专利交易市场

本发明涉及数据识别技术领域，具体涉及一种基于超像素分割的楼宇智能化消防火灾识别方法，该方法包括：获取火灾发生时视频帧图像的红波段特征图像和亮度通道特征图像，确定疑是火焰区域；根据热红外图像中的像素值确定火焰区域，获取每个视频帧图像中火焰区域的连通域中心点坐标，进而对视频帧图像进行分组；分别获取各组的火焰中心点，根据视频帧图像中其他像素点与对应组的火焰中心点计算像素点的全局概率，利用全局概率作为图像的像素值得到火焰频率图像，进而进行超像素分割，对火灾进行识别得到火焰边缘。本发明能够准确识别火焰边缘，避免由于对火灾的预估的不足，导致过于靠近火焰区域，造成消防人员或消防器械的损失。

本发明涉及数据处理与识别技术领域，具体涉及一种楼宇智能化消防火灾识别方法，该方法步骤包括：利用电子设备获取消防监控图像；对每一帧消防监控图像进行数据处理得到火焰区域内每个位置的闪烁度，并将闪烁度大于阈值的位置作为目标位置；根据全部目标位置构建火焰多维直方图确定任一位置为火焰的先验概率分布；根据先验概率分布计算出当前帧每个位置为火焰的概率，结合每个位置的相邻时刻差异度，通过进一步的数据处理获取每个位置的综合评分；根据综合评分构建SLIC超像素分割算法距离度量准则，利用该准则对图像数据进行处理，最终识别出准确的火灾区域；本发明对火焰位置的特征进行数据分析与处理，保证识别出的火灾区域更加准确。

本发明公开了一种基于卷积神经网络的煤矿火灾识别方法，包括步骤一、构建用于进行煤矿火灾图像识别的卷积神经网络结构；步骤二、训练卷积神经网络；步骤三、利用卷积神经网络对煤矿火灾图像进行识别。本发明方法步骤简单，实现方便，能够应用在煤矿火灾的监测中，有效提高对煤矿火灾图像的识别率，使用效果好，便于推广使用。