(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 202210578039.6 (22)申请日 2022.05.26 (71)申请人 长沙海信智能系统研究院有限公司 地址 410006 湖南省长 沙市岳麓区洋湖街 道潇湘南路一段368号中盈广场C座5 层502号 (72)发明人 刘红利　闾凡兵　吴婷　 (74)专利代理 机构 长沙市岳麓慧专利代理事务 所(普通合伙) 43270 专利代理师 王中华 (51)Int.Cl. G08B 17/12(2006.01) G08B 17/10(2006.01) G08B 31/00(2006.01) G06V 20/52(2022.01)G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 高速公路 火灾识别方法、 装置及电子设备 (57)摘要 本发明提供一种高速公路火灾识别方法、 装 置及电子设备。 所述方法通过从火灾场景图像中 提取火焰和烟雾区域生成掩膜图， 并将掩膜图融 合到非火灾场景图像中， 从而实现对训练样本的 扩增， 有效解决了训练样本不足的问题， 通过扩 增后的训练样本训练得到基于图像分割的火灾 识别模型， 再通过训练好的火灾识别模型实时识 别高速公路监控图像， 能够实现对高速公路火灾 及时准确的检测识别。 权利要求书2页 说明书8页 附图7页 CN 114664047 A 2022.06.24 CN 114664047 A 1.一种高速公路 火灾识别方法， 其特 征在于， 包括如下步骤： 步骤S1、 采集多张对应不同火灾场景的第一图像， 对所述第一图像进行标注， 为第一图 像中有火焰的像素区域添加火焰标签， 有烟雾的像素区域添加烟雾标签， 除有火焰和烟雾 的像素区域以外的像素区域添加背景 标签； 步骤S2、 提取 各个第一图像中有火焰标签和烟雾标签的像素区域， 生成多个掩膜图； 步骤S3、 采集对应高速公路非火灾场景的多张第二图像， 将所述多张第二图像按照图 像显示的场景和拍摄的时间分为多个增强组； 步骤S4、 按照预设的匹配算法为每一个增强组匹配合 适的掩膜图； 步骤S5、 按照预设的融合算法将每一个增强组对应的掩膜图融合到该增强组中的各张 第二图像中， 得到多张第三图像； 步骤S6、 选取多张第一图像、 多张第二图像及多张第 三图像组成样本集， 用所述样本集 训练基于图像分割的火灾识别模型， 得到训练后的火灾识别模型； 步骤S7、 将高速公路监控图像接入所述火灾识别模型， 所述火灾识别模型对高速公路 监控图像进行分析， 并在分析 结果中监测到烟雾或火焰时， 发出火灾预警。 2.如权利要求1所述的高速公路火灾识别方法， 其特征在于， 所述预设的匹配算法为： 当一增强组中的第二图像与一掩膜图的灰度值差异小于128时， 认定该增强组与该掩膜图 匹配合适。 3.如权利要求1所述的高速公路火灾识别方法， 其特征在于， 所述预设的融合算法包 括： 选取一增强组中的一第二图像， 将该增强组对应的掩膜图粘贴到该第二图像中； 调整粘贴了掩膜图的该第二图像的对比度、 亮度及饱和度， 使得掩膜图与该第二图像 融合， 并记录对比度、 亮度及饱和度的调整方式； 将该增强组对应的掩膜图批量粘贴到该增强组中的其他的第 二图像中， 并根据记录的 对比度、 亮度及饱和度的调整方式对该些粘贴了掩膜图的第二图像进行对比度、 亮度及饱 和度进行调整， 使得掩膜图与该 些第二图像融合， 得到多张第三图像。 4.如权利要求3所述的高速公路火灾识别方法， 其特征在于， 同一个增强组中的不同的 第二图像在 粘贴掩膜图时， 掩膜图在所述不同第二图像中上下左右平移 n个像素， 左右旋转 ±m度， n为大于1的正整数， m为小于10的正数。 5.如权利要求1所述的高速公路火灾识别方法， 其特征在于， 所述步骤S2中还记录所述 掩膜图的尺寸， 所述预设的匹配算法包括当一增强组中的第二图像与一掩膜图的灰度值差 异小于128且该第二图像中能插入掩膜图的区域大于所述掩膜图的尺寸时， 认定该增强组 与该掩膜图匹配合 适。 6.如权利要求3所述的高速公路火灾识别方法， 其特征在于， 对粘贴了掩膜图的第 二图 像的对比度和亮度的调整通过以下公式进行： 其中，  为原始像素灰度，   为调整后的像素灰度，  a为对比度系数，  b为亮 度系数， a大于 0； 对粘贴了掩膜图的第二图像的饱和度的调整在HSV色彩空间中完成。权　利　要　求　书 1/2 页 2 CN 114664047 A 27.如权利要求1所述的高速公路火灾识别方法， 其特征在于， 所述步骤S1中采集多张对 应不同火灾场景的第一图像包括高速公路上火灾场景的图像以及非高速公路火灾场景的 图像； 所述步骤S3中对于选入样本集的第三图像还包括根据该第三图像中的掩膜图的信息 为第三图像中有火焰的像素区域添加火焰标签， 有烟雾的像素区域添加烟雾标签， 除有火 焰和烟雾的像素区域以外的像素区域添加背景 标签的步骤。 8.如权利要求1所述的高速公路火灾识别方法， 其特征在于， 所述基于图像分割的火灾 识别模型为Mask  RCNN网络模型。 9.一种高速公路 火灾识别装置， 其特 征在于， 包括： 采集单元， 采集多张对应不同火灾场景的第一图像， 对所述第一图像进行标注， 为第一 图像中有火焰的像素区域添加火焰标签， 有烟雾的像素区域添加烟雾标签， 除有火焰和烟 雾的像素区域以外的像素区域添加背景 标签； 掩膜单元， 提取各个第一图像中有火焰标签和烟雾标签的像素区域， 生成多个掩膜图； 分类单元， 采集对应高速公路非火灾场景的多张第二图像， 将所述多张第二图像按照 图像显示的场景和拍摄的时间分为多个增强组； 匹配单元， 按照预设的匹配算法为每一个增强组匹配合 适的掩膜图； 融合单元， 按照预设的融合算法将每一个增强组对应的掩膜图融合到该增强组中的各 张第二图像中， 得到多张第三图像； 训练单元， 选取多张第一图像、 多张第二图像及多张第 三图像组成样本集， 用所述样本 集训练基于图像分割的火灾识别模型， 得到训练后的火灾识别模型； 识别单元， 将高速公路监控图像接入所述火灾识别模型， 所述火灾识别模型对高速公 路监控图像进行分析， 并在分析 结果中监测到烟雾或火焰时， 发出火灾预警。 10.一种电子设备， 其特征在于， 包括： 存储器和处理器， 所述存储器存储有计算机程 序， 所述计算机程序被所述处理器执行时， 使得所述处理器执行如权利要求 1‑8中任一项 所 述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114664047 A 3