(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 202211374575.0 (22)申请日 2022.10.31 (71)申请人 上海富瀚微电子股份有限公司 地址 200233 上海市徐汇区宜山路717号2 号楼6楼 (72)发明人 余伟　汪泽宇　王怡刚　冯剑锋　 陈斌　 (74)专利代理 机构 上海思捷知识产权代理有限 公司 312 95 专利代理师 卢云芊 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/24(2022.01) G06V 10/56(2022.01) G06V 10/82(2022.01) (54)发明名称 减小火焰检测的误检的方法 (57)摘要 本发明提供了一种减小火焰检测的误检的 方法， 利用火焰检测模型检测监控图像中是否存 在火焰， 并将检测到火焰时刻的监控图像设置为 待测图像； 对所述待测图像进行图像识别， 获取 疑似火焰的待测区域的中心点并设置中心区域， 使所述中心点位于所述中心区域的中心； 计算所 述中心区域的第一色彩均值及第一方差， 根据所 述第一色彩均值及第一方差判断是否发生误检。 本发明通过火焰检测模型获取的存在火焰 的监 控图像及 待测区域， 设置相应的中心区域并根据 所述中心区域对应的第一色彩均值及第一方差 判断是否发生误检， 减小或避免因纯色且与火焰 颜色相近的物品干扰导致误检的概率， 提高了检 测结果的准确性和可靠性。 权利要求书2页 说明书7页 附图4页 CN 115527174 A 2022.12.27 CN 115527174 A 1.一种减小火焰检测的误检的方法， 其特 征在于， 包括： 提供火焰检测模型， 用于检测监控图像中是否存在火焰； 当所述火焰检测模型检测到火焰时， 获取当前时刻的监控图像并设置为待测图像； 对所述待测图像进行图像识别， 获取疑似火焰的待测区域的中心点并设置中心区域， 使所述中心点 位于所述中心区域的中心； 以及， 计算所述中心区域的第 一色彩均值及第 一方差， 根据所述第 一色彩均值及第 一方差判 断是否发生 误检。 2.如权利要求1所述的减小火焰检测的误检的方法， 其特征在于， 获取所述中心区域的 方法包括： 设定第一像素尺寸， 将所述中心点周围的大小为所述第 一像素尺寸的区域设置为所述 中心区域。 3.如权利要求1所述的减小火焰检测的误检的方法， 其特征在于， 获取所述中心区域的 方法包括： 设定第二像素尺寸， 若所述待测区域的像素尺寸小于或等于所述第二像素尺寸， 则将 所述待测区域设置为所述中心区域； 若所述待测区域的像素尺寸大于所述第二像素尺寸， 则将所述待测区域的像素尺寸 等比例缩小为第三像素尺寸； 若所述第三像素尺寸小于或等于所述第 二像素尺寸， 则将所述中心点周围的大小为所 述第二像素尺寸的区域设置为所述中心区域； 若所述第三像素尺寸大于所述第二像素尺 寸， 则将所述中心点周围的大小为所述第三像素尺寸的区域设置为所述中心区域。 4.如权利要求1、 2或3所述的减小火焰检测的误检的方法， 其特征在于， 在设置所述中 心区域之后， 计算所述第一色彩均值及第一方差之前， 还 包括： 获取所述中心区域中各个像素对应的R值、 G值和B值， 建立R值矩阵、 G值矩阵和B值矩 阵。 5.如权利要求4所述的减小火焰检测的误检的方法， 其特征在于， 计算所述第 一色彩均 值 的方法为： 其中， N为所述中心 区域中的像素点的总个数， C表示RGB三基色中的任一种， XCi为所述 中心区域中第i个 像素点对应的R值、 G值或B值。 6.如权利要求5所述的减小火焰检测的误检的方 法， 其特征在于， 计算 所述第一方差 的方法为： 7.如权利要求6所述的减小火焰检测的误检的方法， 其特征在于， 根据 所述第一色彩均 值及第一方差判断是否发生 误检的过程包括： 设置不同色彩对应的均值范围 以及方差范围， 若不同色彩对应的第 一色彩均值均位于 相应的所述均值范围内， 且不同色彩对应的第一方差均位于相应的所述方差范围内， 则所权　利　要　求　书 1/2 页 2 CN 115527174 A 2述中心区域合格， 所述火焰检测模型未发生误检； 若否， 则所述中心区域不合格， 所述火焰 检测模型发生 误检。 8.如权利要求7所述的减小火焰检测的误检的方法， 其特征在于， 根据 所述第一色彩均 值及第一方差判断是否发生 误检之后， 还 包括： 在所述待测区域中设置若干个次中心点及次中心区域， 使所述 次中心点位于所述 次中 心区域的中心； 计算所有的次中心区域的第 二色彩均值及第 二方差， 根据 所述第二色彩均值及第 二方 差再次判断是否发生 误检。 9.如权利要求8所述的减小火焰检测的误检的方法， 其特征在于， 所述中心区域的形状 为矩形， 将所述中心 区域的四个顶点设置为次中心点， 围绕四个所述次中心点设置四个次 中心区域， 所述次中心区域的像素尺寸与所述中心区域的像素尺寸相同。 10.如权利要求8所述的减小火焰检测的误检的方法， 其特征在于， 在所述中心区域的 边缘随机设置若干个次中心点， 围绕所有的所述次中心点设置相应的次中心 区域， 所述次 中心区域的像素尺寸与所述中心区域的像素尺寸相同。 11.如权利要求9或10所述的减小火焰检测的误检的方法， 其特征在于， 再次判断是否 发生误检的过程包括： 根据所述次中心区域对应的第二色彩均值和第二方差逐个判断所述次中心区域是否 合格， 若所有的所述次中心区域的合格率大于一设定值， 则所述火焰检测模型未发生误检； 若否， 则所述火焰检测模型发生 误检。 12.如权利要求1所述的减小火焰检测的误检的方法， 其特征在于， 建立所述火焰检测 模型的过程包括： 获取训练数据集， 所述训练数据集包括多个训练图像， 且所述训练图像中包含的火焰 均已标记， 利用所述训练数据集对深度学习的神经网络进行训练得到所述火焰检测模型。权　利　要　求　书 2/2 页 3 CN 115527174 A 3