基于图像处理的火焰识别方法、装置及电子设备

技术特征：
1.一种基于图像处理的火焰识别方法，其特征在于，包括：从监测视频流中提取视频图像帧；通过第一模型识别所述视频图像帧是否为下雨场景；根据所述视频图像帧是否为所述下雨场景，确定火焰检测阈值；通过第二模型识别所述视频图像帧是否存在火焰，其中，所述视频图像帧是否存在火焰是基于所述第二模型输出的结果与所述火焰检测阈值进行对比得到的。2.根据权利要求1所述的方法，其特征在于，所述根据所述视频图像帧是否为所述下雨场景，确定火焰检测阈值，包括：将所述视频图像帧是否为所述下雨场景的判断结果加入至结果队列；所述结果队列用于存储连续多帧视频图像帧是否为所述下雨场景的判断结果；根据所述结果队列的平均情况判断当前是否下雨；根据当前是否下雨确定所述火焰检测阈值，其中，在当前下雨的情况下的所述火焰检测阈值大于在当前未下雨的情况下的所述火焰检测阈值。3.根据权利要求1所述的方法，其特征在于，在通过第一模型识别所述视频图像帧是否为下雨场景之前，还包括：检测所述视频图像帧中是否存在运动物体，其中，在所述视频图像帧中存在所述运动物体的情况下，通过第二模型识别所述视频图像帧是否存在火焰。4.根据权利要求3所述的方法，其特征在于，在检测所述视频图像帧中是否存在运动物体之前，还包括：将所述视频图像帧中每个像素值建模为k个高斯分布的混合分布；根据所述k个高斯分布的权重和均值的比值排序，取前b个高斯分布作为背景差分模型；根据所述视频图像帧中每个像素值与所述背景模型的均值之差，判断对应像素值为前景像素点或背景像素点；所述检测所述视频图像帧中是否存在运动物体，包括：判断所述前景像素点的数量与所述视频图像帧的所有像素点的数量的比例是否大于预设比例阈值；若是，则确定所述视频图像帧中存在所述运动物体。5.根据权利要求1所述的方法，其特征在于，在通过第一模型识别所述视频图像帧是否为下雨场景之前，还包括：获取多张下雨场景的图像和多张非下雨场景的图像，建立下雨场景训练集；通过所述下雨场景训练集训练第一深度卷积神经网络模型，得到所述第一模型。6.根据权利要求1所述的方法，其特征在于，在通过第二模型识别所述视频图像帧是否存在火焰之前，还包括：获取多张带有火焰的图像，建立火焰图像训练集，其中，每张带有火焰的图像被标注有真实标注框，所述真实标注框用于标识出带有火焰的区域；通过所述火焰图像训练集训练第二深度卷积神经网络模型，得到所述第二模型，所述第二模型用于输出多个预测候选框中每个预测候选框存在火焰的概率。7.根据权利要求6所述的方法，其特征在于，所述通过所述火焰图像训练集训练第二深度卷积神经网络模型，包括：
在所述火焰图像训练集中获取第一图像；将所述第一图像划分为多个区域；基于多个标准尺寸框，在每个区域中划分出对应的多个预测候选框；其中，所述多个标准尺寸框的尺寸为根据所述火焰图像训练集中所有图片的所述真实标注框的尺寸聚类得到，每个所述标准尺寸框的中心为对应区域的中心；通过所述第二深度卷积神经网络模型识别每个所述预测候选框中存在火焰的概率；通过预设损失函数计算所述第二深度卷积神经网络模型针对所述第一图像的第一损失误差；通过误差反向传播算法，根据所述第一误差更新所述第二深度卷积神经网络模型的参数；通过测试集测试更新后的所述第二深度卷积神经网络模型；计算所述测试集的总体损失误差；在确定所述总体损失误差满足预设条件的情况下停止训练。8.根据权利要求6所述的方法，其特征在于，在通过第二模型识别所述视频图像帧是否存在火焰之后，还包括：通过第三模型判断所述第二模型的判断结果是否有误；其中，所述第三模型为根据所述第二模型对所述火焰图像训练集和非火焰图像训练集的识别结果，对第三深度卷积神经网络模型进行训练得到的。9.根据权利要求8所述的方法，其特征在于，在通过第三模型判断所述第二模型的判断结果是否有误之前，还包括：通过所述第二模型在所述火焰图像训练集和所述非火焰图像训练集的每张图像中识别存在火焰的图像区域，将每个识别出火焰的图像区域截取为子图像；将多张所述子图像划分为真正例训练集和假正例训练集，所述真正例训练集为在所述火焰图像训练集中识别出的存在火焰的子图像，所述假正例训练集为在所述非火焰图像训练集中识别出的存在火焰的子图像；将所述真正例训练集和所述假正例训练集作为所述第三深度卷积神经网络模型的训练集进行训练。10.一种基于图像处理的火焰识别装置，其特征在于，所述装置包括：提取单元，用于从监测视频流中提取视频图像帧；第一识别单元，用于通过第一模型识别所述视频图像帧是否为下雨场景；确定单元，用于根据所述视频图像帧是否为所述下雨场景，确定火焰检测阈值；第二识别单元，用于通过第二模型识别所述视频图像帧是否存在火焰，其中，所述视频图像帧是否存在火焰是基于所述第二模型输出的结果与所述火焰检测阈值进行对比得到的。11.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有程序指令的存储器；所述处理器执行所述程序指令时实现如权利要求1-9任意一项所述的基于图像处理的火焰识别方法。12.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序指令，所述程序
指令被处理器执行时实现如权利要求1-9任意一项所述的基于图像处理的火焰识别方法。13.一种程序产品，其特征在于，所述程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-9任意一项所述的基于图像处理的火焰识别方法。

技术总结
本申请公开了一种基于图像处理的火焰识别方法、装置及电子设备。该基于图像处理的火焰识别方法包括：从监测视频流中提取视频图像帧；通过第一模型识别视频图像帧是否为下雨场景；根据视频图像帧是否为下雨场景，确定火焰检测阈值；通过第二模型识别视频图像帧是否存在火焰，其中，视频图像帧是否存在火焰是基于第二模型输出的结果与火焰检测阈值进行对比得到的。根据本申请实施例，可以通过对下雨场景的识别，针对识别火焰的模型设置不同的阈值，从而提高火焰识别的准确率。从而提高火焰识别的准确率。从而提高火焰识别的准确率。


技术研发人员：赵劲松 吴德阳 吴昊 房晓峰 田健辉 赵泽恒 杨博睿
受保护的技术使用者：清华大学
技术研发日：2022.03.29
技术公布日：2022/8/1