1.一种基于集成深度网络的火焰检测识别方法,其特征在于,包括以下步骤:(1)获取视频帧图像,并进行预处理和归一化;
(2)使用训练好的U-net模型对归一化后的视频帧图像进行检测,找到视频帧图像对应火焰候选区域的二值图像;
(3)使用邻域分割法对火焰候选区域的二值图像按照距离规则进行聚类分割,得到视频帧中火焰的候选目标的二值图像;
(4)找到火焰候选目标二值图像在预处理后视频帧中对应的火焰候选目标图像,使用训练好的Resnet-50模型对火焰候选目标图像进一步识别,剔除非火焰目标得到火焰目标,并在原视频帧中对火焰目标进行标记,且保存火焰目标位置;
(5)当视频流中火焰目标中心位置在同一区域连续出现的帧数达到设定阈值后,发出火焰警报。
2.根据权利要求1所述的一种基于集成深度网络的火焰检测识别方法,其特征在于,训练U-net模型和Resnet-50模型的样本数据集通过对现有公开的火焰视频数据进行处理得到,具体为:通过对公开的火焰视频使用取帧法将视频提取出视频帧集合,并对视频帧集使用图像标注工具进行标注火焰的位置构建标签数据集;
将训练数据集中每个视频帧图像对应的二值图像依照标签数据集,将二值图像中火焰位置设置为1,其他部分设置为0,形成U-net的二值图像标签数据集,最后将视频帧集合和二值图像标签数据集构建U-net的数据集;
将视频帧集合中所有视频帧图像缩小一定比例,将视频帧图像中火焰图片对应监督值设置为正向监督值,其他图片设置为负向监督值,构建ResNet-50的标签数据集,将视频帧集合和ResNet-50的标签数据集构建ResNet-50的数据集。
3.根据权利要求1所述的一种基于集成深度网络的火焰检测识别方法,其特征在于,所述步骤(1)中的预处理包括对视频帧图像利用提取相机内部参数,包括切向误差、径向误差和光心误差,进行鱼眼校正。
4.根据权利要求1所述的一种基于集成深度网络的火焰检测识别方法,其特征在于,所述步骤(2)中输入尺寸归一化后的视频帧图像至训练好的U-net模型,将归一化后的视频帧图像进行检测,得到视频帧对应的火焰候选区域二值图像,二值图像中将火焰的像素值置为1,非火焰区域的像素置为0。
5.根据权利要求1所述的一种基于集成深度网络的火焰检测识别方法,其特征在于,所述步骤(3)包括以下步骤:(31)将火焰候选区域二值图像尺寸进行归一化大小;
(32)将归一化后火焰候选区域二值图像中所有非零的值所在图像中的坐标位置进行保存;
(33)将保存的坐标位置进行分类,使得任意两类坐标满足下述公式:其中A代表分出的所有类的集合,Abj1表示第b类坐标中第j个元素的x轴坐标,Abj2表示第b类坐标中第j个数据的y轴坐标,Aai1表示第a类坐标中第i个数据的x轴坐标,Aai2表示第a类坐标中第i个数据的y轴坐标,l0代表预先设定的阈值,n表示Aa中元素的个数,m表示Ab中元素的个数;
(34)取每类坐标中的最大值和最小值作为索引,取出火焰候选区域二值图像的子图像;
(36)将所有子图像返回,其中每子图像元素代表了一个火焰候选目标二值图像。
6.根据权利要求1所述的一种基于集成深度网络的火焰检测识别方法,其特征在于,所述步骤(4)包括以下步骤:(41)找到火焰候选目标二值图像在视频帧中对应的火焰候选目标;
(42)将所有的火焰候选目标归一化为统一的大小;
(43)送入训练好的Resnet-50模型中进行识别,根据置信度大小剔除非火焰目标得到火焰目标;
(44)返回所有火焰目标的位置;
(45)将返回的火焰区域的位置在视频帧中进行标记,实现火焰追踪的可视化。
7.一种基于集成深度网络的火焰检测识别系统,其特征在于,包括:图像预处理模块:用于读取视频帧图像,并将视频帧图像进行预处理和归一化;
火焰检测模块:用于使用训练好的U-net模型对归一化后的视频帧图像进行检测,得到火焰候选区域二值图像;
邻域分割模块:用于使用领域分割法对火焰候选区域二值图像按距离规则进行聚类分割,得到视频帧中火焰候选目标二值图像,然后返回火焰候选目标二值图像在原视频帧中对应的火焰候选目标图像;
火焰识别模块:用于使用训练好的Resnet-50模型对邻域分割模块得到的火焰候选目标图像进行进一步识别,剔除非火焰目标得到火焰目标,且保存火焰目标位置;
火焰区域可视化模块:用于根据火焰识别模块保存的火焰目标位置,对原视频图像中对应的是火焰目标进行标记,实现火焰追踪的可视化;
以及,火焰警报模块:用于对视频持续监测,当火焰目标中心位置在同一区域连续出现的帧数达到预先设定的阈值时,发出火焰警报以提示用户。
8.一种基于集成深度网络的火焰检测识别系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被加载至处理器时实现根据权利要求1-6任一项所述的基于集成深度网络的火焰检测识别方法。