一种用于消防火灾预警的智能图像识别方法、装置、设备及介质与流程

本发明涉及监控视频的事件识别，特别是涉及一种用于消防火灾预警的智能图像识别方法、装置、设备及介质。

背景技术：

1、随着人工智能与物联网技术的快速发展，智能消防系统在工业安全、城市安防等领域发挥着日益关键的作用。火灾早期识别是预防重大安全事故的核心环节，也是计算机视觉领域的研究难点。有效的火灾预警需在复杂工业环境中实现高精度、低误报的实时识别。

2、传统技术中，基于深度学习进行视频火灾检测并依托常规视觉检测算法完成火情分析，但是，该类技术缺少干扰源物理建模能力，易受工业环境各类物理因素干扰引发误判；主流检测模型直接挖掘原图视觉特征进行识别工作，但是无法剥离冗余干扰特征、实现火灾核心特征有效解耦，特征混淆问题大幅降低模型判别性能；此外，传统检测方案采用纯数据驱动的运行模式，缺失物理约束和智能算法的协同优化设计，难以根据复杂环境变化动态校正识别逻辑，场景适配与环境适应能力存在显著不足。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种用于消防火灾预警的智能图像识别方法、装置、设备及介质，以达到提升工业场景识别精度、降低环境干扰误报率、增强复杂环境自适应能力的技术效果。

2、第一方面，本技术提供了一种用于消防火灾预警的智能图像识别方法，该方法包括：

3、基于非火灾干扰源的物理生成机制构建物理代理模型库；

4、对监控视频流进行多尺度时序特征提取，得到动态演化特征；

5、基于环境传感器采集的环境参数和物理代理模型库，对动态演化特征进行物理约束匹配，生成物理约束匹配结果；

6、通过因果解耦网络对输入图像进行特征解耦，分离出火灾因果特征和场景干扰特征，其中场景干扰特征用于阻断非火灾物理干扰源的视觉相关性；

7、基于物理约束匹配结果、火灾因果特征和场景干扰特征进行物理正则化联合训练，构建火灾识别模型。

8、在一实施例中，基于环境传感器采集的环境参数和物理代理模型库，对动态演化特征进行物理约束匹配，生成物理约束匹配结果，包括：

9、解析环境传感器采集的多维环境参数，得到环境参数向量；

10、通过物理代理模型库处理环境参数向量，预测干扰源演化行为，生成预期动态模式；

11、量化比较动态演化特征和预期动态模式的空间分布和时序演进一致性，生成相似度度量值；

12、基于环境自适应阈值判决相似度度量值，生成物理约束匹配结果。

13、在一实施例中，通过物理代理模型库处理环境参数向量，预测干扰源演化行为，生成预期动态模式，包括：

14、对环境参数向量进行多物理场耦合分析，得到初始演化状态；

15、基于物理代理模型库处理初始演化状态，模拟干扰源形态演变，生成动态演化序列；

16、提取动态演化序列的时空不变特征，生成预期动态模式。

17、在一实施例中，基于非火灾干扰源的物理生成机制构建物理代理模型库，包括：

18、定义非火灾干扰源类别集合，类别集合包括水蒸气、焊接火花和工业粉尘；

19、对非火灾干扰源类别集合中的每个类别进行多物理场仿真，得到对应的动态形态序列数据；

20、基于环境监测设备采集的环境参数向量，对动态形态序列数据进行可微分代理建模，获得可微分物理代理模型；

21、将可微分物理代理模型映射到对应的干扰源类别，建立物理代理模型库。

22、在一实施例中，基于环境监测设备采集的环境参数向量，对动态形态序列数据进行可微分代理建模，获得可微分物理代理模型，包括：

23、对环境参数向量进行物理感知编码，得到环境-物理联合表征；

24、通过可微分求解器处理环境-物理联合表征和动态形态序列数据，生成代理模型参数；

25、基于变分推断优化代理模型参数，生成可微分物理代理模型。

26、在一实施例中，通过因果解耦网络对输入图像进行特征解耦，分离出火灾因果特征和场景干扰特征，包括：

27、对输入图像进行热力学因果分析，提取热释放速率特征和碳微粒扩散特征，生成初始火灾特征；

28、对输入图像进行环境干扰分析，提取光学反射特征和非火运动特征，生成初始干扰特征；

29、通过因果干预单元消除初始火灾特征和初始干扰特征的统计相关性，得到解耦火灾特征；

30、通过对抗判别器阻断初始干扰特征的火灾语义关联性，生成净化干扰特征；

31、融合解耦火灾特征和净化干扰特征，输出火灾因果特征和场景干扰特征。

32、在一实施例中，基于物理约束匹配结果、火灾因果特征和场景干扰特征进行物理正则化联合训练，构建火灾识别模型，包括：

33、融合火灾因果特征、物理约束匹配结果和场景干扰特征，生成物理引导特征向量；

34、通过梯度重加权机制调整物理引导特征向量的优化方向，得到正则化梯度信号；

35、基于对抗性扰动测试验证正则化梯度信号的鲁棒性，生成净化梯度参数；

36、基于净化梯度参数迭代优化神经网络权重，构建火灾识别模型。

37、第二方面，本技术还提供一种用于消防火灾预警的智能图像识别装置，该装置包括：

38、干扰源建模模块，用于基于非火灾干扰源的物理生成机制构建物理代理模型库；

39、时空特征提取模块，用于对监控视频流进行多尺度时序特征提取，得到动态演化特征；

40、物理匹配模块，用于基于环境传感器采集的环境参数和物理代理模型库，对动态演化特征进行物理约束匹配，生成物理约束匹配结果；

41、特征解耦模块，用于通过因果解耦网络对输入图像进行特征解耦，分离出火灾因果特征和场景干扰特征，其中场景干扰特征用于阻断非火灾物理干扰源的视觉相关性；

42、联合训练模块，用于基于物理约束匹配结果、火灾因果特征和场景干扰特征进行物理正则化联合训练，构建火灾识别模型。

43、第三方面，本技术还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现本技术第一方面中任一方法的步骤。

44、第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本技术第一方面中任一方法的步骤。

45、本技术提供一种用于消防火灾预警的智能图像识别方法、装置、设备及介质，通过基于非火灾干扰源物理生成机制构建物理代理模型库，结合环境传感器采集的环境参数，对监控视频流提取的多尺度时序动态演化特征进行物理约束匹配，能够有效关联环境动态变化与视觉特征演化规律，减少环境干扰因素对特征判断的误导。同时借助因果解耦网络分离火灾因果特征与场景干扰特征，并阻断非火灾物理干扰源的视觉相关性，帮助模型过滤冗余干扰信息，更精准地锁定火灾核心特征。

46、该种技术路径通过物理机制和视觉识别的深度结合，让模型在工业场景中能够规避干扰源带来的判断偏差，进而降低环境干扰引发的误报率，同时提升对火灾特征的识别精准度。而实时环境参数与物理代理模型的协同作用，也助力模型更好地适配复杂环境的动态变化，进一步增强其在复杂场景下的自适应能力。