基于人工智能的火情监测方法、装置及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723300A(43)申请公布日2021.11.30(21)申请号202111011682.2G08B17/12(2006.01)(22)申请日2021.08.31(71)申请人平安国际智慧城市科技股份有限公司地址518000广东省深圳市前海深港合作区妈湾兴海大道3048号前海自贸大厦1-34层(72)发明人黄哲(74)专利代理机构北京鸿元知识产权代理有限公司11327代理人王迎袁文婷(51)Int.Cl.G06K9/00(2006.01)G06K9/32(2006.01)G06K9/46(2006.01)权利要求书2页说明书14页附图2页(54)发明名称基于人工智能的火情监测方法、装置及存储介质(57)摘要本发明涉及人工智能技术领域，揭露一种基于人工智能的火情监测方法，包括：对获取的样本图像进行区域划分处理，并获取与所述样本图像对应的各子区域；获取所述各子区域的RGB均值，并基于所述RGB均值以及预设的风险阈值，确定所有子区域中的目标风险区域；对包含有所述目标风险区域的样本图像进行预处理，并基于预处理后的样本图像形成训练数据；基于所述训练数据训练预设的神经网络模型，直至所述神经网络模型收敛至预设范围内，形成火情监测模型；基于实时监控视频及所述火情监测模型，对所述监控视频的监控区域进行实时火情监测。本发明可以提高火情监测的适用场景和准确度。CN113723300ACN113723300A权利要求书1/2页1.一种基于人工智能的火情监测方法，其特征在于，所述方法包括：对获取的样本图像进行区域划分处理，以确定与所述样本图像对应的各子区域；获取所述各子区域的RGB均值，并基于所述RGB均值以及预设的风险阈值，确定所有子区域中的目标风险区域；对包含有所述目标风险区域的样本图像进行预处理，并基于预处理后的样本图像形成训练数据；基于所述训练数据训练预设的神经网络模型，直至所述神经网络模型收敛至预设范围内，形成火情监测模型；基于实时监控视频及所述火情监测模型，对所述监控视频的监控区域进行实时火情监测。2.如权利要求1所述的基于人工智能的火情监测方法，其特征在于，所述样本图像的获取过程包括：在目标区域内设置均匀分布的监控设备，并通过所述监控设备采集对应区域内的监控视频；对所述监控视频进行帧序列化处理，获取与所述监控视频对应的图像数据集；对所述图像数据集进行分类，获取包含有火灾图像的样本图像。3.如权利要求1所述的基于人工智能的火情监测方法，所述获取所述各子区域的RGB均值的步骤包括：基于openCV提取所述子区域的R通道、G通道和B通道的各通道值；基于所述各通道值获取所述R通道的均值、所述G通道的均值和所述B通道的均值；基于所述R通道的均值、所述G通道的均值和所述B通道的均值，确定所述子区域的RGB均值。4.如权利要求1至3中任意一项所述的基于人工智能的火情监测方法，其特征在于，所述对包含有所述目标风险区域的样本图像进行预处理的步骤包括：基于预设步长调节所述目标风险区域的R值和G值；对调节R值和G值后的样本图像以及所述目标风险区域进行亮度处理；对所述亮度处理后的样本图像进行背景灰度处理。5.如权利要求4所述的基于人工智能的火情监测方法，其特征在于，在对所述亮度处理后的样本图像进行背景灰度处理之后，还包括：基于lableimg工具或预训练的标记模型，对亮度处理及背景灰度处理之后的目标风险区域中的火焰进行标记。6.如权利要求1至3中任意一项所述的基于人工智能的火情监测方法，其特征在于，所述基于所述训练数据训练预设的神经网络模型的步骤包括：预先配置yolo模型的超参数，所述超参数包括激活函数、loss函数、梯度下降步长、锚点以及训练次数；基于超参数配置后的yolo模型提取所述训练数据中的已标记火焰的边缘特征；基于所述边缘特征对所述yolo模型进行训练，直至所述yolo模型收敛在预设范围内，形成所述火情监测模型。7.如权利要求6所述的基于人工智能的火情监测方法，其特征在于，所述提取所述训练2CN113723300A权利要求书2/2页数据中的已标记火焰的边缘特征的步骤包括：获取所述训练数据的特征图；预测所述特征图的每个单元格的边界框数据；其中，所述边界框数据包括：所述边界框的位置数据、置信度以及类别；基于所述边界框数据确定所述边缘特征。8.一种基于人工智能的火情监测装置，其特征在于，所述装置包括：子区域获取单元，用于对获取的样本图像进行区域划分处理，并获取与所述样本图像对应的各子区域；目标风险区域确定单元，用于获取所述各子区域的RGB均值，并基于所述RGB均值以及预设的风险阈值，确定所有子区域中的目标风险区域；训练数据形成单元，用于对包含有所述目标风险区域的样本图像进行