本分类数据集训练第二火灾检测模型，将所述第二火灾检测模型作为火灾特征分辨模型。

2.根据权利要求1所述的一种火灾特征分辨模型的训练方法，其特征在于，

在所述火焰样本数据集的图像中标注出具有火焰特征的第一目标区域，包括：

在所述火焰样本数据集的第一数量的图像中标注出具有火焰特征的第一目标区域；

在假阳性输出结果的图像中标注出具有假火焰特征的第二目标区域，包括：

在假阳性输出结果中的置信度最高的第二数量的图像中标注出具有所述火焰特征的第二目标区域；

其中，所述第一数量与所述第二数量的比值范围为1～1.2。

3.根据权利要求1所述的一种火灾特征分辨模型的训练方法，其特征在于，

在所述火焰样本数据集的图像中标注出具有火焰特征的第一目标区域，还包括：

在所述火焰样本数据集的图像中标注出具有火焰特征的第一矩形框；

扩大所述第一矩形框的范围；

将扩大后的所述第一矩形框划定的区域标注为所述第一目标区域；

在假阳性输出结果的图像中标注出具有假火焰特征的第二目标区域，还包括：

在假阳性输出结果的图像中标注出具有火焰特征的第二矩形框；

扩大所述第二矩形框的范围；

将扩大后的所述第二矩形框划定的区域标注为所述第二目标区域。

4.根据权利要求3所述的一种火灾特征分辨模型的训练方法，其特征在于，

扩大所述第一矩形框的范围，包括：

以所述第一矩形框为基准，在所述第一矩形框的各个方向上分别按照第一设定比例扩大；

扩大所述第二矩形框的范围，包括：

以所述第二矩形框为基准，在所述第二矩形框的各个方向上分别按照第二设定比例扩大；

其中，所述第一设定比例与所述第二设定比例相等。

5.根据权利要求3所述的一种火灾特征分辨模型的训练方法，其特征在于，基于所述正样本分类数据集和所述负样本分类数据集训练第二火灾检测模型，包括：

将所述正样本分类数据集和所述负样本分类数据集中图像缩放至标准尺寸后输入所述第二火灾检测模型。

6.根据权利要求1-5任一所述的一种火灾特征分辨模型的训练方法，其特征在于，

所述火焰特征包括火焰或烟雾。

7.根据权利要求1-5任一所述的一种火灾特征分辨模型的训练方法，其特征在于，

所述第一火灾检测模型为基于RCNN、FastRCNN、FasterRCNN、YOLO任一项对预先收集的火焰数据进行火焰特征深度学习后获得；

所述第二火灾检测模型为基于resnet18、vgg、denseNet中的任一项对所述正样本分类数据集和所述负样本分类数据集进行火焰特征深度学习后获得。