公开(公告)号：CN117853755A

公开(公告)日：2024-04-09

申请号：CN202410009061.8

申请日：2024-01-03

Applicant: 东北林业大学

Inventor： 赵红阳 ,  郭亚楠 ,  刘一 ,  李兴东 ,  金晶

IPC: G06V10/56 ,  G06V10/54 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764

Abstract: 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。