多场景火焰检测方法、设备及存储介质

1.本发明涉及图像检测领域，尤其是一种多场景火焰检测方法、设备及存储介质。


背景技术：

2.相关技术中，往往采取人工监测视频画面的方式来对不同场景下的火灾或者火焰检测任务中的火焰进行检测，这一方法不仅费时费力，还会由于监测人员的个人因素导致火情漏检。因此，如何提供一种自动化、高准确性的多场景火焰检测方法，成为了一个亟待解决的问题。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种多场景火焰检测方法，能够实现对多场景内的火焰进行自动化监测。
4.本发明还提出一种具有上述多场景火焰检测方法的多场景火焰检测设备。
5.本发明还提供了一种计算结可读存储介质。
6.根据本发明的第一方面实施例的多场景火焰检测方法，包括：
7.获取待检测图像信息；
8.通过预设的筛选模型对所述待检测图像信息进行筛选处理，生成运动区域图；
9.对所述运动区域图进行颜色分析处理，得到差分数值；
10.将所述差分数值与预设的第一判别阈值进行比对，得到比对结果；其中所述比对结果包括第一比对结果或者第二比对结果；
11.当接收到所述第一比对结果时，根据所述待检测图像信息计算生成判别置信度；
12.将所述判别置信度与预设的第二判别阈值进行比对，得到判别数据；其中判别数据包括第一判别数据和第二判别数据；
13.当接收到所述第一判别数据时，根据预设的检测模型检测所述待检测图像信息，生成第一场景信息或者第二场景信息。
14.根据本发明实施例的多场景火焰检测方法，至少具有如下有益效果：本发明所提供的多场景火焰检测方法可以获取对应不同场景内的待检测图像信息，并通过预设的筛选模型对待检测图像信息进行筛选，得到包含在一段时间内可能含有火焰图形的运动区域图。通过对运动区域图进行颜色分析处理，本方法可以得到当前运动区域图内的全部图像信息对应的颜色信息，并形成差分数值。通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，其中比对结果包括第一比对结果和第二比对结果，并在获取到第一比对结果时，根据待检测图像信息计算对应的判别置信度。通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的待检测图像信息范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，并在获取到第一判别数据时，根据预设的检测模型对待检测图像信息进行检测，得到第一场景信息或者第二场景信
息。通过这一方法，本发明可以对当前场景内的待检测图像信息进行初步筛选，并通过对运动区域图内的图像数据进行两次分析比对，精细的判断当前场景内是否存在火焰，从而通过检测模型再次检测最终的比对结果，以实现对当前场景内的火焰信息的最终判断，进而实现对场景内的火焰的自动化、高效的检测。
15.根据本发明的一些实施例，所述将所述差分数值与预设的第一判别阈值进行比对，得到比对结果；其中所述比对结果包括第一比对结果或者第二比对结果之后，所述方法还包括：
16.当接收到所述第二比对结果时，生成第二场景信息。
17.根据本发明的一些实施例，所述将所述判别置信度与预设的第二判别阈值进行比对，得到判别数据；其中判别数据包括第一判别数据和第二判别数据之后，所述方法还包括：
18.当接收到所述第二判别数据时，输出第二场景信息。
19.根据本发明的一些实施例，所述获取待检测图像信息包括：
20.获取原始图像信息；
21.根据预设的目标检测模型对所述原始图像信息进行检测，得到检测框信息；
22.根据所述检测框信息对所述原始图像信息进行裁剪，得到待检测图像信息。
23.根据本发明的一些实施例，所述通过预设的筛选模型对所述待检测图像信息进行筛选处理，生成运动区域图，包括：
24.解析所述待检测图像，得到图像帧数据；
25.通过所述筛选模型对所述图像帧数据进行筛选处理，得到帧差遮罩模型；
26.通过所述帧差遮罩模型对所述待检测图像进行计算，得到所述运动区域图。
27.根据本发明的一些实施例，所述根据对所述运动区域图进行颜色分析处理，得到差分数值，包括：
28.根据预设的颜色阈值对所述运动区域图进行比对，得到颜色差分图；
29.对所述颜色差分图进行求和计算，得到计算值；
30.将所述计算值与所述待检测图像的面积进行除法运算，得到所述差分数值。
31.根据本发明的一些实施例，所述当接收到所述第一比对结果时，根据所述待检测图像信息计算生成判别置信度，包括：
