MATLAB基于原生Mask rcnn模型进行火焰检测

MATLAB基于原生Mask rcnn模型进行火焰检测识别

.背景介绍
火灾作为一种出现频率较高的灾害事故,给人们的生命和财产安全造成了巨大威胁,因此对早期火灾的检测和预警工作意义重大。传统的火灾检测技术借助烟雾、光、热等传感器实现,存在着探测距离有限、响应时间长、准确率低等缺点。随着监控摄像头的普及,以及图像处理和模式识别技术的长足发展,基于视频图像的火灾检测技术应运而生。相比于传统火灾探测器,该技术在报警速度、可视化、覆盖范围等多个方面具有明显的优势。纵观现有的图像型火灾检测技术,大多基于对火焰图像特征的识别,本文首先对火焰图像特征的计算方法进行了优化和改进。此外,受限于噪声、光照变化和设备情况等的影响,现有算法对火焰前景的取准确率较低,导致系统整体鲁棒性较差。本文采用深度学习的方法，调用官方的Mask-RCNN（Mask Region Convolutional Neural Network）模型对采集的火焰图片集进行训练和识别。

2. 训练数据集制作流程

3. 数据集的标注工具
   伴随着人工智能行业的逐渐崛起，数据标注这个在人工智能行业链条中有着举足轻重地位的环节，也渐渐地成为了一个新兴的服务型行业。针对数据的标注，从字面上意思不难理解，其实就是对数据利用不同的方式进行处理，对于如何让这种处理方式有一个固定的载体，显然数据标注工具就是处理数据标注需求的最好载体。以下为两个市面上常用的图片标注工具：
   1）Label Img

开源图像标记的工具，有广泛的使用人员和知晓率，同时软件自身也在不断更新。Label Img 是一个可视化的图像标定工具。使用该工具前需配置环境 python F+ lxml。Mask-RCNN、RCNN，YOLO，SSD(Single Shot Multi Box Detector)等目标检测网络所需要的数据集，均需要借助此类工具勾选图像中物体的位置或者轮廓。
优点：开源工具，使用者可以根据自身需求对其功能进行添加和修改，软件技术功能稳定。

缺点：需要每台使用电脑进行安装部署，如临时操作电脑没有该软件，则项目无法进行；需要人工分发和汇总原始集标注完成的数据集，这样会造成较高的运营成本；无法进行协同办公，在同时存在质检和标注两种人物角色时，质检人员无法做到即使查看标注人员的标注进度及标注质量，这样会导致成批次的数据完成后一旦出现问题，大面积修改的情况；只能够输出 VOC（xml）格式文件，对于其他需求的输出格式的使用人员会消耗更多解析时间；无法对标注结果（2d 边界框、多边形、点、折线）进行计数统计，无法分类统计标注结果，如图中有多少个人、车、其他元素‘无法对标注结果进行计数统计的直接结果就是无法衡量一个标注人员的效率。

2）Labelme

Labelme 是一个图形界面的图像标注软件，它是麻省理工（Massachusetts Institute ofTechnology, MIT）的计算机科学和人工智能实验室研发的图像标注工具，具有广泛的使用人员和知晓率，软件自身也在不断迭代，开发者也在不断的优化使用工具。研究者可以运用此软件进行任意的图片标记，以此来形成数据集。麻省理工学院的 Labelme 源代码可以安装在任何服务器上使用，是一个在线图像标注工具，安装方法简单，不需要在计算机上安装一个大数据集，可以在任何地方使用。

Labelme 在 pycharm 中运行后，就可以对 Labelme 进行二次开发了。比较简单的一个开发就是汉化，Labelme 界面都是英文，想把它里面的菜单、提示信息等改为中文，就可以根据项目结构，修改相应的文件即可。Labelme 是一个开源图像标注工具，对它进行使用及二次开发涉及到比较多的知识，通过研 Labelme 可以了解很多新知识，除了文中介绍的一些知识外，还有图形开发工具，是一种可以集成到 pycharm 中的图形开发工具，可以转换为 python 文件，和 pycharm 结合，可以进行图形界面开发，python 版的 Labelme 就是使用开发界面。
优点：开源工具，使用者可以根据自身需求对其进行添加和修改，软件基础功能稳定；在以点坐标的方式定位被标注元素轮廓的同时，还可以以像素点的方式定位被标注元素的轮廓；操作简单，可选用的工具包括点、2d 边界框、多边形、圆、折线。
缺点：需要每台使用电脑进行安装部署，如临时操作电脑没有该软件，则项目无法进行；需要人工分发和汇总原始集标注完成的数据集，这样会造成较高的运营成本；无法进行协同办公，在同时存在质检和标注两种人物角色时，质检人员无法做到即使查看标注人员的标注进度及标注质量，这样会导致成批次的数据完成后一旦出现问题，大面积修改的情况。
标注过程如下：

1. 物体轮廓的框选 通过对图片中每一个对象进行以点的方式勾选轮廓，形成的闭合区域就是后续需要的 mask 部分。其中每一个标记的点会记录坐标，并且保存于 json 文件中。
2. 物体类别的标注 在勾选了物体的轮廓和确定了 mask 部分之后，对每一个闭合区域的 mask 标记类别，区分两个 mask 是不同的物体，类别名也是以 json 文件保存。
3. 标注格式的转化 由于对于标注的内容都是以 json 文件保存下来的，然而网络的输入是单通道的图片格式，需要对 json 文件进行格式的转化，转为单通道的图片保存下来作为网络可输入的数据。