恭喜福州大學李建微獲國家專利權(quán)
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!
龍圖騰網(wǎng)恭喜福州大學申請的專利基于森林火場多特征提取的高精度火焰區(qū)域提取方法獲國家發(fā)明授權(quán)專利權(quán),本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予,授權(quán)公告號為:CN117218371B 。
龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專利申請?zhí)?專利號為:202311160428.8,技術(shù)領(lǐng)域涉及:G06V10/44;該發(fā)明授權(quán)基于森林火場多特征提取的高精度火焰區(qū)域提取方法是由李建微;萬佳莉;唐寰;鄭孝干;馮振波設(shè)計研發(fā)完成,并于2023-09-11向國家知識產(chǎn)權(quán)局提交的專利申請。
本基于森林火場多特征提取的高精度火焰區(qū)域提取方法在說明書摘要公布了:本發(fā)明提供一種基于森林火場多特征提取的高精度火焰區(qū)域提取方法,其方案包括實際火場圖像和常規(guī)火焰數(shù)據(jù)集的獲取、實際火場圖像的預(yù)處理、實際火場數(shù)據(jù)集的構(gòu)建、多重特征提取工程的設(shè)計、模型訓練與優(yōu)化和火焰區(qū)域的提取。本發(fā)明通過聚類分塊算法將圖像像素分為多個聚類塊,利用特征工程提取圖像特征,同時打上火與非火的標簽,引入CNN卷積神經(jīng)網(wǎng)絡(luò)訓練,以Adam優(yōu)化器優(yōu)化得到火焰區(qū)域提取的訓練模型,最后實現(xiàn)火焰區(qū)域的高精度提取。該火焰區(qū)域提取方法綜合了多種特征,較之常規(guī)火焰區(qū)域提取方法,該方法算法計算復(fù)雜度低,火焰區(qū)域提取的速度快,同時保證了火焰區(qū)域提取較高準確性,為在復(fù)雜火場環(huán)境下救援火災(zāi)的消防人員提供準確的火場情況。
本發(fā)明授權(quán)基于森林火場多特征提取的高精度火焰區(qū)域提取方法在權(quán)利要求書中公布了:1.一種基于森林火場多特征提取的高精度火焰區(qū)域提取方法,其特征在于,包括以下步驟:步驟S1:獲取火焰數(shù)據(jù)集和實際火場圖像;步驟S2:對實際火場圖像進行預(yù)處理,將處理后的實際火場圖像構(gòu)建獲得實際火場數(shù)據(jù)集,并將實際火場數(shù)據(jù)集和常規(guī)火焰數(shù)據(jù)集一同劃分為訓練集、測試集和驗證集;步驟S3:計算獲得火焰區(qū)域累積面積與對應(yīng)聚類塊累積面積之比,用于根據(jù)比例大小調(diào)整聚類塊數(shù)量K值;步驟S4:利用特征工程提取圖像特征,并根據(jù)火焰占聚類塊的面積來判斷圖像聚類塊是否有火,為聚類打上有火和無火的標簽;步驟S5:標簽與獲得的特征向量一同輸入CNN卷積神經(jīng)網(wǎng)絡(luò),基于訓練集進行訓練,得到火焰區(qū)域提取模型,并基于驗證集調(diào)整模型參數(shù);步驟S6:利用訓練后的火焰區(qū)域提取模型進行火焰區(qū)域提取;在步驟S3中,設(shè)置聚類分塊算法中聚類塊數(shù)量K值,計算獲得火焰區(qū)域累積面積與對應(yīng)聚類塊累積面積之比,再通過其比例大小來調(diào)整K值,選取規(guī)則為:大于閾值α則通過聚類分塊算法將數(shù)據(jù)集內(nèi)的圖像像素根據(jù)各聚類中心間距離分為K個聚類塊,否則調(diào)整聚類塊數(shù)量K值,直到滿足閾值α,這樣使得聚類分塊更加均勻,以提升火焰區(qū)域提取效果;在步驟S4中,結(jié)合色彩空間、形狀和紋理特征,包括R,G,B,Y,Cb,Cr,H,S,V9個顏色特征,圓形度和矩形度兩個成分,以及對比度、相關(guān)性、熵值和能量四個特征向量,共15維向量的特征工程以提取圖像特征;在步驟S4中,通過判斷條件判斷聚類塊是否有火,給聚類塊打上標簽,標簽與圖像特征向量相對應(yīng),使得提取的特征向量與火相關(guān)聯(lián);其中,通過火焰面積占據(jù)聚類塊面積的比例大小來判斷是否為火焰;判斷條件為:超過23判斷為火;13以下判斷為非火,13到23之間判斷為無法判斷;對聚類塊打上標簽,有火標為1,無火標為0,無法判斷標為-1;將圖像聚類塊分類為有火和無火,標簽與15維特征向量組成16維特征向量。
如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù),可聯(lián)系本專利的申請人或?qū)@麢?quán)人福州大學,其通訊地址為:350108 福建省福州市閩侯縣福州大學城烏龍江北大道2號福州大學;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。
1、本報告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準確性。
2、報告中的分析和結(jié)論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據(jù)或者憑證。


熱門推薦
- 恭喜大航海科技(山東)集團有限公司彭繼魯獲國家專利權(quán)
- 恭喜科磊股份有限公司阿納托利·羅曼諾夫斯基獲國家專利權(quán)
- 恭喜博世汽車部件(蘇州)有限公司王維輝獲國家專利權(quán)
- 恭喜韋勒斯標準與技術(shù)協(xié)會公司孫周亨獲國家專利權(quán)
- 恭喜麥迪克斯生物科技股份有限公司李相燁獲國家專利權(quán)
- 恭喜雅培診斷產(chǎn)品士嘉堡公司D.N.霍沃斯獲國家專利權(quán)
- 恭喜馬可迅車輪美國有限責任公司C·E·洛佩斯獲國家專利權(quán)
- 恭喜福特全球技術(shù)公司詹姆斯·卡休獲國家專利權(quán)
- 恭喜牛津大學科技創(chuàng)新有限公司呂特·洛克·翁獲國家專利權(quán)
- 恭喜想象技術(shù)有限公司彼得·馬爾科姆·萊西獲國家專利權(quán)