32.根据所述待检测图像信息和预设的边界值，生成第一判别函数和第二判别函数；
33.对所述第一判别函数和所述第二判别函数进行求取平均值计算，生成所述判别置信度。
34.根据本发明的一些实施例，所述当接收到所述第一判别数据时，根据预设的检测模型检测所述待检测图像信息，生成第一场景信息或者第二场景信息，包括：
35.根据所述检测模型提取所述待检测图像信息的特征数据库；
36.对所述特征数据库中每一数据信息与所述数据信息对应的火焰标签文件进行匹配处理，得到火焰标签集合；
37.获取所述特征数据库对应的余弦相似度；
38.根据所述余弦相似度筛选所述火焰标签集合中的所述火焰标签文件，得到待定火焰标签数据；
39.对所述待定火焰标签数据进行平均值计算，得到第三判别函数；
40.根据所述待定火焰标签数据中的所述火焰标签文件的文件个数得到检测阈值；
41.根据所述第三判别函数与所述检测阈值执行以下步骤之一：
42.若所述第三判别函数在预设检测时段内的函数值大于所述检测阈值，则生成所述第一场景信息；
43.或者，
44.若所述第三判别函数在预设检测时段内的函数值小于或者等于所述检测阈值，则生所述成第二场景信息。
45.根据本发明的第二方面实施例的多场景火焰检测设备，包括：
46.至少一个处理器，以及
47.与所述至少一个处理器通信连接的存储器
48.其中，所述存储器中存有指令，使得所述至少一个处理器执行所述指令时可以实现如本发明第一方面实施例所述的多场景火焰检测方法。
49.根据本发明实施例的多场景火焰检测设备，至少具有如下有益效果：本发明所提供的多场景火焰检测设备可以通过处理器执行存储器中存储的指令，以实现本发明第一方面实施例所提供的多场景火焰检测方法，从而获取对应不同场景内的待检测图像信息，并通过预设的筛选模型对待检测图像信息进行筛选，得到包含在一段时间内可能含有火焰图形的运动区域图。通过对运动区域图进行颜色分析处理，本方法可以得到当前运动区域图内的全部图像信息对应的颜色信息，并形成差分数值。通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，其中比对结果包括第一比对结果和第二比对结果，并在获取到第一比对结果时，根据待检测图像信息计算对应的判别置信度。通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的待检测图像信息范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，并在获取到第一判别数据时，根据预设的检测模型对待检测图像信息进行检测，得到第一场景信息或者第二场景信息。通过这一方法，本发明可以对当前场景内的待检测图像信息进行初步筛选，并通过对运动区域图内的图像数据进行两次分析比对，精细的判断当前场景内是否存在火焰，从而通过检测模型再次检测最终的比对结果，以实现对当前场景内的火焰信息的最终判断，进而实现对场景内的火焰的自动化、高效的检测。
50.根据本发明第三方面提供的计算机可读存储介质，所述计算机可读存储介质存有计算机可执行指令，所述计算机可执行指令用于使计算机执行如本发明第一方面实施例所述的多场景火焰检测方法。
51.根据本发明实施例的计算机可读存储介质，至少具有如下有益效果：通过执行本发明所提供的计算结可读存储介质中的计算机指令，本发明可以实现发明第一方面实施例所提供的多场景火焰检测方法，从而获取对应不同场景内的待检测图像信息，并通过预设的筛选模型对待检测图像信息进行筛选，得到包含在一段时间内可能含有火焰图形的运动区域图。通过对运动区域图进行颜色分析处理，本方法可以得到当前运动区域图内的全部图像信息对应的颜色信息，并形成差分数值。通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，
其中比对结果包括第一比对结果和第二比对结果，并在获取到第一比对结果时，根据待检测图像信息计算对应的判别置信度。通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的待检测图像信息范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，并在获取到第一判别数据时，根据预设的检测模型对待检测图像信息进行检测，得到第一场景信息或者第二场景信息。通过这一方法，本发明可以对当前场景内的待检测图像信息进行初步筛选，并通过对运动区域图内的图像数据进行两次分析比对，精细的判断当前场景内是否存在火焰，从而通过检测模型再次检测最终的比对结果，以实现对当前场景内的火焰信息的最终判断，进而实现对场景内的火焰的自动化、高效的检测。本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
