摘要
本发明涉及火灾科学与计算机视觉技术领域,具体地说,涉及基于火场图像识别的长时程火灾热释放速率预测方法。其包括从NIST火灾量热数据库中选取多组火灾视频数据,并对火灾视频数据进行预处理、采用密集抽帧的方式对选取的火灾视频数据对应的图像帧进行关键图像帧的提取,并对对应的关键图像帧进行热释放速率的标注、基于Bi‑LSTM和Attention机制来建立深度学习模型、将提取的多个关键图像帧输入到深度学习模型中,深度学习模型提取时空特征,并生成未来火灾图像对应的HRR预测值。本发明通过提取火场图像序列的时序特征与空间特征,结合注意力机制和双向长短期记忆网络的主干架构,能够实现对火灾长时程及长时程热释放速率的高精度预测。
技术关键词
火灾热释放速率
深度学习模型
Attention机制
图像
双向长短期记忆网络
依赖特征
时序特征
标签
BiLSTM模型
火灾场景
数据
Softmax函数
视频
加权特征
序列特征
注意力机制
多维特征向量
正则化策略
系统为您推荐了相关专利信息
遗留物品检测
YOLO模型
YOLO算法
监控视频流
遗留物检测技术
策略
去噪系统
植入式医疗器件
优化设备
数据去噪方法
多尺度特征融合
空间金字塔池化
语义分割模型
互补特征
感知特征