(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211186218.1 (22)申请日 2022.09.28 (71)申请人 江苏海舟安防科技有限公司 地址 226000 江苏省南 通市海门区三星镇 彦英村一组88-1号 (72)发明人 但丽云　 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/44(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06V 10/766(2022.01) G06V 10/774(2022.01) G06T 5/00(2006.01) G06T 7/13(2017.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种消防识别方法和系统 (57)摘要 本发明涉及数据 识别技术领域， 具体涉及一 种消防识别方法和系统。 该方法是一种应用电子 设备进行识别的方法， 利用人工智能系统完成消 防场景下的人物位置识别。 首先采用相关的电子 设备进行图像识别， 以获取视频图像； 通过对视 频图像进行数据识别得到烟雾程度， 根据烟雾程 度和视频图像对应的特征图的描述值对人员识 别网络进行训练， 使 得将视频图像输入训练好的 人员识别网络中， 可 以输出人员位置。 本发明将 描述烟雾信息的神经元参数抑制， 从而降低烟雾 信息对人员识别的干 扰， 提高网络的准确性。 权利要求书2页 说明书10页 附图1页 CN 115331152 A 2022.11.11 CN 115331152 A 1.一种消防识别方法， 其特 征在于， 该 方法包括以下步骤： 获取视频图像； 利用sobel算子进行边缘检测得到视频图像的轮廓边缘， 基于所述轮廓边缘上各像素 点对应的灰度值序列的排列熵， 计算视频图像的锐化程度； 根据各像素点邻域内的像素点 的灰度差异， 计算视频图像的对比度； 由所述锐化程度和所述对比度得到视频图像的烟雾 程度； 获取当前时刻的视频图像和对应的前两帧视频图像第一个卷积层对应的特征图对应 通道的第一描述值， 构成第一描述值序列， 由当前时刻的视频图像和对应的前两 帧视频图 像对应的烟雾程度， 构建烟雾程度序列， 获取所述第一描述值序列和所述烟雾程度序列的 第一相关系 数； 根据所述第一相关系数构建第一损失函数； 基于第二个、 第三个卷积层， 构 建第二损失函数和 第三损失函数； 当前时刻的视频图像和对应的前两帧视频图像对应的交 叉熵损失函数、 第一损失函数、 第二损失函数和第三损失函数之和为第一综合损失函数； 根据相关系数确定卷积层对应的各特征图各通道图像的神经元参数的抑制权重， 由所 述抑制权重、 神经元参数的值和当前时刻的视频图像对应的交叉熵损失函数构建第二综合 损失函数； 将所述第一综合损失函数作为人员识别网络训练 的第一阶段的损失函数， 将所述第 二 综合损失函数作为人员识别网络训练的第二阶段的损失函数， 将所述视频图像输入训练好 的所述人员识别网络中， 输出 人员位置 。 2.根据权利要求1所述的一种消防识别方法， 其特征在于， 轮廓 边缘上各像素点对应的 灰度值序列的获取 方法为： 通过轮廓边缘上各像素点与轮廓边缘做垂线， 以轮廓边缘上各像素点为中心， 在垂线 上截取预设长度的垂线段， 获取垂线段 上各像素点的灰度值， 构建灰度值序列。 3.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述计算视频图像的锐化程 度， 包括： 以轮廓边缘上各像素点对应的灰度值序列的排列熵的均值的倒数作为视频图像的锐 化程度。 4.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述根据各像素点邻域内的 像素点的灰度差异， 计算视频图像的对比度， 包括： 获取像素点与邻域内其他像素点的灰度差值， 多个灰度差值的均值作为像素点的像素 点对比度， 轮廓边 缘上所有像素点的像素点对比度的均值 为视频图像的对比度。 5.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述由所述锐化程度和所述 对比度得到 视频图像的烟雾程度， 包括： 所述锐化 程度和所述对比度的乘积的倒数为视频图像的烟雾程度。 6.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述获取当前时刻的视频图 像和对应的前两帧视频图像第一个卷积层对应的特 征图对应通道的第一描述 值， 包括： 将当前时刻的视频图像输入语义分割网络中， 通过第 一个卷积层处理得到当前时刻的 视频图像对应的特征图； 将当前时刻的视频图像对应的特征图进行全局 最大池化处理， 得 到池化后的数据， 作为当前时刻的视频图像对应的第一描述 值。 7.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述根据所述第 一相关系数权　利　要　求　书 1/2 页 2 CN 115331152 A 2构建第一损失函数， 包括： 其中， 为第一损失函数； 为第一个卷积层得到特征图的第i个通道图像的第一描 述值序列与烟雾程度序列得到第一相关系数； 表示第一个卷积层得到特征图的第i 个通道图像的第一描述值序列与烟雾程度序列得到第一相关系数所属的相关系数等级出 现的概率。 8.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述基于第二个、 第三个卷 积层， 构建第二损失函数和第三损失函数， 包括： 获取当前时刻的视频图像和对应的前两帧视频图像第二个卷积层对应的特征图对应 通道的第二描述值， 构成第二描述值序列； 获取所述第二描述值序列和所述烟雾程度序列 的第二相关系数； 根据所述第二相关系数构建第二损失函数； 获取当前时刻的视频图像和对应的前两帧视频图像第三个卷积层对应的特征图对应 通道的第三描述值， 构成第三描述值序列； 获取所述第三描述值序列和所述烟雾程度序列 的第三相关系数； 根据所述第三相关系数构建第三损失函数。 9.根据权利要求1所述的一种消防识别方法， 其特征在于， 所述根据相关系数确定卷积 层对应的各特征图各通道图像的神经元参数 的抑制权重， 由所述抑制 权重、 神经元参数 的 值和当前时刻的视频图像对应的交叉熵损失函数构建第二综合损失函数， 包括： 所述抑制权 重为各特征图各对应通道的所述相关系数的均值的归一 化值； 所述第二综合损失函数为： 其中， 2为所述第二综合损失函数； 为当前时刻的视频图像对应的交叉熵损失 函数； 为第s个神 经元参数的抑制权重； 为第s个神 经元参数的值； 表示神经元参数 的总数量。 10.一种消防识别系统， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理 器上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1 ~9任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115331152 A 3