52.下面结合附图和实施例对本发明做进一步的说明，其中：
53.图1为本发明实施例的多场景火焰检测方法的流程图；
54.图2为图1中步骤s100的具体流程图。
55.图3为图1中步骤s200的具体流程图。
56.图4为图1中步骤s300的具体流程图。
57.图5为图1中步骤s500的具体流程图。
58.图6为图1中步骤s700的具体流程图。
具体实施方式
59.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
60.在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
61.在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
62.本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
63.本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点
可以在任何的一个或多个实施例或示例中以合适的方式结合。
64.第一方面，参照图1，本发明提供了一种多场景火焰检测方法，包括：
65.s100，获取待检测图像信息；
66.s200，通过预设的筛选模型对待检测图像信息进行筛选处理，生成运动区域图；
67.s300，对运动区域图进行颜色分析处理，得到差分数值；
68.s400，将差分数值与预设的第一判别阈值进行比对，得到比对结果；其中比对结果包括第一比对结果或者第二比对结果；
69.s500，当接收到第一比对结果时，根据待检测图像信息计算生成判别置信度；s600，将判别置信度与预设的第二判别阈值进行比对，得到判别数据；其中判别数据包括第一判别数据和第二判别数据；
70.s700，
71.当接收到第一判别数据时，根据预设的检测模型检测待检测图像信息，生成第一场景信息或者第二场景信息。
72.根据本发明所提供的多场景火焰检测方法，本发明可以获取对应不同场景内的待检测图像信息，并通过预设的筛选模型对待检测图像信息进行筛选，得到包含在一段时间内可能含有火焰图形的运动区域图。通过对运动区域图进行颜色分析处理，本方法可以得到当前运动区域图内的全部图像信息对应的颜色信息，并形成差分数值。通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，其中比对结果包括第一比对结果和第二比对结果，并在获取到第一比对结果时，根据待检测图像信息计算对应的判别置信度。通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的待检测图像信息范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，并在获取到第一判别数据时，根据预设的检测模型对待检测图像信息进行检测，得到第一场景信息或者第二场景信息。通过这一方法，本发明可以对当前场景内的待检测图像信息进行初步筛选，并通过对运动区域图内的图像数据进行两次分析比对，精细的判断当前场景内是否存在火焰，从而通过检测模型再次检测最终的比对结果，以实现对当前场景内的火焰信息的最终判断，进而实现对场景内的火焰的自动化、高效的检测。
73.参照图2，在一些实施例中，步骤s100包括：
74.s110，获取原始图像信息；
75.s120，根据预设的目标检测模型对原始图像信息进行检测，得到检测框信息；
76.s130，根据检测框信息对原始图像信息进行裁剪，得到待检测图像信息。
77.本发明所提供的多场景火焰检测方法可以通过对原始图像信息的获取，并通过预设的目标检测模型有效的简化获取到的数据样本，得到包括疑似存在火焰图形的区域，进而得到检测框信息，并通过检测框信息对获取到的原始图像信息进行裁剪，得到待检测图像信息。这一方法有效的提取了原始图像信息中包含需要检测的特征火焰图像信息，简化了需要检测的图像数据，从而实现对于多场景内火焰的高效检测。
78.在一些具体的实施例中，本发明先获取原始图像信息，得到每一个输入帧图像数据，并通过计算获取其对应的长、宽数据。通过如yolov5等预设的目标检测模型对每一个输入帧图形数据进行检测，本方法可以得到对应每一输入帧图形数据的检测框信息。其中检
