28]火焰特征的提取是先利用火焰(着火点)在中红外与远红外波段会出现明显的温度饱和(高亮)的性质来确定图像中的火焰区域，再提取火焰区域的形状、面积、纹理及轮廓特征。
[0029]上述各个特征的具体提取算法为本领域已有技术，在此不再赘述。
[0030]在其他实施例中，训练识别模型所用的特征不一定包含上述全部内容，可以仅使用其中一部分。人们依据图库中的多光谱图像中是否有火情以及火情等级为图库中的图像附上标签值，本实施例中的标签值分为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。当然标签值并不局限于此种分类，在其他实施例中还可以对其进一步细分。
[0031]本实施例中采用的识别模型为深度学习网络模型(De印Belief Networks，DBN)，参见图2，该模型是模拟人脑深度网络层次架构及问题抽象特征的处理方式，由多层受限玻尔兹曼机网络和一层反向传播网络组成。由于采用模拟人脑多层结构的方式，它能对输入数据从低层到高层渐进地进行特征提取，最终形成适合林火烟雾探测以及火灾等级判别的较理想特征，准确实现对森林中可能的火点、烟雾以及火灾等级的分类。
[0032]深度学习网络的训练，是指用两种图库中的图像分批对网络的各层次进行训练，得到各层次网络的前向与后向权值，以及整个网络的权值。
[0033]B、识别模型在线检测阶段
1.无人机在巡航过程中实时获取目标森林区域的多光谱图像并提取该图像的特征；
2.将I中的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值。
[0034]如果存在着火点和烟雾，判定火灾等级，无人机进行持续跟踪；同时向地面监控中心预警，传输实时图像，提供着火点、烟雾位置。如果不存在林火及烟雾，则持续进行拍摄，直至巡航结束。
[0035]第二实施例本实施例在第一实施例的基础上做了进一步改进，引入了识别模型在线训练步骤。
[0036]考虑到无人机巡航拍摄到的多光谱图像差异较大，为了提高训练模型的识别准确度需要不断引入新的训练样本。
[0037]本实施例采取的措施是无人机将获取的目标森林区域的多光谱图像送给识别模型的同时还将此图像传输给监控中心的服务器；监控中心的工作人员人工判断该图像的标签值；然后将该图像的标签值反馈给无人机；在无人机上，利用该图像的特征及人工判断得到的标签值训练所述识别模型，对识别模型整个网络的权值进行微调。
[0038]本发明并不局限于前述的【具体实施方式】。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。
【主权项】
1.一种无人机多光谱图像的智能林火识别方法，其特征在于，包括: 步骤1:提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型；所述标签值为含有火情或不含有火情； 步骤2:无人机实时获取目标森林区域的多光谱图像并提取该图像的特征； 步骤3:将步骤2中的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值。
2.根据权利要求1所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，还包括步骤4:无人机将步骤2中获取的目标森林区域的多光谱图像传输给监控中心的服务器；监控中心的工作人员人工判断步骤2中获取的目标森林区域的多光谱图像的标签值；将该图像的标签值反馈给无人机；利用该图像的特征及人工判断得到的标签值训练所述识别模型。
3.根据权利要求1或2所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，所述识别模型为深度学习网络模型。
4.根据权利要求1所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，图像的特征包括温度特征、烟雾特征及火焰特征；其中烟雾特征包括以下特征中的一种或多种:烟雾形状特征、烟雾面积特征、烟雾纹理特征、烟雾轮廓特征；火焰特征包括以下特征中的一种或多种:火焰形状特征、火焰面积特征、火焰纹理特征、火焰轮廓特征。
5.根据权利要求4所述的一种无人机多光谱图像的智能林火识别方法，其特征在于，所述标签值为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。
6.一种无人机多光谱图像的智能林火识别装置，其特征在于，包括: 实时目标森林区域的多光谱图像特征提取模块，用于接收无人机实时拍摄的目标森林区域的多光谱图像，并提取该图像的特征； 烟火识别模块，用于将实时目标森林区域的多光谱图像特征提取模块输出的特征输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值；所述标签值为含有火情或不含有火情。
7.根据权利要求6所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，还包括识别模型离线训练模块，用于提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型。
8.根据权利要求6所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，还包括识别模型在线训练模块，用于将所述无人机实时拍摄的目标森林区域的多光谱图像传输给监控中心的服务器；接收监控中心的工作人员人工判断得到的该图像的标签值；利用该图像的特征及人工判断得到的标签值训练所述识别模型。
9.根据权利要求6所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，图像的特征包括温度特征、烟雾特征及火焰特征；其中烟雾特征包括以下特征中的一种或多种:烟雾形状特征、烟雾面积特征、烟雾纹理特征、烟雾轮廓特征；火焰特征包括以下特征中的一种或多种:火焰形状特征、火焰面积特征、火焰纹理特征、火焰轮廓特征。
10.根据权利要求9所述的一种无人机多光谱图像的智能林火识别装置，其特征在于，所述标签值为不含有火情、一级强度的火情、二级强度的火情或三级强度的火情。
【专利摘要】本发明公开了一种无人机多光谱图像的智能林火识别方法及装置，属于计算机视觉领域。本发明技术要点包括：步骤1：提取标准多光谱森林图库中图像的特征，提取无人机航拍得到的目标森林区域的多光谱图库中图像的特征，利用两种图库中各个图像的特征及标签值训练识别模型；所述标签值为含有火情或不含有火情；步骤2：无人机实时获取目标森林区域的多光谱图像并提取该图像的特征；步骤3：将步骤2中的特征值输入到训练后的识别模型中，识别模型计算得到该特征对应的标签值。
【IPC分类】G06K9-00, G06K9-46, G06K9-62
【公开号】CN104834920
【申请号】CN201510267188
【发明人】龙学军, 谭志国, 徐一丹, 陆宏伟, 周剑
【申请人】成都通甲优博科技有限责任公司
【公开日】2015年8月12日
【申请日】2015年5月25日