[发明专利]一种火焰识别方法、系统、介质和设备有效
申请号: | 201910294777.6 | 申请日: | 2019-04-12 |
公开(公告)号: | CN110033040B | 公开(公告)日: | 2021-05-04 |
发明(设计)人: | 马琼雄;唐钢;张宇航;罗智明;蔡钰波;王叶宁;陈更生 | 申请(专利权)人: | 华南师范大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06K9/00 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 郑浦娟 |
地址: | 510631 广东省广州市天河区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种火焰识别方法、系统、介质和设备,首先进行模型构建,通过训练样本构建得到用于进行图像深度特征提取的深度特征提取模型,然后将训练样本的深度特征和手工特征作为输入训练得到火焰识别模型;当要对图像进行火焰识别时,通过深度特征提取模型提取出图像中的深度特征,并且将图像中的手工特征也提取出来,最后将图像的深度特征和手工特征同时输入到火焰识别模型中进行火焰识别,由火焰识别模型输出火焰识别结果。本发明结合图像的手工特征值和深度特征来识别图像中是否出现的火焰现象,通过手工特征和深度特征两种特征结合能够更加准确且快速的识别出图像中火焰的优点。 | ||
搜索关键词: | 一种 火焰 识别 方法 系统 介质 设备 | ||
【主权项】:
1.一种火焰识别方法,其特征在于,包括如下步骤:模型构建步骤:获取训练样本集,训练样本集中包括多个带标签的训练样本,训练样本为有火焰图像或无火焰图像,各训练样本的标签即为有火焰或无火焰;将各训练样本作为输入,各训练样本的标签作为输出对卷积神经网络进行训练,得到训练好的卷积神经网络,将训练好的卷积神经网络中全连接层去除后作为深度特征提取模型;将各训练样本输入到深度特征提取模型中提取出深度特征;从训练样本中提取出手工特征;将各训练样本提取出的深度特征和手工特征作为输入,各训练样本的标签作为输出对分类器进行训练,得到训练好的分类器,作为火焰识别模型;火焰识别步骤:获取火焰待识别图像,作为测试样本;从测试样本中提取出手工特征,将测试样本输入到深度特征提取模型中提取出深度特征;将测试样本中提取出的手工特征和深度特征输入到火焰识别模型,通过火焰识别模型输出火焰识别结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南师范大学,未经华南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910294777.6/,转载请声明来源钻瓜专利网。