测框信息包括每一个检测框的x轴的最小坐标值、x轴的最大坐标值、y轴的最小坐标值、y轴的最大坐标值以及检测框置信度。完成以上操作后，本方法可以采用对应的检测框信息对每一个输入帧图像数据进行裁剪，从而得到待检测图像信息。
79.参照图3，在一些实施例中，步骤s200包括：
80.s210，解析待检测图像，得到图像帧数据；
81.s220，通过筛选模型对图像帧数据进行筛选处理，得到帧差遮罩模型；
82.s230，通过帧差遮罩模型对待检测图像进行计算，得到运动区域图。
83.本发明所提供的多场景火焰检测方法可以解析待检测图像得到包含每一输入帧图形数据的图像帧数据，从而通过筛选模型滤除图像帧数据中包含的静止物体所对应的的数据部分，得到帧差遮罩模型，进而根据帧差遮罩模型对运动区域图对图像帧数据中每一输入帧图形数据进行筛选，得到图像帧数据的变化区域，从而得到运动区域图。
84.在一些具体的实施例中，本发明所提供的多场景火焰检测方法可以获取待检测图像中过去连续k帧对应的k个裁剪后的图像，得到第一待处理集合。通过如yolov5等预设等预设的筛选模型，本方法可以生成一个仅包含数值0或者数值1的差分遮罩，其中，有效位置部分对应数值1，无效位置部分对应数值0，并通过将该差分遮罩对应其裁剪图像进行计算，得到对应的运动区域图。
85.参照图4，在一些实施例中，步骤s300包括：
86.s310，根据预设的颜色阈值对运动区域图进行比对，得到颜色差分图；
87.s320，对颜色差分图进行求和计算，得到计算值；
88.s330，将计算值与待检测图像的面积进行除法运算，得到差分数值。
89.本发明所提供的多场景火焰检测方法可以根据预设的颜色阈值对运动区域图进行比对，得到颜色判别后的颜色差分图，并对颜色差分图进行求和计算，得到计算值，并对计算值与待检测图像的面积进行除法运算，得到差分数值。具体地，本发明首先对运动区域图中的变化区域进行通道分离，得到对应运动区域图中每一时刻的三通道图像和本方法可以通过预设的逐像素指示函数和之间的大小关系，获取颜色差分图。例如在一些具体的实施例中，颜色差分图其中，“∧”表示：“与”操作，在公式中中括号内的条件满足时，颜色差分图ωk的值为“1”；此外，σr为预设的、属于r通道分量的阈值，并不固定。通过对每一时刻的颜色差分图进行求和计算得到的计算值与待检测图像的面积做除法运算，本发明可以得到对应的运动区域图内的差分数值δuk。具体地，通过这一方法，本发明有效的提供了对运动区域图颜色判别的判断依据，为实现对运动区域图的颜色进行判别、对场景内的火焰进行初步筛选、对火焰的自动化筛查提供技术基础。
90.在一些实施例的步骤s400中，可以通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，其中比对结果包括第一比对结果和第二比对结果，使得可以在获取到第一比对结果时，根据运动区域图计算对应的判别置信度。
91.在一些实施例中，步骤s400之后还包括：
92.当接收到第二比对结果时，生成第二场景信息。
93.本发明所提供的多场景火焰检测方法通过检测获取到的第二比对结果，可抑制细节输出第二场景信息，以结束对当前场景内火焰图形检测的判断过程，提高了对多场景内火焰检测的判断速度，降低了多场景火焰判断方法所需要的检测步骤，有效的降低了系统资源的占用并且有效的提高了火焰检测方法的检测效率。
94.参照图5，在一些实施例中，步骤s500包括：
95.s510，根据待检测图像信息和预设的边界值，生成第一判别函数和第二判别函数；
96.s520，对第一判别函数和第二判别函数进行求取平均值计算，生成判别置信度。
97.本发明所提供的多场景火焰检测方法可以根据待检测图像信息、预设的边界值生成第一判别函数和第二判别函数，并对第一判别函数和第二判别函数进行取平均值计算，生成可以用于判别当前场景内是否存在火焰的判别置信度，从而通过判别置信度计算当前场景内是否存在火焰，预设的边界值包括第一上边界值、第一下边界值、第二上边界值和第二下边界值。具体地，通过获取过去连续k帧内输出的第一比对结果，本发明可以获取对应连续k帧对应的平均尺度变化数值δsk，其中对应的，对应的，分别表征j时刻检测框的高与宽，可以根据待检测图像信息的窗口大小获得。通过将平均尺度变化数值δsk与预设的第一上边界值和预设的第一下边界值进行比对，本方法可以得到第一判别函数fs()。其中()。其中用于根据火焰抖动的特性判断场景内检测到的疑似火焰图形是否存在抖动。
