一种基于帧差与深度学习的多点火信号及异常检测方法

本发明属于图像识别与智能检测技术领域，具体公开了一种基于帧差与深度学习的多点火信号及异常检测方法，包括以下步骤：S1、视频图像采集；S2、目标检测定位与ROI区域提取；S3、针对每个ROI区域进行帧差法与灰度Top‑K分析，获取存在疑似点火区域图像；S4、采用已训练的卷积神经网络模型进行点火信号判别与点火次数统计；S5、点火顺序序列建模与异常识别。本发明采用上述一种基于帧差与深度学习的多点火信号及异常检测方法，实现非接触式测量、多目标定位、点火信号精准检测与计数和异常信号自动判别，具有检测精度高、可靠性强、自动化程度高和适应范围广的优势，适用于复杂场景下的多点火信号检测与异常检测。