[发明专利]一种基于迁移学习的视频烟雾检测与识别方法

摘要

一种基于迁移学习的视频烟雾识别检测方法，包括生成模拟数据来扩大烟雾图像样本数量；对图像数据集进行预处理；构造目标检测网络；利用ImageNet图像数据集对改进的VGG‑16网络进行预训练；采用迁移学习方式在完成标注的烟雾数据集上训练目标检测网络，其中特征提取网络部分使用改进VGG‑16网络预训练权重进行特征初始化。从视频中提取关键帧，输入到模型中进行识别检测，如果发现烟雾返回坐标信息并在视频图像中定位其区域。本发明利用迁移学习技术提高了烟雾数据有限情况下的模型性能，可以自动识别和定位视频图像中的烟雾区域。

主权项

1.一种基于迁移学习的视频烟雾检测与识别方法，其特征在于：所述方法包括以下步骤：步骤一，收集获取烟雾视频和图像数据，包括生成模拟数据来扩大烟雾图像样本数量；步骤二，利用标注工具在图像数据上标注出烟雾区域，获取图像文件名、类别、烟雾区域的左上角坐标、右下角坐标。步骤三，对图像数据集进行预处理，通过滤波方法对图像进行平滑降噪处理，增强对比度，并将图像数据归一化到[0,1]区间；步骤四，构造改进的Faster R‑CNN目标检测网络，其中特征提取网络部分使用改进的VGG‑16网络；步骤五，利用ImageNet图像数据集对改进的VGG‑16网络进行预训练，让网络学习从自然图像中提取深度特征的能力，得到迁移特征；步骤六，采用迁移学习方式在完成标注的烟雾数据集上训练Faster R‑CNN网络，其中特征提取网络部分使用改进VGG‑16网络预训练权重进行特征迁移，并在训练过程中冻结所迁移特征参数，模型训练充分收敛后，导出保存模型权重参数；步骤七，从视频中提取关键帧，依次输入到模型中进行识别，如果发现烟雾返回坐标信息并在视频图像中定位其区域。