98.本发明还可以通过待检测图像信息、预设的第二上边界值和预设的第二下边界值计算当前场景内疑似火焰图形是否具备强移动性，从而判别当前场景内是否存在火焰。具体地，本发明通过获取待检测图像信息中过去连续k帧图像获取对应连续k帧对应的平均移动距离δck。其中，并通过对平均移动距离δck与预设的上边界值和预设的下边界值进行比对，得到第二判别函数fc()，其中并通过对fs(k)与fc(k)进行平均值计算得到置信度pk，其中并对过去k帧内每一置信度pk进行求取平均值计算，得到置信度p，其中
99.在一些实施例的步骤s600中，可以通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的运动区域图范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，使得可以在获取到
第一判别数据时，根据预设的检测模型对运动区域图进行检测，得到第一场景信息或者第二场景信息。
100.在一些实施例中，步骤s600之后还包括：
101.当接收到第二判别数据时，输出第二场景信息。
102.本发明所提供的多场景火焰检测方法可以在获取到第二判别数据时，直接输出第二场景信息，以实现本方法在第二次对场景内的火焰图形进行检测时，根据判断数据快速判断当前场景内的火焰情况，有效的提高了本方法对于火焰检测的判别效率，降低了本方法对于系统资源的负荷。
103.参照图6，在一些实施例中，步骤s700包括：
104.s710，根据检测模型提取待检测图像信息的特征数据库；
105.s720，对特征数据库中每一数据信息与数据信息对应的火焰标签文件进行匹配处理，得到火焰标签集合；
106.s730，获取特征数据库对应的余弦相似度；
107.s740，根据余弦相似度筛选火焰标签集合中的火焰标签文件，得到待定火焰标签数据；
108.s750，对待定火焰标签数据进行平均值计算，得到第三判别函数；
109.s760，根据待定火焰标签数据中的火焰标签文件的文件个数得到检测阈值；
110.s770，根据第三判别函数与检测阈值执行以下步骤之一：
111.s771，若第三判别函数在预设检测时段内的函数值大于检测阈值，则生成第一场景信息；或者
112.s772，若第三判别函数在预设检测时段内的函数值小于或者等于检测阈值，则生成第二场景信息。
113.本发明所提供的多场景火焰检测方法可以通过检测模型提取待检测图像信息中的特征数据库，并对特征数据库中每一数据信息与对应的火焰标签文件进行匹配得到火焰标签集合。本发明通过计算特征数据库对应的余弦相似度，并根据余弦相似度筛选火焰标签集合中的火焰标签文件，可以得到待定火焰标签数据，进而通过计算待定火焰标签数据的平均值，得到第三判别函数。通过第三判别函数，本发明可以根据第三判别函数和检测阈值进行以下步骤之一：若在预设的检测时段内第三判别函数的函数值大于检测阈值，则生成第一场景信息；或者，若第三判别函数在预设检测时段内的函数值小于或者等于检测阈值，则生成第二场景信息。通过这一方法，本发明可以有效的对经过两次筛查的图像信息进行再次判别，进而提供一种可以自动识别火焰图形，且识别精度更高的多场景火焰检测方法。
114.在一些具体的实施例中，本发明可以通过预设的如resnet-34等的深度卷积网络构成检测模型，并通过这一检测模型对获取到的运动区域图中每一个输入帧图像数据进行特征提取，得到每一输入帧图像数据对应的特征嵌入向量em，从而构成特征数据库e＝(e1，e2，...，em)。同时记录下每一输入帧图像数据对应的真实火焰标签g＝(g1，g2，...，gm)，并将特征数据库e与真实火焰标签g进行匹配处理，生成火焰标签集合。本发明还可以调用预设的knn算法，并通过knn算法获取特征数据库中某一特征点e
t
对应的余弦相似度sim(e
t
，ej)，
其中某一特征点e
t
的选取由对应时刻t是否检测到火焰图形决定。本发明通过余弦相似度sim(e
t
，ej)筛选出真实火焰标签g中与e
t
相似的数据点，并将筛选出的数据点g1，g2，...，gk作为火焰标签文件，从而得到待定火焰标签数据，并将待定火焰标签数据按照余弦相似度进行按平均运算，以得到第三判别函数g
t
，其中本发明根据获取到的g1，g2，...，gk的个数可以确认检测阈值为k/2，在一些具体的实施例中检测阈值也可以固定为0.5，并将检测阈值与第三判别函数的取值进行比对以判别当前场景内是否存在火焰图形。具体地，当，时，本发明判别当前场景内存在火焰图形，并输出第一场景信息；或者，当时，本发明判别当前场景内不存在火焰图形，并输出第二场景信息。
