申请/专利权人：东北林业大学

申请日：2024-01-03

公开（公告）日：2024-04-09

公开（公告）号：CN117853755A

主分类号：G06V10/56

分类号：G06V10/56;G06V10/54;G06V10/82;G06N3/0464;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：基于深度学习方法和传统方法结合的火灾检测方法，本发明为解决现有的火灾检测方法受到复杂环境条件的限制，影响火灾检测效率的问题，本发明包括如下步骤：一：FSDF使用HSV颜色空间突出输入图像中的颜色特征，生成的掩模与输入图像重叠以产生新的组合图像，从而提高火焰特征的可检测性并增强其对比度；二：将新的组合图像输入YOLOv8中以检测可疑火灾区域，从而能够更精确地识别火源区域；三：对检测到的火源部分进行裁剪，并使用完整二进制模式描述检测到的纹理特征，以进一步区分火焰色物体的干扰；四：将上述组合特征输入到无监督学习模型VQ‑VAE中，利用无监督学习异常检测方法进一步对这些样本进行检测，以确定是否发生了火灾。本发明属于火灾的检测技术领域。

主权项：1.一种基于深度学习方法和传统方法结合的火灾检测方法，其特征在于：所述一种基于深度学习方法和传统方法结合的火灾检测方法的步骤包括：步骤一：FSDF使用HSV颜色空间突出输入图像中的颜色特征，生成的掩模与输入图像重叠以产生新的组合图像；步骤二：将步骤一产生的新的组合图像输入YOLOv8中以检测可疑火灾区域；步骤三：对检测到的火源部分进行裁剪，并使用完整二进制模式描述检测到的纹理特征，区分火焰色物体的干扰；步骤四：将原图像和使用完整二进制描述纹理特征叠加形成的组合特征输入到无监督学习模型VQ-VAE中，利用无监督学习异常检测方法进一步对这些样本进行检测，以确定是否发生了火灾。

全文数据：

权利要求：

百度查询： 东北林业大学 基于深度学习方法和传统方法结合的火灾检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD