消防逃生动作检测模型训练方法及其检测方法与流程

1.本发明涉及人工智能技术领域，特别是涉及一种消防逃生动作检测模型训练方法及其检测方法。


背景技术：

2.在社会生活中，火灾已成为威胁公共安全，危害人民群众生命财产的一种多发性灾害。因此，在面对火灾带来的消防问题时，冷静机智运用消防自救与逃生知识，可提高拯救自己、拯救他人的能力。其中，消防逃生培训作为消防自救与逃生知识的主要传播手段，正确的逃生动作是消防逃生培训的主要内容。
3.然而，在目前消防逃生培训教育中，所有的逃生动作判断都是由每个培训教育指导员的主观判断去决定，但培训的学员数量越大，指导员难以准确地纠正每个学员的逃生动作，同时，培训教育的效果，也会因不同的指导员自身的水平而有所不同。这样的结果，会导致消防逃生培训教育的效果大打折扣，使学员无法得知自己动作是否正确。
4.由此可见，传统的消防逃生培训中还存在以上不足。


技术实现要素：

5.基于此，有必要针对传统的消防逃生培训中还存在不足，提供一种消防逃生动作检测模型训练方法及其检测方法。
6.一种消防逃生动作检测模型训练方法，包括步骤：
7.获取标准逃生动作图像；
8.为标准逃生动作图像打标签，获得数据集；其中，标签用于表征标准逃生动作；
9.将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。
10.上述的消防逃生动作检测模型训练方法，在获取到标准逃生动作图像后，为标准逃生动作图像打标签，获得数据集，并将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
11.在其中一个实施例中，获取标准逃生动作图像的过程，包括步骤：
12.获取标准逃生动作视频；其中，标准逃生动作视频为正确消防逃生动作的录制视频；
13.对标准逃生动作视频执行帧分割，获得标准逃生动作图像。
14.在其中一个实施例中，帧分割的分割标准为20-40帧/秒。
15.在其中一个实施例中，为标准逃生动作图像打标签，获得数据集的过程，包括步骤：
16.识别标准逃生动作图像的待检测目标并标记。
17.在其中一个实施例中，识别标准逃生动作图像的待检测目标并标记的过程，包括步骤：
18.通过卷积神经网络自动框选标准逃生动作图像的待检测目标以完成识别。
19.在其中一个实施例中，识别标准逃生动作图像的待检测目标并标记的过程，包括步骤：
20.通过标记工具对标准逃生动作图像的待检测目标进行标记。
21.在其中一个实施例中，将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型的过程，包括步骤：
22.通过预训练模型对数据集进行训练，构建出卷积神经网络的消防逃生动作检测模型。
23.一种消防逃生动作检测模型训练装置，包括：
24.图像获取模块，用于获取标准逃生动作图像；
25.数据集建立模块，用于为标准逃生动作图像打标签，获得数据集；
26.模型训练模块，用于将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。
27.上述的消防逃生动作检测模型训练装置，在获取到标准逃生动作图像后，为标准逃生动作图像打标签，获得数据集，并将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
28.一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的消防逃生动作检测模型训练方法。
29.上述的计算机存储介质，在获取到标准逃生动作图像后，为标准逃生动作图像打标签，获得数据集，并将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
30.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的消防逃生动作检测模型训练方法。
31.上述的计算机设备，在获取到标准逃生动作图像后，为标准逃生动作图像打标签，获得数据集，并将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
32.一种消防逃生动作检测模型的检测方法，包括步骤：
33.获取待测逃生动作影像；
34.通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。
35.上述的消防逃生动作检测模型的检测方法，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
36.一种消防逃生动作检测模型的检测装置，包括：
37.影像获取模块，用于获取待测逃生动作影像；
38.检测识别模块，用于通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。
39.上述的消防逃生动作检测模型的检测装置，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
40.一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的消防逃生动作检测模型的检测方法。
41.上述的计算机存储介质，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
42.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的消防逃生动作检测模型的检测方法。
43.上述的计算机设备，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
附图说明
44.图1为一实施方式的消防逃生动作检测模型训练方法流程图；
45.图2为另一实施方式的消防逃生动作检测模型训练方法流程图；
46.图3为一实施方式的消防逃生动作检测模型训练装置模块结构图；
47.图4为一实施方式的消防逃生动作检测模型的检测方法流程图；
48.图5为一实施方式的消防逃生动作检测模型的检测装置模块结构图；
49.图6为一实施方式的计算机内部构造示意图。
具体实施方式
50.为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
51.本发明实施例提供一种消防逃生动作检测模型训练方法。
52.图1为一实施方式的消防逃生动作检测模型训练方法流程图，如图1所示，一实施方式的消防逃生动作检测模型训练方法包括步骤s100至步骤s102：
53.s100，获取标准逃生动作图像；
54.s101，为标准逃生动作图像打标签，获得数据集；其中，标签用于表征标准逃生动作；
55.s102，将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。
56.其中，标准逃生工作可由相关指导员进行正确的消防逃生演示，拍摄相关指导员的正确逃生工作形成标准逃生动作图像。
57.在其中一个实施例中，以视频拍摄的形式获取标准逃生动作图像，且视频拍摄的时间与后续数据集的准确度成正比。
58.在其中一个实施例中，图2为另一实施方式的消防逃生动作检测模型训练方法流程图，如图2所示，步骤s100中获取标准逃生动作图像的过程，包括步骤s200和步骤s201：
59.s200，获取标准逃生动作视频；其中，标准逃生动作视频为正确消防逃生动作的录制视频；
60.s201，对标准逃生动作视频执行帧分割，获得标准逃生动作图像。
61.其中，录制视频的时间长度与后续数据集的准确度成正比。对标准逃生动作视频执行帧分割，将每一帧的图像作为标准逃生动作图像，获得多帧标准逃生动作图像，丰富后续的数据集。
62.作为一个较优的实施方式，可视频处理工具对标准逃生动作视频执行帧分割，视频处理工具例如ffmpeg。
63.在其中一个实施例中，帧分割的分割标准为20-40帧/秒。作为一个较优的实施方式，帧分割的分割标准为30帧/秒，即一秒的标准逃生动作视频可分割为30帧标准逃生动作图像，以完整流程地记录标准逃生动作，作为模型训练的识别底限。相比单独的图像，连续的视频帧训练出来的模型识别率较高。
64.其中，为标准逃生动作图像打标签，用于表征标准逃生动作，作为数据集的训练建立。在其中一个实施例中，标签将标准逃生动作的图像标识为正确的，以指示后续的程序的认定。
65.在其中一个实施例中，如图2所示，步骤s101中为标准逃生动作图像打标签，获得数据集的过程，包括步骤s300：
66.s300，识别标准逃生动作图像的待检测目标并标记。
67.通过标记标准逃生动作图像的待检测目标以实现标签的标记。
68.在其中一个实施例中，步骤s300中识别标准逃生动作图像的待检测目标并标记的过程，包括步骤：
69.通过卷积神经网络自动框选标准逃生动作图像的待检测目标以完成识别。
70.以faster rcnn卷积神经网络为例，faster rcnn对标准逃生动作图像执行特征识别，框选确定待检测目标。
71.在其中一个实施例中，还可以前馈神经网络或递归神经网络自动框选标准逃生动作图像的待检测目标以完成识别。优选通过卷积神经网络自动框选标准逃生动作图像的待检测目标以完成识别，卷积神经网络具备不丢失像素矢量的优点，便于提高训练效果。
72.在其中一个实施例中，步骤s300中识别标准逃生动作图像的待检测目标并标记的过程，包括步骤：
73.通过标记工具对标准逃生动作图像的待检测目标进行标记。
74.在确定待检测目标后，根据确定结果(例如框选部分)，通过标记工具对标准逃生动作图像的待检测目标进行标记，将标签标记至待检测目标部分。其中，待检测目标为人体框选部分。
75.将标记有标签的数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。
76.在其中一个实施例中，可通过卷积神经网络训练出标注有分类信息的消防逃生动作检测模型。
77.上述任一实施例的消防逃生动作检测模型训练方法，在获取到标准逃生动作图像后，为标准逃生动作图像打标签，获得数据集，并将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
78.本发明实施例还提供了一种消防逃生动作检测模型训练装置。
79.图3为一实施方式的消防逃生动作检测模型训练装置模块结构图，如图3所示，一实施方式的消防逃生动作检测模型训练装置包括：
80.图像获取模块100，用于获取标准逃生动作图像；
81.数据集建立模块101，用于为标准逃生动作图像打标签，获得数据集；
82.模型训练模块102，用于将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。
83.上述的消防逃生动作检测模型训练装置，在获取到标准逃生动作图像后，为标准逃生动作图像打标签，获得数据集，并将数据集作为训练数据，训练出标注有分类信息的消防逃生动作检测模型。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
84.本发明实施例提供了一种消防逃生动作检测模型的检测方法。
85.图4为一实施方式的消防逃生动作检测模型的检测方法流程图，如图4所示，一实施方式的消防逃生动作检测模型的检测方法包括步骤s400和步骤s401：
86.s400，获取待测逃生动作影像；
87.其中，影像包括图像或视频。在影像为视频时，通过上述的帧分割将影像处理为帧图像。
88.s401，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。
89.上述的消防逃生动作检测模型的检测方法，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
90.本发明实施例提供了一种消防逃生动作检测模型的检测装置。
91.图5为一实施方式的消防逃生动作检测模型的检测装置模块结构图，如图5所示，一实施方式的消防逃生动作检测模型的检测装置包括：
92.影像获取模块200，用于获取待测逃生动作影像；
93.检测识别模块201，用于通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。
94.上述的消防逃生动作检测模型的检测装置，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的
逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
95.本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的消防逃生动作检测模型训练方法或消防逃生动作检测模型的检测方法。
96.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
97.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ram、rom、磁碟或者光盘等各种可以存储程序代码的介质。
98.与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种消防逃生动作检测模型训练方法或消防逃生动作检测模型的检测方法。
99.该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种消防逃生动作检测模型训练方法或消防逃生动作检测模型的检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
100.上述计算机设备，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
101.或，在获取到待测逃生动作影像后，通过消防逃生动作检测模型对待测逃生动作
影像执行特征识别，确定待测逃生动作影像对应的逃生动作是否标准。基于此，训练后的消防逃生动作检测模型可用于检测影像中的动作是否符合消防逃生动作的标准，便于后续快速准确地识别判定消防逃生工作。
102.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
103.以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。