115.在一些其他的实施例中，本发明所提供的多场景火焰检测方法还可以根据不同的场景进行方法的自动优化与纠正。具体地，本发明可以根据获取到的第三判别函数g
t
与判别阈值k/2得到第四判别函数f
knn
，其中当通过第四判别函数f
knn
的检测图像信息为检验错误信息时，则获取对应的检测图像信息的特征嵌入向量和火焰标签文件，并将这一特征嵌入向量添加至特征数据库e中、以及将这题火焰标签文件添加至真实火焰标签中，从而丰富持续更新本方法所提供的多场景火焰检测方法，提高本方法所提供的检测模型对应的学习能力，提高本方法在不同场景下的判别准确度。
116.第二方面，本发明提供了一种多场景火焰检测设备，包括：
117.至少一个处理器，以及
118.与至少一个处理器通信连接的存储器
119.其中，存储器中存有指令，使得至少一个处理器执行指令时可以实现如本发明第一方面实施例的多场景火焰检测方法。
120.本发明所提供的多场景火焰检测设备可以通过处理器执行存储器中存储的指令，以实现本发明第一方面实施例所提供的多场景火焰检测方法，从而获取对应不同场景内的待检测图像信息，并通过预设的筛选模型对待检测图像信息进行筛选，得到包含在一段时间内可能含有火焰图形的运动区域图。通过对运动区域图进行颜色分析处理，本方法可以得到当前运动区域图内的全部图像信息对应的颜色信息，并形成差分数值。通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，其中比对结果包括第一比对结果和第二比对结果，并在获取到第一比对结果时，根据待检测图像信息计算对应的判别置信度。通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的待检测图像信息范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，并在获取到第一判别数据时，根据预设的检测模型对待检测图像信息进行检测，得到第一场景信息或者第二场景信息。通过这一方法，本发明可以对当前场景内的待检测图像信息进行初步筛选，并通过对运动区域图内的图像数据进行两次分析比对，精细的判断当前场景内是否存在火焰，从而通过检测模型再次检测最终的比对结果，以实现对当前场景内的火焰信息的最终判断，进而实现对场景内的火焰的自动化、高效的检测。
121.第三方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存有计算机可执行指令，计算机可执行指令用于使计算机执行如本发明第一方面实施例的多场景火焰检测方法。
122.通过执行本发明所提供的计算机可读存储介质中的计算机指令，本发明可以实现如第一方面实施例所提供的多场景火焰检测方法，从而获取对应不同场景内的待检测图像信息，并通过预设的筛选模型对待检测图像信息进行筛选，得到包含在一段时间内可能含有火焰图形的运动区域图。通过对运动区域图进行颜色分析处理，本方法可以得到当前运动区域图内的全部图像信息对应的颜色信息，并形成差分数值。通过将差分数值与预设的第一判别阈值进行比对，本方法可以对当前运动区域图内是否存在火焰进行初步判断，得到对应的比对结果，其中比对结果包括第一比对结果和第二比对结果，并在获取到第一比对结果时，根据待检测图像信息计算对应的判别置信度。通过将判别置信度与预设的第二判别阈值进行比对，本方法可以进一步对当前的待检测图像信息范围内是否存在火焰进行判断，并根据判断结果得到判别数据，其中判别数据包括第一判别数据和第二判别数据，并在获取到第一判别数据时，根据预设的检测模型对待检测图像信息进行检测，得到第一场景信息或者第二场景信息。通过这一方法，本发明可以对当前场景内的待检测图像信息进行初步筛选，并通过对运动区域图内的图像数据进行两次分析比对，精细的判断当前场景内是否存在火焰，从而通过检测模型再次检测最终的比对结果，以实现对当前场景内的火焰信息的最终判断，进而实现对场景内的火焰的自动化、高效的检测。
123.上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

技术特征：
1.多场景火焰检测方法，其特征在于，包括：获取待检测图像信息；通过预设的筛选模型对所述待检测图像信息进行筛选处理，生成运动区域图；对所述运动区域图进行颜色分析处理，得到差分数值；将所述差分数值与预设的第一判别阈值进行比对，得到比对结果；其中所述比对结果包括第一比对结果或者第二比对结果；当接收到所述第一比对结果时，根据所述待检测图像信息计算生成判别置信度；将所述判别置信度与预设的第二判别阈值进行比对，得到判别数据；其中判别数据包括第一判别数据和第二判别数据；当接收到所述第一判别数据时，根据预设的检测模型检测所述待检测图像信息，生成第一场景信息或者第二场景信息。2.根据权利要求1所述的多场景火焰检测方法，其特征在于，所述将所述差分数值与预设的第一判别阈值进行比对，得到比对结果；其中所述比对结果包括第一比对结果或者第二比对结果之后，所述方法还包括：当接收到所述第二比对结果时，生成第二场景信息。3.根据权利要求1所述的多场景火焰检测方法，其特征在于，所述将所述判别置信度与预设的第二判别阈值进行比对，得到判别数据；其中判别数据包括第一判别数据和第二判别数据之后，所述方法还包括：当接收到所述第二判别数据时，输出第二场景信息。4.根据权利要求1至3任一项所述的多场景火焰检测方法，其特征在于，所述获取待检测图像信息包括：获取原始图像信息；根据预设的目标检测模型对所述原始图像信息进行检测，得到检测框信息；根据所述检测框信息对所述原始图像信息进行裁剪，得到待检测图像信息。5.根据权利要求1至3任一项所述的多场景火焰检测方法，其特征在于，所述通过预设的筛选模型对所述待检测图像信息进行筛选处理，生成运动区域图，包括：解析所述待检测图像，得到图像帧数据；通过所述筛选模型对所述图像帧数据进行筛选处理，得到帧差遮罩模型；通过所述帧差遮罩模型对所述待检测图像进行计算，得到所述运动区域图。6.根据权利要求1至3任一项所述的多场景火焰检测方法，其特征在于，所述根据对所述运动区域图进行颜色分析处理，得到差分数值，包括：根据预设的颜色阈值对所述运动区域图进行比对，得到颜色差分图；对所述颜色差分图进行求和计算，得到计算值；将所述计算值与所述待检测图像的面积进行除法运算，得到所述差分数值。7.根据权利要求1至3任一项所述的多场景火焰检测方法，其特征在于，所述当接收到所述第一比对结果时，根据所述待检测图像信息计算生成判别置信度，包括：根据所述待检测图像信息和预设的边界值，生成第一判别函数和第二判别函数；对所述第一判别函数和所述第二判别函数进行求取平均值计算，生成所述判别置信度。
8.根据权利要求1至3任一项所述的多场景火焰检测方法，其特征在于，所述当接收到所述第一判别数据时，根据预设的检测模型检测所述待检测图像信息，生成第一场景信息或者第二场景信息，包括：根据所述检测模型提取所述待检测图像信息的特征数据库；对所述特征数据库中每一数据信息与所述数据信息对应的火焰标签文件进行匹配处理，得到火焰标签集合；获取所述特征数据库对应的余弦相似度；根据所述余弦相似度筛选所述火焰标签集合中的所述火焰标签文件，得到待定火焰标签数据；对所述待定火焰标签数据进行平均值计算，得到第三判别函数；根据所述待定火焰标签数据中的所述火焰标签文件的文件个数得到检测阈值；根据所述第三判别函数与所述检测阈值执行以下步骤之一：若所述第三判别函数在预设检测时段内的函数值大于所述检测阈值，则生成所述第一场景信息；或者，若所述第三判别函数在预设检测时段内的函数值小于或者等于所述检测阈值，则生成所述第二场景信息。9.多场景火焰检测设备，其特征在于，包括：至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器中存有指令，使得所述至少一个处理器执行所述指令时实现如权利要求1至8任一项所述的多场景火焰检测方法。10.计算机可读存储介质，其特征在于，所述计算机可读存储介质存有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8任一项所述的多场景火焰检测方法。

技术总结
本发明公开了一种多场景火焰检测方法、设备及存储介质。属于图像检测领域。本发明的多场景火焰检测方法可以获取待检测图像信息；通过预设的筛选模型对待检测图像信息进行筛选处理，生成运动区域图；对运动区域图进行颜色分析处理，得到差分数值；将差分数值与预设的第一判别阈值进行比对，得到比对结果；其中比对结果包括第一比对结果或者第二比对结果；当接收到第一比对结果时，根据待检测图像信息计算生成判别置信度，并与预设的第二判别阈值进行比对，得到判别数据；当接收到第一判别数据时，根据预设的检测模型检测待检测图像信息，生成第一场景信息或者第二场景信息，该方法能够自动且准确的监测多场景下的火焰图形。够自动且准确的监测多场景下的火焰图形。够自动且准确的监测多场景下的火焰图形。


技术研发人员：杨泽华 徐勇
受保护的技术使用者：哈尔滨工业大学（深圳）
技术研发日：2021.11.30
技术公布日：2022/3/8